--- title: "Como extrair dados do Crunchbase com Python em 2026" slug: how-to-scrape-crunchbase date: 2026-02-23T09:52:11+00:00 modified: 2026-02-23T09:52:12+00:00 permalink: https://brightdata.com.br/blog/dados-do-site/how-to-scrape-crunchbase type: blog --- [ Blog ](https://brightdata.com.br/blog "Blog") / [Dados do site](https://brightdata.com.br/blog/dados-do-site) [Dados do site](https://brightdata.com.br/blog/dados-do-site) # Como extrair dados do Crunchbase com Python em 2026 Aprenda a extrair dados do Crunchbase usando Python, explore quais informações podem ser coletadas e descubra soluções para contornar medidas anti-extração. 20 min de leitura [ ![Antonello Zanini](https://media.brightdata.com.br/2022/12/Antonello-Zanini-2-50x50.jpg) ](https://brightdata.com/blog/authors/antonello-zanini) [Antonello Zanini Technical Writer ](https://brightdata.com/blog/authors/antonello-zanini) ![How to Scrape Crunchbase blog image](https://media.brightdata.com.br/2024/10/How-to-Scrape-Crunchbase.svg) Neste guia, você verá: - O que é um Scraper do Crunchbase e como ele funciona - Quais dados você pode coletar automaticamente do Crunchbase - Como criar um script de scraping do Crunchbase com Python - Por que você pode precisar de uma solução mais avançada para fazer o scraping do site Vamos começar! ## O que é um Scraper do Crunchbase? [Um scraper do Crunchbase](/products/web-scraper/crunchbase) é uma ferramenta automatizada projetada para extrair dados das páginas da web do Crunchbase. Ele navega pelo site, identifica as informações desejadas e as coleta por meio de [Scraping de dados](/blog/how-tos/what-is-web-scraping). O Crunchbase emprega medidas avançadas anti-bot e anti-scraping para proteger seus dados. Como resultado, um Scraper eficaz do Crunchbase deve incluir recursos como renderização JavaScript, Resolução de CAPTCHA e falsificação de impressão digital do navegador. ## Quais dados extrair do Crunchbase Abaixo está uma lista dos dados que você pode recuperar automaticamente do Crunchbase por meio do Scraping de dados: - **Informações da empresa**: nome, descrição, setor, localização da sede, data de fundação, status (por exemplo, ativa, adquirida) e muito mais - **Dados de financiamento**: valor total do financiamento, rodadas de financiamento, investidores e muito mais - **Pessoas-chave**: fundadores, executivos, membros, funções e cargos e muito mais - **Produtos e serviços**: descrições de produtos, categorias de produtos ou serviços oferecidos e muito mais - **Aquisições e fusões**: detalhes de quaisquer empresas adquiridas, datas e termos das aquisições e muito mais - **Dados financeiros e de mercado**: estimativas de receita, número de funcionários e muito mais - **Notícias e eventos**: comunicados à imprensa, marcos ou eventos significativos e muito mais - **Concorrentes**: lista de empresas concorrentes e muito mais ## Como criar um Scraper do Crunchbase em Python Nesta seção do tutorial, você aprenderá como criar um Scraper do Crunchbase usando Python. O objetivo é desenvolver um script que possa coletar automaticamente dados da [página](https://www.crunchbase.com/organization/brightdata) do [Bright Data Crunchbase](https://www.crunchbase.com/organization/brightdata): ![Bright Data's page on Crunchbase](https://media.brightdata.com.br/2024/10/Bright-Datas-page-on-Crunchbase.gif)Siga as etapas abaixo para ver como fazer o scraping do Crunchbase com Python! ### Etapa 1: crie um projeto Python Primeiro, certifique-se de que você tem o Python 3+ instalado em sua máquina. Caso contrário, [baixe-o do ](https://www.python.org/downloads/)site oficial e siga as instruções. Crie um diretório para o seu Scraper Python Crunchbase: ```none `mkdir crunchbase-scraper` ``` A pasta `crunchbase-scraper` conterá seu [bot de raspagem](/blog/how-tos/what-is-a-scraping-bot). Abra a pasta do projeto em seu IDE Python favorito, como [PyCharm Community Edition](https://www.jetbrains.com/pycharm/download/#section=windows) ou [Visual Studio Code com a extensão Python](https://code.visualstudio.com/docs/languages/python). Em seguida, crie um arquivo scraper.py dentro da pasta do projeto. Esse arquivo conterá a lógica de raspagem do Crunchbase. Agora, inicialize um [ambiente virtual](https://docs.python.org/3/library/venv.html) Python. Se você é um usuário macOS ou Linux, execute: ```none `python3 -m venv env` ``` Da mesma forma, no Windows, execute: ```none `python -m venv