Web Scraping é Legal no Brasil? O Que Você Precisa Saber Antes de Coletar Dados

Dados Públicos vs Dados Protegidos: A Primeira Linha Divisória

A distinção mais importante é entre informações de acesso público e dados que exigem autenticação ou pagamento. Coletar preços, descrições de produtos e endereços comerciais disponíveis em vitrines digitais é diferente de acessar painéis administrativos ou conteúdo restrito a assinantes.

Dados públicos são aqueles que qualquer visitante pode ver sem criar conta ou fazer login. Catálogos de marketplaces brasileiros, listas de imóveis em portais como ChavesNaMão ou vagas em sites de emprego pertencem a essa categoria. A coleta desses dados para análise de mercado, comparação de preços ou pesquisa geralmente não viola leis brasileiras, desde que você respeite outros limites.

O Marco Civil da Internet (Lei 12.965/2014) não proíbe a coleta automatizada de dados públicos, mas exige que você não cause danos ao funcionamento do site. A LGPD (Lei 13.709/2018) regula o tratamento de dados pessoais, mas prevê bases legais para processar informações de acesso público, especialmente quando o titular as tornou manifestamente públicas.

Dados protegidos por login, paywall ou outras barreiras técnicas mudam o cenário. Acessar sistemas usando credenciais de terceiros sem autorização configura invasão de dispositivo informático (artigo 154-A do Código Penal). Burlar proteções técnicas para acessar conteúdo pago pode violar direitos autorais. Se o seu projeto precisa de dados dessa natureza, a alternativa legal é negociar acesso direto com o proprietário.

Scraping LGPD: Quando a Raspagem de Dados Envolve Informações Pessoais

A LGPD define dado pessoal como qualquer informação relacionada a pessoa natural identificada ou identificável. Nome completo, CPF, telefone, e-mail, endereço residencial e até combinações que permitam identificar alguém entram nessa categoria. Coletar dados pessoais via extração automatizada exige base legal adequada.

A ANPD reconhece dez bases legais para tratamento de dados pessoais. Para projetos de scraping, três bases são mais relevantes: consentimento do titular, legítimo interesse do controlador e execução de contrato. O legítimo interesse pode justificar a coleta para análises estatísticas ou estudos de mercado, desde que você demonstre equilíbrio entre seu interesse e os direitos dos titulares.

Situações de Alto Risco com Dados Pessoais

• Coletar dados sensíveis (origem racial, convicção religiosa, opinião política, saúde, vida sexual, dado genético ou biométrico) exige base legal específica e medidas de segurança reforçadas
• Formar perfis comportamentais ou tomar decisões automatizadas que afetem significativamente as pessoas cria obrigações adicionais de transparência
• Transferir dados pessoais para fora do Brasil requer garantias contratuais ou certificações internacionais
• Coletar dados de crianças e adolescentes tem regras próprias e geralmente exige consentimento dos responsáveis

Uma prática segura é anonimizar dados pessoais logo após a coleta, mantendo apenas informações agregadas para análise. Se você coleta contatos comerciais de empresas (não pessoas físicas), a LGPD não se aplica. Quando o projeto envolve dados pessoais em grande volume ou para fins sensíveis, consulte um advogado especializado antes de iniciar.

Termos de Uso e Robots.txt: Força Legal e Limites Práticos

Muitos sites declaram em seus termos de uso que proíbem scraping, automação ou acesso por robôs. A validade jurídica dessas cláusulas no Brasil é objeto de debate. Contratos eletrônicos de adesão têm limites estabelecidos pelo Código de Defesa do Consumidor e pelo Código Civil.

Um termo de uso não pode criar direitos exclusivos sobre fatos públicos ou dados que o site não produziu. Se uma empresa publica preços de mercado ou lista empresas de um diretório público, ela não pode impedir terceiros de coletar essas informações por meios técnicos legítimos. Por outro lado, cláusulas que protegem a integridade técnica do servidor ou limitam uso comercial direto dos dados podem ter validade.

O arquivo robots.txt é um padrão técnico, não uma norma jurídica. Respeitar robots.txt demonstra boa-fé e reduz riscos de conflito, mas violá-lo não é automaticamente crime. Motores de busca como Google indexam bilhões de páginas diariamente usando scraping, e isso é considerado prática legítima de mercado.

Quando Termos de Uso Importam na Prática

Violar termos de uso pode gerar consequências em três cenários principais. Primeiro, o site pode bloquear seu acesso tecnicamente. Segundo, se você criou uma conta no site, a empresa pode cancelá-la e processar você por quebra contratual. Terceiro, em casos extremos onde a coleta causou prejuízo financeiro ou dano à operação, a empresa pode buscar indenização.

Raspagem de dados é crime quando você causa dano ao sistema (sobrecarga que derruba o site, acesso a áreas protegidas, modificação de dados) ou quando usa os dados coletados para fins ilícitos (concorrência desleal comprovada, fraude, violação de direitos autorais). A coleta respeitosa de dados públicos para análise própria raramente gera processos, mas usar dados de competidores para copiar produtos linha por linha pode cruzar a linha.

Direitos Autorais e Proteção de Bancos de Dados

A Lei de Direitos Autorais (Lei 9.610/98) protege criações intelectuais, incluindo textos, imagens, vídeos e estruturas de bancos de dados quando demonstram seleção ou organização original. Coletar dados não viola automaticamente direitos autorais, mas copiar conteúdo criativo ou republicá-lo sem autorização pode violar.

