--- title: "Como extrair dados do ZoomInfo com Python" slug: how-to-scrape-zoominfo date: 2026-02-17T09:14:47+00:00 modified: 2026-02-17T09:14:49+00:00 permalink: https://brightdata.com.br/blog/dados-do-site/how-to-scrape-zoominfo 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 ZoomInfo com Python Domine a extração de dados do ZoomInfo com Python ou simplifique o processo usando a API Scraper da Bright Data para acessar facilmente informações sobre empresas e funcionários. 14 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 - ZoomInfo](https://media.brightdata.com.br/2024/12/How-to-Scrape-ZoomInfo-1.png) Neste guia, você aprenderá: - O que é um Scraper do ZoomInfo e como ele funciona - Os tipos de dados que você pode extrair automaticamente do ZoomInfo - Como criar um script de scraping do ZoomInfo usando Python - Quando e por que uma solução mais avançada pode ser necessária Vamos começar! ## O que é um Scraper do ZoomInfo? Um scraper do ZoomInfo é uma ferramenta para extrair dados do ZoomInfo, uma plataforma líder que oferece informações detalhadas sobre empresas e profissionais. Essa solução automatiza o processo de scraping, permitindo que você colete muitos dados. O scraper utiliza técnicas como automação de navegador para navegar no site e recuperar conteúdo. ## Dados que você pode recuperar do ZoomInfo Aqui estão alguns dos dados mais importantes que você pode extrair do ZoomInfo: - **Informações sobre empresas:** nomes, setores, receita, sedes e número de funcionários. - **Detalhes dos funcionários:** nomes, cargos, e-mails e números de telefone. - **Informações sobre o setor:** concorrentes, tendências de mercado e hierarquias da empresa. ## Extraindo dados do ZoomInfo em Python: guia passo a passo Nesta seção, você aprenderá como criar um Scraper do ZoomInfo. O objetivo é orientá-lo na criação de um script Python que coleta automaticamente dados da[página da empresa NVIDIA ZoomInfo](https://www.zoominfo.com/c/nvidia-corp/136118787). Siga as etapas abaixo! ### Etapa 1: Configuração do projeto Antes de começar, certifique-se de que o Python 3 esteja instalado em seu computador. Caso contrário, [baixe-o](https://www.python.org/downloads/) e instale-o seguindo o assistente. Agora, use o seguinte comando para criar uma pasta para o seu projeto: ```none mkdir zoominfo-scraper ``` O diretório `zoominfo-scraper` representa a pasta do projeto do seu scraper Python ZoomInfo. Entre nela e inicialize um [ambiente virtual](https://docs.python.org/3/library/venv.html) dentro dela: ```none cd zoominfo-Scraper python -m venv env ``` Carregue a pasta do projeto em seu IDE Python favorito. [O Visual Studio Code com a extensão Python](https://code.visualstudio.com/docs/languages/python) ou [o PyCharm Community Edition](https://www.jetbrains.com/pycharm/download/#section=windows) são opções adequadas. Crie um arquivo `scraper.py` na pasta do projeto, que deve conter a estrutura de arquivos abaixo: ![A new scraper.py file in the ZoomInfo scraper folder](https://media.brightdata.com.br/2024/12/image-46.png)No momento, `o scraper.py` é um script Python em branco. Em breve, ele conterá a lógica de raspagem desejada. No terminal do IDE, ative o ambiente virtual. No Linux ou macOS, execute este comando: ```none ./env/bin/activate ``` Da mesma forma, no Windows, execute: ```none env/Scripts/activate ``` Ótimo, agora você tem um ambiente Python para Scraping de dados! ### Etapa 2: selecione a biblioteca de scraping Antes de mergulhar na programação, você deve entender quais ferramentas são mais adequadas para atingir o objetivo. Para fazer isso, você deve primeiro realizar um teste preliminar para estudar o site de destino. Veja como: 1. Abra a página de destino no modo de navegação anônima do seu navegador. Isso evita que cookies e preferências pré-armazenados afetem sua análise. 