env` ``` Isso adicionará um diretório `env` ao seu projeto. Agora, seu projeto deve ter a seguinte estrutura: ![The structure of your Crunchbase scraper](https://media.brightdata.com.br/2024/10/image-46.png)Ative o ambiente virtual com este comando: ```none `source env/bin/activate` ``` Ou, no Windows: ```none `envScriptsactivate` ``` Ótimo! Agora você tem um projeto Python onde pode instalar dependências locais. Lembre-se de que você pode iniciar seu script com: ```none `python3 Scraper.py` ``` Ou, no Windows: ```none `python Scraper.py` ``` ### Etapa 2: determine e instale as bibliotecas de scraping Agora você precisa descobrir quais bibliotecas de scraping são mais adequadas para extrair dados do Crunchbase. Comece fazendo uma solicitação GET HTTP para a [página da web de destino](https://www.crunchbase.com/organization/brightdata) usando um cliente HTTP para desktop. Aqui está o resultado que você obterá: ![The result of the website on the desktop HTTP client](https://media.brightdata.com.br/2024/10/image-45.png)Como você pode ver, o Crunchbase bloqueia sua solicitação, mesmo que você use cabeçalhos de navegador realistas. Em outras palavras, você precisará de uma ferramenta de automação de navegador para fazer o scraping do Crunchbase de maneira eficaz. Saiba mais em nosso artigo sobre os [melhores navegadores headless](/blog/web-data/best-headless-browsers). Para Python, [o Selenium](https://www.selenium.dev/) é uma das ferramentas de automação de navegador headless mais populares. Mais especificamente, ele permite que você instrua um navegador a realizar interações específicas e [extrair dados de páginas dinâmicas](/blog/how-tos/scrape-dynamic-websites-python). Para instalar o Selenium, use o pacote pip [`selenium`](https://pypi.org/project/selenium/). Em um ambiente virtual Python ativado, execute o seguinte comando: ```none `pip install -U selenium` ``` Em seguida, importe o Selenium no seu arquivo scraper.py com a seguinte linha: ```none `from selenium import webdriver` ``` Ótimo! Agora você tem tudo o que precisa para realizar o Scraping de dados no Crunchbase. ### Etapa 3: acesse a página de destino Inicialize uma instância do Chrome WebDriver e use o método [`get()`](https://selenium-python.readthedocs.io/api.html#selenium.webdriver.remote.webdriver.WebDriver.get) para instruir o navegador controlado a visitar a página desejada: ```none driver = webdriver.Chrome() url = "https://www.crunchbase.com/organization/brightdata" driver.get(url) ``` Em seguida, não se esqueça de fechar o WebDriver e liberar os recursos do navegador com: ```none `driver.quit()` ``` Atualmente, seu script de Scraper do Crunchbase conterá: ```none from selenium import webdriver # inicialize o driver para controlar uma instância do Chrome # no modo headed driver = webdriver.Chrome() # navegue até a página desejada do Crunchbase url = "https://www.crunchbase.com/organization/brightdata" driver.get(url) # lógica de raspagem... # fechar o driver e liberar os recursos do navegador driver.quit() ``` Se você executá-lo, verá a seguinte página por uma fração de segundo antes que o script seja encerrado: ![The page you will see before the script terminates](https://media.brightdata.com.br/2024/10/image-44.png)A mensagem “O Chrome está sendo controlado por um software de teste” indica que o Selenium está operando no Chrome conforme o esperado. Normalmente, os navegadores nos scripts de scraping do Selenium são iniciados no modo headless para economizar recursos. Infelizmente, o Crunchbase possui um sistema avançado de detecção anti-bot que bloqueia navegadores headless. Portanto, você precisa manter o navegador no modo headed. Como alternativa, você pode tentar usar [o Playwright Stealth](/blog/how-tos/avoid-bot-detection-with-playwright-stealth) para contornar esses mecanismos de detecção. ### Etapa 4: lidar com o pop-up de cookies Se você for um usuário europeu, a página exibirá o seguinte pop-up de cookies após alguns segundos: ![Cookie popup on Crunchbase](https://media.brightdata.com.br/2024/10/image-43.png)Se você não clicar no botão “Aceitar tudo”, não será possível interagir com a página. Inspecione o botão: ![Inspecting the "Accept All" button](https://media.brightdata.com.br/2024/10/image-42.png)Veja que você pode selecioná-lo com o seletor CSS `#onetrust-accept-btn-handler`. Agora, escreva uma função que aguarde até 60 segundos para que o botão “Aceitar tudo” apareça na página