--- title: "Web scraping com ChatGPT: guia passo a passo" slug: web-scraping-with-chatgpt date: 2024-07-17T11:10:46+00:00 modified: 2025-09-16T16:31:04+00:00 permalink: https://brightdata.com.br/blog/dados-do-site/web-scraping-with-chatgpt 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) # Web scraping com ChatGPT: guia passo a passo Aprenda a usar os recursos do ChatGPT para gerar scripts de web scraping para sites estáticos e complexos, simplificando seu processo de coleta de dados. 17 min de leitura ![Web Scraping With ChatGPT blog image](https://media.brightdata.com.br/2024/07/Web-Scraping-With-ChatGPT.svg) Com o contínuo crescimento exponencial da [economia digital](https://www.techtarget.com/searchcio/definition/digital-economy), coletar dados de várias fontes, como [APIs](https://www.altexsoft.com/blog/what-is-api-definition-types-specifications-documentation/), sites e bancos de dados, se tornou mais importante do que nunca. Uma forma comum de extrair dados é por meio de [web scraping](https://brightdata.com.br/blog/procedimentos/what-is-web-scraping). O web scraping envolve o uso de ferramentas automatizadas para buscar páginas web e analisar seu conteúdo para extrair informações específicas para posterior análise e uso. Casos de uso comuns incluem pesquisa de mercado, monitoramento de preços e agregação de dados. A implementação do web scraping envolve lidar com conteúdo dinâmico, gerenciar sessões e cookies, contornar medidas antiscraping e garantir a conformidade legal. Esses desafios exigem ferramentas e técnicas avançadas para uma extração eficaz de dados. O [ChatGPT](https://chatgpt.com/) pode ajudar com essas complexidades, aproveitando seus recursos de processamento de linguagem natural para gerar código e solucionar erros. Neste artigo, você aprenderá a usar o ChatGPT para gerar código de extração de dados para sites baseados principalmente em conteúdo HTML estático e para sites complexos que empregam técnicas mais complexas de geração de páginas. ## Pré-requisitos Antes de começar este tutorial, certifique-se de ter o seguinte: - Familiaridade com [Python](https://www.python.org/) - Um ambiente Python instalado e configurado em sua máquina [usando o Visual Studio Code](https://code.visualstudio.com/docs/python/python-tutorial) - Uma conta no ChatGPT Quando você usa o ChatGPT para gerar seus scripts de web scraping, há duas etapas principais: 1. Documente cada etapa que o código precisa seguir para encontrar as informações a serem extraídas, como quais elementos HTML devem ser visados, caixas de texto a serem preenchidas e botões a serem clicados. Muitas vezes, você precisará copiar o seletor do elemento HTML específico. Para fazer isso, clique com o botão direito do mouse no elemento específico da página que você deseja copiar e clique em **Inspecionar**. O Chrome destaca o [elemento DOM](https://www.w3schools.com/jsref/dom_obj_all.asp) específico. Clique com o botão direito do mouse e escolha **Copiar > Copiar seletor** para que o caminho do seletor HTML seja copiado para sua área de transferência: ![Copiando um seletor](https://brightdata.com/wp-content/uploads/2024/07/Copying-a-selector-1.png) 2. Crie prompts específicos e detalhados no ChatGPT para gerar o código de extração de dados. 3. Execute e teste o código gerado. ## Extraindo dados de sites com HTML estático usando o ChatGPT Agora que você está familiarizado com o fluxo de trabalho geral, vamos usar o ChatGPT para extrair dados de alguns sites com elementos em [HTML estático](https://www.w3schools.com/howto/howto_website_static.asp) . Para começar, você extrairá os títulos e os preços dos livros em [https://books.toscrape.com](https://books.toscrape.com/). Inicialmente, você precisa identificar os elementos HTML que contêm os dados necessários: - O **seletor para o título do livro** é `#default > div.container-fluid.page > div > div > div > section > div:nth-child(2) > ol > li:nth-child(1) > article > h3 > a`. - O **seletor para o preço do livro** é \*`#default > div.container-fluid.page > div > div > div > section > div:nth-child(2) > ol > li:nth-child(1) > article > div.product_price > p.price_color`. Em seguida, você precisa criar prompts específicos e detalhados no ChatGPT para gerar o código de extração de dados. Para fazer isso, você precisa instruir o ChatGPT a instalar todos os pacotes Python necessários, orientá-lo na extração de seletores HTML (que você identificou anteriormente) e, em seguida, pedir que ele salve os dados como um