2. Clique com o botão direito do mouse em qualquer lugar da página e selecione “Inspecionar” para abrir as ferramentas de desenvolvedor do navegador. 3. Navegue até a guia “Rede”. 4. Recarregue a página e examine a atividade na guia “Busca/XHR”. Isso lhe dará uma visão sobre como a página da web se comporta no momento da renderização: ![Information about the page rendering - the "network" tab under dev tools](https://media.brightdata.com.br/2024/12/image-47.png)Nesta seção, você pode visualizar todas as solicitações AJAX dinâmicas feitas pela página. Inspecione cada solicitação e você perceberá que nenhuma delas contém dados relevantes. Isso indica que a maioria das informações na página já está incorporada no documento HTML retornado pelo servidor. Os resultados naturalmente o levarão a adotar um cliente HTTP e um analisador HTML para extrair dados do ZoomInfo. No entanto, o site usa tecnologias anti-bot rigorosas que podem bloquear a maioria das solicitações automatizadas que não se originam de um navegador. A maneira mais simples de contornar isso é usando uma ferramenta de automação de navegador como [o Selenium](https://www.selenium.dev/)! O Selenium permite controlar um navegador da web programaticamente, instruindo-o a realizar ações específicas em páginas da web, como usuários reais fariam. É hora de instalá-lo e começar a usá-lo! ### Etapa 3: Instale e configure o Selenium Em Python, o Selenium está disponível através do pacote pip [`selenium`](https://pypi.org/project/selenium/). Em um ambiente virtual Python ativado, instale-o com este comando: ```none pip install -U selenium ``` Para obter orientações sobre como usar a ferramenta, siga nosso tutorial sobre [Scraping de dados com o Selenium](/blog/how-tos/using-selenium-for-web-scraping). Importe o Selenium em `scraper.py` e inicialize um objeto `WebDriver` para controlar uma instância do Chrome: ```none from selenium import webdriver from selenium.webdriver.chrome.service import Service # criar uma instância do driver web do Chrome driver = webdriver.Chrome(service=Service()) ``` O código acima cria uma instância [`do WebDriver`](https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.chrome.webdriver) para operar no Chrome. Observe que o ZoomInfo usa tecnologia anti-scraping que bloqueia navegadores headless. Portanto, você não pode definir o sinalizador [`--headless`](https://developer.chrome.com/docs/chromium/headless). Como solução alternativa, considere explorar [o Playwright Stealth](/blog/how-tos/avoid-bot-detection-with-playwright-stealth). Na última linha do seu Scraper, lembre-se de fechar o driver da web: ```none driver.quit() ``` Ótimo! Agora você está totalmente configurado para começar a fazer scraping no ZoomInfo. ### Etapa 4: conecte-se à página de destino Use o método [`get()`](https://selenium-python.readthedocs.io/api.html#selenium.webdriver.remote.webdriver.WebDriver.get) de um objeto Selenium `WebDriver` para instruir o navegador a visitar a página desejada: ```none driver.get("https://www.zoominfo.com/c/nvidia-corp/136118787") ``` Seu arquivo `scraper.py` agora deve conter estas linhas de código: ```none from selenium import webdriver from selenium.webdriver.chrome.service import Service # criar uma instância do Chrome Web Driver driver = webdriver.Chrome(service=Service()) # conectar-se à página de destino driver.get("https://www.zoominfo.com/c/nvidia-corp/136118787") # lógica de raspagem... # fechar o navegador driver.quit() ``` Coloque um ponto de interrupção de depuração na linha final e execute o script. Ele deve levá-lo à página da empresa NVIDIA. A mensagem “O Chrome está sendo controlado por um software de teste automatizado” certifica que o Selenium está controlando o Chrome conforme o esperado. Muito bem! ### Etapa 5: extraia as informações gerais da empresa Você precisa analisar a estrutura DOM da página para entender como extrair os dados necessários. O objetivo é identificar os elementos HTML que contêm os dados desejados. Comece inspecionando os elementos na seção superior da seção de informações da empresa: ![Inspecting the HTML of the top section elements (company info section)](https://media.brightdata.com.br/2024/12/image-49.png)O elemento `` contém: - A imagem da empresa em uma tag `` dentro de um `