e fique clicável e, em seguida, clique nele: ```none def handle_cookie_banner(driver, seconds=60): tente: # aguarde o número de segundos especificado para que o botão “Aceitar tudo” # do banner de cookies apareça na página accept_button = WebDriverWait(driver, seconds).until( EC.element_to_be_clickable((By.CSS_SELECTOR, "#onetrust-accept-btn-handler")) ) # clicar no banner via JavaScript para evitar # erros ElementClickInterceptedException driver.execute_script("arguments[0].click();", accept_button) print("Botão 'Aceitar tudo' clicado") except: print("Botão 'Aceitar tudo' não encontrado em {segundos} segundos") ``` Observe que: 1. O bloco `try ... except` é necessário porque o pop-up do cookie pode não estar na página. Nesse caso, `o WebDriverWait irá `gerar uma `NoSuchElementException`, que será capturada pelo `except`. 2. “Aceitar tudo” é clicado via JavaScript e não através do método `click()`. O motivo é que o botão HTML aparece lentamente com uma animação de fade in. Portanto, se você tentar clicar nele com `click()`, poderá receber uma `ElementClickInterceptedException`. Para funcionar, a função acima requer as seguintes importações: ```none from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.common.by import By ``` Agora você pode lidar com o pop-up de cookies chamando: ```none `handle_cookie_banner(driver)` ``` Fantástico! Prepare-se para começar a extrair dados da página. ### Etapa 5: extraia as informações sobre a empresa A primeira informação a ser extraída no cartão “Resumo” é a descrição “Sobre” da empresa: ![The summary card of the company](https://media.brightdata.com.br/2024/10/image-41.png)Inspecione o elemento HTML “Sobre”: ![Inspecting the HTML of the "about" element](https://media.brightdata.com.br/2024/10/image-40.png)Observe que você pode selecioná-lo com o seletor CSS abaixo: ```none `profile-section description-card` ``` Use o método [`find_element()`](https://selenium-python.readthedocs.io/locating-elements.html) para aplicar o seletor CSS na página. Em seguida, extraia o texto dentro do nó com o atributo `de texto`: ```none about_node = driver.find_element(By.CSS_SELECTOR, "profile-section description-card") about = about_node.text ``` A variável about agora conterá: ```none `“A plataforma de dados da Web nº 1 do mundo”` ``` Pronto! ### Etapa 6: inspecione a estrutura da página Agora, concentre-se nas informações contidas no cartão “Detalhes” da página: ![The details card on the company page](https://media.brightdata.com.br/2024/10/image-39.png)Se você inspecionar esta seção, perceberá que não há uma maneira fácil de selecionar os elementos HTML dos quais extrair dados: ![Inspecting the details card](https://media.brightdata.com.br/2024/10/image-38.png)A maioria desses nós tem atributos HTML aleatórios que provavelmente são gerados no momento da compilação. Esses atributos mudam após cada implantação, portanto, você não pode confiar neles para a seleção de nós. Além disso, muitos desses elementos não são marcados com classes ou IDs exclusivos. Uma abordagem eficaz para selecionar os elementos de interesse é concentrar-se em seus rótulos. Por exemplo, você pode selecionar o nó `fields-card` que contém as informações sobre os setores, identificando qual `fields-card` tem um nó `label-with-info` que contém a string “Setores”. Essa técnica será usada para extrair dados desta seção. Portanto, faz sentido centralizar a lógica em uma função: ```none def find_parent_node_based_on_child_node_text(parent_nodes_selector, child_node_selector, text): # selecionar todos os nós pai parent_nodes = driver.find_elements(By.CSS_SELECTOR, parent_nodes_selector) # iterar pelos nós pai para encontrar aquele # cujo nó filho específico contém o texto desejado for parent_node in parent_nodes: try: # obter o nó filho específico dentro do nó pai atual child_node = parent_node.find_element(By.CSS_SELECTOR, child_node_selector) # verificar se ele contém o texto desejado if text.upper() in child_node.text.upper(): return parent_node except: continue return None ``` Use a função acima para selecionar o nó `do cartão de campos` “Indústrias” com: ```none `nó pai das indústrias = find_parent_node_based_on_child_node_text("campos-cartão li", "label-with-info", "Indústrias")` ``` Ótimo! Agora será muito mais fácil extrair dados do Crunchbase. ### Etapa 7: extrair detalhes da empresa Inspecione o nó “Indústrias”: ![Inspecting the industry