arquivo do Excel. > Não se esqueça de definir a versão do ChatGPT como GPT-4o. Você pode inserir algo assim no ChatGPT: > > Você é um especialista em web scraping que utiliza a biblioteca [Beautiful Soup do Python](https://brightdata.com.br/blog/procedimentos/aprenda-a-usar-beautiful-soup-para-raspar-a-web-com-python) e todas as ferramentas de automação necessárias. Quero que você gere um script detalhado, passo a passo, para extrair dados de `https://books.toscrape.com`. Por favor, faça o seguinte: > > > > 1. Instale todos os pacotes Python necessários. > > 2. Extraia o título do livro, que tem o seletor HTML `#default > div.container-fluid.page > div > div > div > section > div:nth-child(2) > ol > li:nth-child(1) > article > h3 > a`, e o preço do livro (somente o número, nada mais), que tem o seletor `#default > div.container-fluid.page > div > div > div > section > div:nth-child(2) > ol > li:nth-child(1) > article > div.product_price > p.price_color`. > > 3. Extraia a lista de todos os títulos e preços dos livros e armazene-a em um arquivo Excel. > > 4. Extraia somente a primeira página. > **Observe:** você pode receber uma resposta ligeiramente diferente. Na resposta, o ChatGPT instrui você a executar o seguinte comando para instalar a biblioteca Beautiful Soup, que faz o web scraping, e a [pandas library](https://pandas.pydata.org/), uma biblioteca abrangente de análise de dados que armazena dados como um arquivo do Excel: ```none pip3 install requests beautifulsoup4 pandas openpyxl ``` Você notará que o ChatGPT também sugere a instalação do [openpyxl](https://pypi.org/project/openpyxl/), mas isso não é necessário aqui. O ChatGPT também fornece o seguinte código de web scraping: ```none import requests from bs4 import BeautifulSoup import pandas as pd # URL of the website url = 'https://books.toscrape.com' # Send a GET request to the website response = requests.get(url) if response.status_code == 200: # Parse the HTML content of the page soup = BeautifulSoup(response.content, 'html.parser') # Initialize lists to store the titles and prices book_titles = [] book_prices = [] # Extract the first book title and price using the provided selectors book_title_selector = "#default > div.container-fluid.page > div > div > div > section > div:nth-child(2) > ol > li:nth-child(1) > article > h3 > a" book_price_selector = "#default > div.container-fluid.page > div > div > div > section > div:nth-child(2) > ol > li:nth-child(1) > article > div.product_price > p.price_color" title_element = soup.select_one(book_title_selector) price_element = soup.select_one(book_price_selector) if title_element and price_element: book_titles.append(title_element.get('title')) book_prices.append(price_element.text.strip()[1:]) # Extract all book titles and prices on the first page books = soup.select('section > div:nth-child(2) > ol > li') for book in books: title = book.select_one('h3 > a') price = book.select_one('div.product_price > p.price_color') if title and price: book_titles.append(title.get('title')) book_prices.append(price.text.strip()[1:]) # Create a DataFrame from the lists df = pd.DataFrame({ 'Title': book_titles, 'Price': book_prices }) # Save the DataFrame to an Excel file df.to_excel('books_scraped.xlsx', index=False) print('Data has been successfully scraped and saved to books_scraped.xlsx') else: print('Failed to retrieve the webpage') ``` Esse código importa o módulo `requests` , que realiza chamadas HTTP para o site do qual ele extrai dados. Ele também importa pacotes da pandas que armazenam dados extraídos em arquivos do Excel. O código define o URL base do site e os seletores HTML específicos que ele visa para buscar os dados solicitados. Em seguida, o código chama o site e coloca seu conteúdo como um objeto `BeautifulSoup` chamado `soup`. O código pega os valores do título e do preço do livro como listas do objeto `soup` usando os seletores HTML. Por fim, o código cria um DataFrame pandas a partir da lista de títulos e preços dos livros e o salva como um arquivo do Excel. Em seguida, você precisa salvar o código em um arquivo chamado `books_scraping.py` e executar o comando `python3 books_scraping.py` na linha de comando. Esse código gera um arquivo do Excel chamado `books_scraped.xlsx` no mesmo diretório de `books_scraping.py`: ![O arquivo do Excel gerado chamado books_scraped.xlsx](https://media.brightdata.com/2024/07/The-generated-Excel-file-named-books_scraped.xlsx-1024x684.png)Agora que você viu um exemplo passo a passo, vamos