Fatos e dados brutos não têm proteção autoral. Você pode coletar preços, especificações técnicas, datas e números. Descrições de produtos escritas por redatores, fotografias profissionais e vídeos são obras protegidas. Se o seu projeto de monitoramento de preços coleta apenas valores numéricos e códigos de produto, não há conflito autoral. Se você copia descrições completas e fotos para republicar, entra em zona de risco.

Bancos de dados estruturados podem ter proteção quando representam investimento substancial na obtenção ou apresentação dos dados. Na União Europeia essa proteção é explícita. No Brasil a proteção é menos clara, mas tribunais reconhecem que apropriar-se de bases de dados inteiras criadas com esforço significativo pode configurar concorrência desleal.

1. Use dados coletados para análise, agregação estatística ou alimentar sistemas internos, não para republicação direta como se fossem seus
2. Quando coletar conteúdo criativo, faça apenas para análise interna, não para distribuição pública
3. Atribua a fonte dos dados quando apresentar resultados derivados de coletas, especialmente em relatórios públicos
4. Para projetos que exigem republicação de conteúdo integral, negocie licenças ou acordos com os proprietários das fontes

Carga Técnica: O Limite que Ninguém Deve Ignorar

Mesmo quando a coleta de dados é juridicamente aceitável, você tem responsabilidade técnica de não prejudicar o funcionamento do site-alvo. Enviar milhares de requisições por segundo ou fazer crawling recursivo sem limites pode causar sobrecarga, custos inesperados de infraestrutura ou até derrubar o serviço.

O Marco Civil da Internet estabelece que o uso da internet deve respeitar a estabilidade e segurança das redes. Causar dano intencional ou negligente a sistemas informáticos pode configurar crime (artigo 154-A do Código Penal) ou gerar responsabilidade civil por danos materiais. Seu scraper precisa se comportar como visitante educado.

Boas Práticas Técnicas para Coleta Respeitosa

• Implemente intervalo entre requisições: 1-2 segundos para sites pequenos, 200-500ms para grandes portais
• Respeite horários de menor movimento quando coletar grandes volumes
• Use um User-Agent identificável que permita ao site entender que é um bot legítimo
• Implemente cache para não solicitar páginas ou dados já coletados recentemente
• Monitore códigos de resposta HTTP: se receber muitos 429 ou 503, reduza a velocidade imediatamente
• Evite crawling recursivo descontrolado: defina profundidade máxima e limite de páginas antes de iniciar

Sites com proteção anti-bot sofisticada detectam padrões suspeitos e bloqueiam automaticamente. Esses sistemas sinalizam que o proprietário do site se preocupa com automação e pode reagir legalmente se o scraping causar problemas. Respeitar esses sinais reduz riscos técnicos e jurídicos.

Checklist Prático: Web Scraping é Legal no Seu Projeto?

Antes de iniciar qualquer projeto de coleta automatizada, use este checklist para identificar riscos e ajustar sua abordagem. Quanto mais pontos você responde positivamente, menor a probabilidade de problemas jurídicos ou técnicos.

Aspectos Jurídicos

• Os dados são de acesso público, sem necessidade de login ou pagamento?
• Você evita coletar dados pessoais sensíveis ou, se coletar, tem base legal e medidas de segurança adequadas?
• O uso previsto dos dados é para análise interna, pesquisa ou agregação, não para republicação direta?
• Você consultou advogado se o projeto envolve grande volume de dados pessoais ou conteúdo autoral?
• Há documentação clara de finalidade, prazo de retenção e medidas de segurança?

Aspectos Técnicos

• Seu scraper respeita intervalos entre requisições e não causa sobrecarga no servidor-alvo?
• Você implementou lógica para pausar se receber sinais de bloqueio (429, 503, captcha)?
• O User-Agent identifica claramente que é um bot, incluindo forma de contato?
• Você possui plano de contingência se o site mudar estrutura ou implementar proteções?
• Há alternativa viável (API oficial, fonte equivalente) que você considerou antes de escolher scraping?

Se você respondeu sim para a maioria dos itens e não identificou bandeiras vermelhas (dados protegidos por login, coleta de informações sensíveis em massa, intenção de causar dano), seu projeto provavelmente está em terreno seguro. Se houver dúvidas significativas, especialmente em setores como financeiro ou saúde, considere parecer jurídico antes de prosseguir.

Como Kodrana Mantém Projetos em Conformidade

Quando você contrata serviços de extração de dados, a responsabilidade pela conformidade legal é compartilhada entre você (que define a finalidade e uso dos dados) e o provedor técnico (que executa a coleta). A Kodrana adota políticas claras para manter projetos dentro de limites seguros.

Trabalhamos exclusivamente com dados de acesso público. Não acessamos áreas protegidas por login usando credenciais de terceiros, não burlamos paywalls e não coletamos dados pessoais sensíveis em massa. Se um cliente solicita coleta que exigiria violar essas regras, recusamos o projeto ou indicamos alternativas legais.

Todos os scrapers mantêm carga técnica controlada: intervalos entre requisições, respeito a sinais de sobrecarga, User-Agent identificável. Quando um site implementa proteção anti-bot, avaliamos se é possível contornar tecnicamente de forma ética ou se o sinal indica que o proprietário não deseja automação.

Oferecemos amostra gratuita de 50-100 registros antes de qualquer pagamento. Isso permite que você verifique a qualidade dos dados, confirme que são os campos necessários e avalie se o projeto atende seus requisitos legais e técnicos. Se durante a amostra identificarmos que o site tem restrições problemáticas ou a coleta envolve dados sensíveis não previstos, discutimos alternativas antes de prosseguir.