node](https://media.brightdata.com.br/2024/10/image-37.png)Ele armazena os setores em que a empresa atua, armazenados em chips-container a nodes. Selecione todos eles, itere sobre eles e extraia os dados: ```none industries_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Industries") industries_nodes = industries_parent_node.find_elements(By.CSS_SELECTOR, "chips-container a") industries = [] para industry_node em industries_nodes: industries.append(industry_node.text) ``` Agora, concentre-se no elemento “Data de fundação”: ![The "founded date" element](https://media.brightdata.com.br/2024/10/image-36.png)Nesse caso, a lógica de extração é mais fácil, pois você só precisa extrair o texto do elemento `field-formatter` dentro do nó pai `fields-card li`: ```none founded_date_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Founded Date") founded_date_node = founded_date_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") founded_date = founded_date_node.text ``` A mesma lógica pode ser aplicada à maioria dos outros elementos de detalhes da empresa: ```none company_type_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Tipo de empresa") company_type_node = company_type_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") company_type = company_type_node.text operating_status_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Operating Status") operating_status_node = operating_status_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") operating_status = operating_status_node.text headquarters_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Regiões da sede") headquarters_node = headquarters_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") headquarters = headquarters_node.text nó pai do nome legal = find_parent_node_based_on_child_node_text("campos-cartão li", "rótulo-com-informações", "Nome legal") nó do nome legal = nó pai do nome legal.find_element(By.CSS_SELECTOR, "formatação de campo") nome legal = nó do nome legal.text contact_email_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "E-mail de contato") contact_email_node = contact_email_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") contact_email = contact_email_node.text phone_number_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Número de telefone") phone_number_node = phone_number_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") phone_number = phone_number_node.text ``` Outro nó que requer atenção especial é o elemento “Fundadores”: ![The founders element](https://media.brightdata.com.br/2024/10/image-35.png)Nesse caso, você precisa iterar sobre os nós `identifier-multi-formatter` a e extrair os dados deles: ```none founders_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Fundadores") founders_nodes = founders_parent_node.find_elements(By.CSS_SELECTOR, "identifier-multi-formatter a") fundadores = [] para founders_node em founders_nodes: founders.append(founders_node.text) ``` Por fim, observe o nó de descrição no final da seção “Detalhes”: ![description node at the end of the “Details” section](https://media.brightdata.com.br/2024/10/image-34.png)Extraia esses dados com: ```none description_node = driver.find_element(By.CSS_SELECTOR, "section-card description-card") description = description_node.text ``` Incrível! Seu Scraper do Crunchbase está quase completo. ### Etapa 8: extraia a tabela de produtos e serviços Outras informações que valem a pena coletar são a lista de produtos e serviços oferecidos pela empresa: ![list of products and services offered by the scraped company](https://media.brightdata.com.br/2024/10/image-33.png)Selecione a seção “Produtos e serviços” usando a função definida anteriormente: ```none `products_parent_node = find_parent_node_based_on_child_node_text("profile-section", ".section-title", "Produtos e serviços")` ``` Em seguida, extraia os dados da tabela com: ```none produtos = [] para linha em linhas_da_tabela_de_produtos: # extraia o nome e a descrição das colunas de cada linha nome = linha.find_element(By.CSS_SELECTOR, "td:nth-child(1)").text descrição = linha.find_element(By.CSS_SELECTOR, "td:nth-child(2)").text produto = { "nome": nome, "descrição": descrição } produtos.append(produto) ``` Impressionante! A lógica de scraping do Crunchbase está concluída. ### Etapa 9: Exportar os dados extraídos Preencha um dicionário da empresa com os dados extraídos: ```none company = { "about": about, "industries": industries, "founded_date": founded_date, "company_type": company_type, "operating_status": status_operacional, "headquarters": sede, "founders": fundadores, "email": e-mail_de_contato, "phone": número_de_telefone, "description": descrição, "products": produtos } ``` Em seguida, exporte-o para um arquivo `company.json`: ```none com open("company.json", "w") como json_file: json.dump(company, json_file, indent=4) ``` Primeiro, [`open()`](https://docs.python.org/3/library/functions.html#open) cria um arquivo de saída `company.json`. Em seguida, [`json.dump()`](https://docs.python.org/3/library/json.html) transforma company em sua representação JSON e o grava no arquivo de saída. Lembre-se de importar [json](https://docs.python.org/3/library/json.html) da biblioteca padrão do Python: ```none `import json` ``` ### Etapa 10: Junte tudo Aqui está o arquivo `scraper.py` final: ```none from selenium import webdriver from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.common.by import By import json def find_parent_node_based_on_child_node_text(parent_nodes_selector, child_node_selector, text): # selecionar todos os nós pai parent_nodes = driver.find_elements(By.CSS_SELECTOR, parent_nodes_selector) # iterar pelos nós pai para encontrar aquele # cujo nó filho específico contém o texto desejado for parent_node in parent_nodes: try: # obter o nó filho específico dentro do nó pai atual child_node = parent_node.find_element(By.CSS_SELECTOR, child_node_selector) # verificar se ele contém o texto desejado if text.upper() in child_node.text.upper(): return parent_node except: continue return None def handle_cookie_popup(driver, seconds=60): tente: # aguarde o número de segundos especificado para que o botão "Aceitar tudo" # do pop-up de cookies apareça na página botão_aceitar = WebDriverWait(driver, segundos).até( EC.element_to_be_clickable((By.CSS_SELECTOR, "#onetrust-accept-btn-handler")) ) # clicar no pop-up via JavaScript para evitar # erros ElementClickInterceptedException driver.execute_script("arguments[0].click();", accept_button) print("Botão 'Aceitar tudo' clicado") except: print("Botão 'Aceitar tudo' não encontrado em {segundos} segundos") # inicialize o driver para controlar uma instância do Chrome # no modo headed driver = webdriver.Chrome() # navegue até a página desejada do Crunchbase url = "https://www.crunchbase.com/organization/brightdata" driver.get(url) # lide com o pop-up de cookies, se houver handle_cookie_popup(driver) # lógica de scraping about_node = driver.find_element(By.CSS_SELECTOR, "profile-section description-card") about = about_node.text industries_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Industries") industries_nodes = industries_parent_node.find_elements(By.CSS_SELECTOR, "chips-container a") industries = [] para industry_node em industries_nodes: industries.append(industry_node.text) founded_date_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Data de fundação") founded_date_node = founded_date_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") founded_date = founded_date_node.text nó_pai_tipo_de_empresa = encontrar_nó_pai_com_base_no_texto_do_nó_filho("campos-cartão li", "rótulo-com-informações", "Tipo de empresa") nó_tipo_de_empresa = nó_pai_tipo_de_empresa.encontrar_elemento(By.CSS_SELECTOR, "formatação_de_campo") tipo_de_empresa = nó_tipo_de_empresa.texto operating_status_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Status operacional") operating_status_node = operating_status_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") operating_status = operating_status_node.text headquarters_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Regiões da sede") headquarters_node = headquarters_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") headquarters = headquarters_node.text fundadores_nó_pai = encontrar_nó_pai_com_base_no_texto_do_nó_filho("campos-cartão li", "rótulo-com-informações", "Fundadores") fundadores_nós = fundadores_nó_pai.encontrar_elementos(By.CSS_SELECTOR, "identificador-multi-formatador a") fundadores = [] para founders_node em founders_nodes: fundadores.append(fundadores_node.text) legal_name_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Nome Legal") legal_name_node = legal_name_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") legal_name = legal_name_node.text contact_email_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Contact Email") contact_email_node = contact_email_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") contact_email = contact_email_node.text phone_number_parent_node = find_parent_node_based_on_child_node_text("fields-card li", "label-with-info", "Número de telefone") phone_number_node = phone_number_parent_node.find_element(By.CSS_SELECTOR, "field-formatter") phone_number = phone_number_node.text description_node = driver.find_element(By.CSS_SELECTOR, "section-card description-card") description = description_node.text nó pai dos produtos = encontrar_nó pai_com_base_no_texto_do_nó filho("seção do perfil", ".section-title", "Produtos e serviços") linhas da tabela de produtos = nó pai dos produtos.encontrar_elementos(By.CSS_SELECTOR, "table tbody tr") # extrair a tabela de produtos produtos = [] para linha em linhas_da_tabela_de_produtos: # extrair o nome e a descrição das colunas de cada linha nome = linha.find_element(By.CSS_SELECTOR, "td:nth-child(1)").text descrição = linha.find_element(By.CSS_SELECTOR, "td:nth-child(2)").text produto = { "nome": nome, "descrição": descrição } produtos.append(produto) # preencher um dicionário com os dados extraídos empresa = { "sobre": sobre, "setores": setores, "data_fundação": data_fundação, "company_type": company_type, "operating_status": operating_status, "headquarters": headquarters, "founders": founders, "email": contact_email, "phone": phone_number, "description": description, "products": products } # exportar os dados coletados para um arquivo JSON com open("company.json", "w") como json_file: json.dump(company, json_file, indent=4) # fechar o driver e liberar os recursos do navegador driver.quit() ``` Em pouco mais de 100 linhas de código, você acabou de criar um Scraper do Crunchbase em Python! Execute o script com o seguinte comando: ```none `python3 script.py` ``` Ou, no Windows: ```none `python script.py` ``` Um arquivo `company.json` aparecerá na pasta do seu projeto. Abra-o e você verá: ```none { "about": "A plataforma de dados da Web nº 1 do mundo", "industries": [ "Business Intelligence", "Serviços de dados em nuvem", "Computador", "Coleta e rotulagem de dados", "Tecnologia da informação", "Infraestrutura de TI", "Segurança de rede", "SaaS", "Software" ], "founded_date": "2014", "tipo_de_empresa": "Com fins lucrativos", "status_operacional": "Ativo", "sede": "Grande Nova York, Costa Leste, Nordeste dos EUA", "fundadores": [ "Derry Shribman", "Ofer Vilenski" ], "email": "[email protected]", "telefone": "(888) 538-9204", "descrição": "Proxies que ocultam sua localização e endereço IP, permitindo o acesso a conteúdo público da web anonimamente, sem detecção ou bloqueio.", "produtos": [ { "nome": "Proxies residenciais", "descrição": "Uma rede de 400M+ monthly IPs residencialis reais de 195 países, permitindo o acesso a qualquer conteúdo de site, evitando proibições de IP e CAPTCHAs." }, { "name": "Proxies de datacenter", "description": "Uma rede de mais de 770.000 IPs de datacenter que oferece cobertura global e a capacidade de segmentar países e cidades específicos para uma coleta de dados confiável." }, { "name": "Proxies móveis", "description": "Uma rede de mais de 7 milhões de IPs móveis 3G/4G reais de todo o mundo, permitindo que os usuários vejam a web como usuários móveis reais e contornem bloqueios de localização de IP e CAPTCHAs." }, { "name": "Proxies ISP", "description": "Mais de 700.000 IPs residencialis estáticos atribuídos por ISPs, proporcionando sessões longas e uso exclusivo pelo tempo que for necessário." }, { "name": "Proxies rotativos", "description": "Proxies que substituem constantemente seu endereço IP para evitar detecção e bloqueio, com 99,99% de tempo de atividade e fácil gerenciamento por meio de um gerenciador de proxy." }, { "name": "Proxies anônimos", "description": "Proxies que ocultam sua localização e endereço IP, permitindo o acesso a conteúdo público da web de forma anônima, sem detecção ou bloqueio." } ] } ``` Esses são os dados disponíveis na página da empresa Bright Data no Crunchbase. Et voilà! Você acabou de aprender como fazer Scraping de dados no Crunchbase usando Python. ## Desbloqueando os dados do Crunchbase com facilidade O Crunchbase fornece uma grande quantidade de dados valiosos, mas também toma medidas extensivas para protegê-los de Scrapers e bots automatizados. Ao interagir com o site usando um navegador headless ou realizar determinadas ações, você pode encontrar páginas [`403 Forbidden`](/faqs/proxy-errors/403-status-error-how-to-avoid) ou