avançar neste tutorial e extrair dados de outro site simples: https://quotes.toscrape.com, que contém uma coleção de citações. Novamente, vamos começar identificando a sequência de etapas. Se você estiver usando o Chrome, encontre os seguintes seletores HTML: - `body > div.container > div:nth-child(2) > div.col-md-8 > div:nth-child(1) > span.text` para extrair a **citação** - `body > div.container > div:nth-child(2) > div.col-md-8 > div:nth-child(1) > span:nth-child(2) > small` para identificar o **autor** Depois de identificar os seletores HTML que você deseja extrair, você pode redigir um prompt detalhado, como o seguinte, para gerar o código de extração: > > Você é um especialista em web scraping que utiliza a biblioteca Beautiful Soup do Python e todas as ferramentas de automação necessárias. Quero que você gere um script detalhado, passo a passo, para extrair dados de `https://quotes.toscrape.com`. Por favor, faça o seguinte: > > > > 1. Instale todos os pacotes Python necessários. > > 2. Extraia a citação, que tem o seletor HTML `body > div.container > div:nth-child(2) > div.col-md-8 > div:nth-child(1) > span.text`, e o nome do autor, que tem o seletor `body > div.container > div:nth-child(2) > div.col-md-8 > div:nth-child(1) > span:nth-child(2) > small`. > > 3. Extraia a lista de todas as citações e autores e armazene-a em um arquivo do Excel. > > 4. Extraia somente a primeira página. Depois de inserir essas informações, o ChatGPT deve fornecer o seguinte comando, que instala as bibliotecas Beautiful Soup, pandas e openpyxl: ```none pip3 install requests beautifulsoup4 pandas openpyxl ``` O ChatGPT também deve fornecer o seguinte código de web scraping: ```none import requests from bs4 import BeautifulSoup import pandas as pd # Step 1: Fetch the web page content url = "https://quotes.toscrape.com" response = requests.get(url) html_content = response.text # Step 2: Parse the HTML content using BeautifulSoup soup = BeautifulSoup(html_content, 'html.parser') # Step 3: Extract the specific quote and author quote_selector = "body > div.container > div:nth-child(2) > div.col-md-8 > div:nth-child(1) > span.text" author_selector = "body > div.container > div:nth-child(2) > div.col-md-8 > div:nth-child(1) > span:nth-child(2) > small" specific_quote = soup.select_one(quote_selector).get_text() specific_author = soup.select_one(author_selector).get_text() print(f"Specific Quote: {specific_quote}") print(f"Specific Author: {specific_author}") # Step 4: Extract all quotes and authors quotes = soup.find_all('div', class_='quote') all_quotes = [] for quote in quotes: text = quote.find('span', class_='text').get_text() author = quote.find('small', class_='author').get_text() all_quotes.append({"quote": text, "author": author}) # Step 5: Save the quotes to an Excel file df = pd.DataFrame(all_quotes) df.to_excel('quotes.xlsx', index=False) print("Quotes have been saved to quotes.xlsx") soup = BeautifulSoup(html_content, 'html.parser') # Step 3: Extract the specific quote and author quote_selector = "body > div.container > div:nth-child(2) > div.col-md-8 > div:nth-child(1) > span.text" author_selector = "body > div.container > div:nth-child(2) > div.col-md-8 > div:nth-child(1) > span:nth-child(2) > small" specific_quote = soup.select_one(quote_selector).get_text() specific_author = soup.select_one(author_selector).get_text() print(f"Specific Quote: {specific_quote}") print(f"Specific Author: {specific_author}") # Step 4: Extract all quotes and authors quotes = soup.find_all('div', class_='quote') all_quotes = [] for quote in quotes: text = quote.find('span', class_='text').get_text() author = quote.find('small', class_='author').get_text() all_quotes.append({"quote": text, "author": author}) # Step 5: Save the quotes to an Excel file df = pd.DataFrame(all_quotes) df.to_excel('quotes.xlsx', index=False) print("Quotes have been saved to quotes.xlsx") ``` Salve esse código em um arquivo chamado `quotes_scraping.py` e execute o comando `python3 books_scraping.py` na linha de comando. Esse código gera um arquivo do Excel chamado `quotes_scraped.xlsx` no mesmo diretório de `quotes_scraping.py`. Abra o arquivo do Excel gerado e ele deverá ter a seguinte aparência: ![Arquivo do Excel gerado com citações e autores](https://media.brightdata.com/2024/07/Generated-Excel-file-with-quotes-and-authors-1024x226.png)## Extraindo dados de sites complexos Extrair dados de sites complexos pode ser um desafio porque o conteúdo dinâmico geralmente é carregado via