` com a classe `company-logo-wrapper`. - O nome da empresa dentro de um nó com a classe `company-name`. - O subtítulo da empresa armazenado em um nó com a classe `company-header-subtitle`. Use o Selenium para localizar esses elementos e coletar dados deles: ```none logo_element = driver.find_element(By.CSS_SELECTOR, ".company-logo-wrapper img") logo_url = logo_element.get_attribute("src") name_element = driver.find_element(By.CSS_SELECTOR, ".company-name") name = name_element.text subtitle_element = driver.find_element(By.CSS_SELECTOR, ".company-header-subtitle") subtitle = subtitle_element.text ``` Para que o código funcione, não se esqueça de importar `By`: ```none from selenium.webdriver.common.by import By ``` Observe que o método `find_element()` seleciona um nó usando a estratégia de seleção de nó especificada. Acima, usamos seletores CSS. Saiba mais sobre [a diferença entre seletores XPath e CSS](/blog/web-data/xpath-vs-css-selectors). Em seguida, você pode acessar o conteúdo do nó com o atributo `de texto`. Para acessar um atributo, utilize o método `get_attribute()`. Imprima os dados coletados: ```none print(logo_url) print(name) print(subtitle) ``` Este é o resultado que você obterá: ```none https://res.cloudinary.com/zoominfo-com/image/upload/w_120,h_120,c_fit/nvidia.com NVIDIA Equipamentos e periféricos de computador · Califórnia, Estados Unidos · 29.600 funcionários ``` Uau! O Scraper ZoomInfo funciona muito bem. ### Etapa 6: extraia as informações da seção “Sobre” Concentre-se na seção “Sobre” da página da empresa: ![The "about" section on the company page](https://media.brightdata.com.br/2024/12/image-50.png)O nó `` contém elementos com classes genéricas e atributos aparentemente gerados aleatoriamente. Como esses atributos podem mudar a cada compilação, você deve evitar confiar neles para selecionar elementos para extrair. Para extrair as informações desta seção, comece selecionando o nó ``: ```none about_element = driver.find_element(By.CSS_SELECTOR, "app-about") ``` Agora, concentre-se em todos os elementos `.icon-text-container` dentro de ``. Em seguida, inspecione seus rótulos (`.icon-label`) para identificar os elementos específicos de interesse. Se o rótulo corresponder, extraia os dados do elemento `.content`. Encapsule essa lógica em uma função: ```none def scrape_about_node(text_container_elements, text_label): # itere por eles para extrair dados dos # nós específicos de interesse for text_container_element in text_container_elements: label = text_container_element.find_element(By.CSS_SELECTOR, ".icon-label").text.strip() if label == text_label: # selecione o elemento de conteúdo e extraia os dados dele content_element = text_container_element.find_element(By.CSS_SELECTOR, ".content") return content_element.text return None ``` Você pode então extrair as informações “Sobre” com: ```none headquarters = scrape_about_node(text_container_elements, "Headquarters") phone_number = scrape_about_node(text_container_elements, "Phone Number") revenue = scrape_about_node(text_container_elements, "Revenue") stock_symbol = scrape_about_node(text_container_elements, "Stock Symbol") ``` Em seguida, selecione as tags do setor e da empresa. Selecione o setor da empresa com `h3 .incon-label` e as tags com `zi-directories-chips a`. Extraia os dados deles com: ```none elemento_do_setor = about_element.find_element(By.CSS_SELECTOR, "h3.icon-label") setor = elemento_do_setor.texto elementos_da_tag = about_element.find_elements(By.CSS_SELECTOR, "zi-directories-chips a") tags = [elemento_da_tag.texto para elemento_da_tag em elementos_da_tag] ``` Incrível! A lógica de extração de dados do ZoomInfo está completa. ### Etapa 7: coletar os dados coletados Atualmente, você tem os dados coletados espalhados por várias variáveis. Preencha um novo objeto `da empresa` com esses dados: ```none company = { "logo_url": logo_url, "name": name, "subtitle": subtitle, "headquarters": headquarters, "phone_number": phone_number, "revenue": revenue, "stock_symbol": stock_symbol, "industry": industry, "tags": tags } ``` Imprima os dados coletados para garantir que eles contenham as informações desejadas ```none imprimir(itens) ``` Isso produzirá a seguinte saída: ```none {'logo_url': 'https://res.cloudinary.com/zoominfo-com/image/upload/w_120,h_120,c_fit/nvidia.com', 'name': 'NVIDIA', 'subtitle': 'Equipamentos e periféricos de computador · Califórnia, Estados Unidos · 29.600 funcionários', 'headquarters': '2788 San Tomas Expy, Santa Clara, Califórnia, 95051, Estados Unidos', 'phone_number': '(408) 486-2000', 'receita': 'US$ 79,8 bilhões', 'símbolo_da_ação': 'NVDA', 'setor': 'Sede', 'tags': ['Equipamentos de rede de computadores', 'Hardware e software de segurança de rede', 'Equipamentos e periféricos de computador', 'Manufatura']} ``` Fantástico! Agora só falta exportar essas informações para um arquivo legível, como JSON. ### Etapa 8: Exportar para JSON Exporte `a empresa` para um arquivo `company.json` com: ```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 `a empresa` em sua representação JSON e a 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 9: Junte tudo Abaixo está o arquivo `scraper.py` final: ```none from selenium import webdriver from selenium.webdriver.chrome.service import Service from selenium.webdriver.common.by import By import json def scrape_about_node(text_container_elements, text_label): # itere por eles para extrair dados dos # nós específicos de interesse for text_container_element in text_container_elements: label = text_container_element.find_element(By.CSS_SELECTOR, ".icon-label").text.strip() if label == text_label: # selecione o elemento de conteúdo e extraia os dados dele content_element = text_container_element.find_element(By.CSS_SELECTOR, ".content") return content_element.text retornar None # criar uma instância do driver web Chrome driver = webdriver.Chrome(service=Service()) # conectar-se à página de destino driver.get("https://www.zoominfo.com/c/nvidia-corp/136118787") # extrair as informações da empresa logo_element = driver.find_element(By.CSS_SELECTOR, ".company-logo-wrapper img") logo_url = logo_element.get_attribute("src") name_element = driver.find_element(By.CSS_SELECTOR, ".company-name") name = name_element.text subtitle_element = driver.find_element(By.CSS_SELECTOR, ".company-header-subtitle") subtitle = subtitle_element.text # extrair dados da seção "Sobre" elemento_sobre = driver.find_element(By.CSS_SELECTOR, "app-about") elementos_contêiner_texto = elemento_sobre.find_elements(By.CSS_SELECTOR, ".icon-text-container") headquarters = scrape_about_node(text_container_elements, "Headquarters") phone_number = scrape_about_node(text_container_elements, "Phone Number") revenue = scrape_about_node(text_container_elements, "Revenue") stock_symbol = scrape_about_node(text_container_elements, "Stock Symbol") # extrair o setor e as tags da empresa elemento_setor = about_element.find_element(By.CSS_SELECTOR, "h3.icon-label") setor = elemento_setor.text elementos_tag = about_element.find_elements(By.CSS_SELECTOR, "zi-directories-chips a") tags = [tag_element.text para tag_element em tag_elements] # coletar os dados extraídos company = { "logo_url": logo_url, "name": name, "subtitle": subtitle, "headquarters": headquarters, "phone_number": phone_number, "revenue": revenue, "stock_symbol": stock_symbol, "industry": industry, "tags": tags } # exportar os dados coletados para JSON com open("company.json", "w") como json_file: json.dump(company, json_file, indent=4) # fechar o navegador driver.quit() ``` Em pouco mais de 70 linhas de código, você acabou de criar um script de extração de dados do ZoomInfo em Python! Inicie o Scraper 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 { "logo_url": "https://res.cloudinary.com/zoominfo-com/image/upload/w_120,h_120,c_fit/nvidia.com", "name": "NVIDIA", "subtitle": "Equipamentos e periféricos de computador · Califórnia, Estados Unidos · 29.600 funcionários", "headquarters": "2788 San Tomas Expy, Santa Clara, Califórnia, 95051, Estados Unidos", "phone_number": "(408) 486-2000", "revenue": "$79,8 bilhões", "stock_symbol": "NVDA", "industry": "Headquarters", "tags": [ "Equipamentos de rede de computadores", "Hardware e software de segurança de rede", "Equipamentos e periféricos de informática", "Fabricação" ] } ``` Parabéns, missão concluída! ## Desbloqueando dados do ZoomInfo com facilidade O ZoomInfo oferece muito mais do que apenas visões gerais das empresas — ele fornece uma grande variedade de informações úteis. O problema é que extrair esses dados pode ser bastante desafiador, pois a maioria das páginas do domínio ZoomInfo é protegida por medidas anti-bot. Se você tentar acessar essas páginas usando o Selenium ou outras ferramentas de automação de navegador, provavelmente encontrará uma página [CAPTCHA](/blog/web-data/what-is-a-captcha) bloqueando suas tentativas. Como primeiro passo, considere seguir nosso guia sobre [como contornar CAPTCHAs em Python](/blog/web-data/bypass-captchas-with-python). No entanto, você ainda pode enfrentar erros `429 Too Many Requests` devido à limitação de taxa rigorosa do site. Nesses casos, você pode [integrar um Proxy ao Selenium](/integration/selenium) para alternar seu IP de saída. Essas questões resumem como a extração de dados do ZoomInfo sem as ferramentas certas pode rapidamente se tornar um processo frustrante. Além disso, o fato de você não poder usar [navegadores headless](/blog/proxy-101/what-is-a-headless-browser) torna seu script de extração lento e consome muitos recursos. A solução? Usar [a API](/products/web-scraper/zoominfo) dedicada [ZoomInfo Scraper](/products/web-scraper/zoominfo) da Bright Data para recuperar dados do site de destino por meio de chamadas de API simples e sem ser bloqueado! ## Conclusão Neste tutorial passo a passo, você aprendeu o que é um Scraper do ZoomInfo e os tipos de dados que ele pode recuperar. Você também criou um script Python para extrair dados gerais da empresa do ZoomInfo, o que exigiu muito menos do que 100 linhas de código. O desafio é que o ZoomInfo emprega medidas anti-bot rigorosas, incluindo CAPTCHAs, impressão digital do navegador e bloqueios de IP, para bloquear scripts automatizados. Esqueça todos esses desafios com nossa API ZoomInfo Scraper. Se o Scraping de dados não é para você, mas você ainda está interessado em dados de empresas ou funcionários, explore nossos [Conjuntos de dados ZoomInfo](/products/datasets/zoominfo)! Crie uma conta gratuita na Bright Data hoje mesmo para experimentar nossas APIs de Scraper ou explorar nossos Conjuntos de dados. 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+ZoomInfo+com+Python&u=https://brightdata.com.br/blog/dados-do-site/how-to-scrape-zoominfo) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Como+extrair+dados+do+ZoomInfo+com+Python&url=https://brightdata.com.br/blog/dados-do-site/how-to-scrape-zoominfo) [ ](http://www.reddit.com/submit?title=Como+extrair+dados+do+ZoomInfo+com+Python&url=https://brightdata.com.br/blog/dados-do-site/how-to-scrape-zoominfo) ## 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)