CAPTCHAs. Como primeiro passo, você pode consultar nosso guia sobre [como contornar CAPTCHAs em Python](/blog/web-data/bypass-captchas-with-python). No entanto, o Crunchbase emprega soluções anti-scraping avançadas adicionais que ainda podem levar a bloqueios. Sem as ferramentas certas, o scraping do Crunchbase pode rapidamente se tornar uma experiência lenta e frustrante. A melhor solução é [a API](/products/web-scraper/crunchbase) dedicada [Crunchbase Scraper](/products/web-scraper/crunchbase) da Bright Data. Recupere dados do Crunchbase sem ser bloqueado! ## Conclusão Neste tutorial passo a passo, você aprendeu o que é um Scraper do Crunchbase e os tipos de dados que ele pode recuperar. Você também viu como criar um script Python para fazer scraping do Crunchbase para obter dados gerais da empresa, o que exigiu apenas cerca de 150 linhas de código. O problema é que o Crunchbase adota medidas rigorosas contra bots e scripts automatizados. CAPTCHAs, impressões digitais do navegador e proibições de IP são apenas algumas das defesas usadas para impedir o scraping. Esqueça todos esses desafios com nossa API Crunchbase Scraper. Se o Scraping de dados da web não é para você, mas ainda assim está interessado nos dados do Crunchbase, explore nossos [Conjuntos de dados do Crunchbase](/products/datasets/crunchbase)! Fale com um de nossos especialistas para descobrir qual das soluções da Bright Data melhor atende às suas necessidades. Contate-nosTeste grátis![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Índice Dedicated Scraper APIs & No-Code Scrapers Over 1000 scrapers for all popular domains. Simplify your web scraping. [See pricing](/pricing/web-scraper "See pricing") Just want data? Skip scraping. Hundreds of ready-to-use datasets from all popular domains. [See pricing](/pricing/datasets "See pricing") [ ](https://news.ycombinator.com/submitlink?t=Como+extrair+dados+do+Crunchbase+com+Python+em+2026&u=https://brightdata.com.br/blog/dados-do-site/how-to-scrape-crunchbase) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Como+extrair+dados+do+Crunchbase+com+Python+em+2026&url=https://brightdata.com.br/blog/dados-do-site/how-to-scrape-crunchbase) [ ](http://www.reddit.com/submit?title=Como+extrair+dados+do+Crunchbase+com+Python+em+2026&url=https://brightdata.com.br/blog/dados-do-site/how-to-scrape-crunchbase) ## Você também pode estar interessado em [ ![OpenHuman with Bright Data](https://media.brightdata.com.br/2026/09/OpenHuman-with-Bright-Data.png) ](https://brightdata.com.br/blog/ai/openhuman-with-bright-data "Acesso à Web Pronto para Produção no OpenHuman Através do Bright Data CLI") [AI ![Antonello Zanini](https://media.brightdata.com.br/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Acesso à Web Pronto para Produção no OpenHuman Através do Bright Data CLI Integre o Bright Data CLI ao OpenHuman para habilitar acesso à web pronto para produção e coleta de dados para agentes de IA. 09-Sep-2026 14 min de leitura ](https://brightdata.com.br/blog/ai/openhuman-with-bright-data) [ ![Multimodal Web Scraping with MiniMax](https://media.brightdata.com.br/2026/09/Multimodal-Web-Scraping-with-MiniMax.png) ](https://brightdata.com.br/blog/dados-do-site/multimodal-web-scraping-with-minimax "Scraping de Dados Multimodal com MiniMax") [Dados do site ![Antonello Zanini](https://media.brightdata.com.br/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Scraping de Dados Multimodal com MiniMax Combine a API Web Unlocker da Bright Data com a visão MiniMax M3 para extrair dados estruturados de imagens e capturas de tela de páginas web. 09-Sep-2026 5 min de leitura ](https://brightdata.com.br/blog/dados-do-site/multimodal-web-scraping-with-minimax) [ ![The 10 Best CLI Tools for Codex in 2026](https://media.brightdata.com.br/2026/08/The-10-Best-CLI-Tools-for-Codex-in-2026.png) ](https://brightdata.com.br/blog/ai/best-cli-tools-for-codex "As 10 Melhores Ferramentas CLI para Codex em 2026 – Testadas & Classificadas") [AI ![Daniel Shashko](https://media.brightdata.com.br/2022/04/Daniel-Shashko-2-50x50.png) Daniel Shashko Web Data & AI Expert ### As 10 Melhores Ferramentas CLI para Codex em 2026 – Testadas & Classificadas As 10 ferramentas CLI que tornam o Codex mais rápido e capaz, começando com o Bright Data CLI para acesso real à web de dentro do sandbox. 06-Sep-2026 24 min de leitura ](https://brightdata.com.br/blog/ai/best-cli-tools-for-codex)