JavaScript, o que ferramentas como `requests` e `BeautifulSoup` não conseguem manipular. Esses sites podem exigir interações, como clicar em botões ou rolar a página para acessar todos os dados. Para enfrentar esse desafio, você pode usar o [WebDriver](https://www.selenium.dev/documentation/webdriver/), que renderiza páginas como um navegador e simula interações do usuário, garantindo que todo o conteúdo seja acessível da mesma forma que seria para um usuário comum. Por exemplo, [Yelp](https://www.yelp.com/) é um site de avaliação de empresas via crowdsourcing. O Yelp se baseia na geração dinâmica de páginas e precisa simular várias interações do usuário. Aqui, você usará o ChatGPT para gerar um código de extração que recupera uma lista de empresas em Estocolmo e suas avaliações. Para extrair dados do Yelp, vamos começar documentando as etapas que você seguirá: 1. Encontre o seletor da caixa de texto de localização que o script usará. Nesse caso, é `#search_location`. Digite “Estocolmo” na caixa de pesquisa de localização e encontre o seletor do botão de pesquisa. Nesse caso, é `#header_find_form > div.y-css-1iy1dwt > button`. Clique no botão de pesquisa para ver os resultados. Isso pode levar alguns segundos. Encontre um seletor que contenha o nome da empresa (*ou seja,* `#main-content > ul > li:nth-child(3) > div.container__09f24__FeTO6.hoverable__09f24___UXLO.y-css-way87j > div > div.y-css-cxcdjj > div:nth-child(1) > div.y-css-1iy1dwt > div:nth-child(1) > div > div > h3 > a`): ![Obtendo o seletor do nome da empresa](https://brightdata.com/wp-content/uploads/2024/07/Getting-the-selector-for-the-business-name.png) 2. Encontre o seletor que contém a avaliação da empresa (*ou seja,* `#main-content > ul > li:nth-child(3) > div.container__09f24__FeTO6.hoverable__09f24___UXLO.y-css-way87j > div > div.y-css-cxcdjj > div:nth-child(1) > div.y-css-1iy1dwt > div:nth-child(2) > div > div > div > div.y-css-ohs7lg > span.y-css-jf9frv`): ![Obtendo o seletor da média de avaliações da empresa](https://brightdata.com/wp-content/uploads/2024/07/Getting-the-selector-for-the-business-average-review.png) 3. Encontre o seletor do botão **Aberto agora** . É este aqui `#main-content > div.stickyFilterOnSmallScreen__09f24__UWWJ3.hideFilterOnLargeScreen__09f24__ilqIP.y-css-9ze9ku > div > div > div > div > div > span > button:nth-child(3) > span`: ![Seletor do botão Aberto agora](https://brightdata.com/wp-content/uploads/2024/07/Open-Now-button-selector.png) 4. Salve uma cópia da página web para que você possa carregá-la mais tarde, junto com o prompt do ChatGPT para ajudar o ChatGPT a entender o contexto dos prompts. No Chrome, você pode fazer isso clicando nos três pontos no canto superior direito e clicando em **Salvar e compartilhar > Salvar página como**: ![Salvar página web no Chrome](https://brightdata.com/wp-content/uploads/2024/07/Save-web-page-in-Chrome.png) Em seguida, usando os valores do seletor que você extraiu anteriormente, você precisa redigir um prompt detalhado para orientar o ChatGPT na geração do script de extração: > > Você é um especialista em web scraping. Quero que você faça o scraping de https://www.yelp.com/ para extrair informações específicas. Siga estas etapas antes de extrair dados: > > > > 1. Limpe a caixa com o seletor `#search_location`. > > 2. Digite “Estocolmo” na caixa de pesquisa com o seletor `#search_location`. > > 3. Clique no botão com o seletor `#header_find_form > div.y-css-1iy1dwt > button`. > > 4. Aguarde alguns segundos para que a página carregue os resultados da pesquisa. > > 5. Clique no botão **Aberto agora**, que tem o seletor `#main-content > div.stickyFilterOnSmallScreen__09f24__UWWJ3.hideFilterOnLargeScreen__09f24__ilqIP.y-css-9ze9ku > div > div > div > div > div > span > button:nth-child(3) > span`, para filtrar as empresas que estão abertas agora. > > 6. Crie uma lista com os nomes das empresas. O nome da empresa tem o seletor `#main-content > ul > li:nth-child(3) > div.container__09f24__FeTO6.hoverable__09f24___UXLO.y-css-way87j > div > div.y-css-cxcdjj > div:nth-child(1) > div.y-css-1iy1dwt > div:nth-child(1) > div > div > h3 > a`. > > 7. Crie uma lista com as avaliações das empresas. As avaliações têm o seletor `#main-content > ul > li:nth-child(3) > div.container__09f24__FeTO6.hoverable__09f24___UXLO.y-css-way87j > div > div.y-css-cxcdjj > div:nth-child(1) > div.y-css-1iy1dwt > div:nth-child(2) > div > div > div > div.y-css-ohs7lg > span.y-css-jf9frv`. > > 8. Crie um arquivo do Excel com os nomes das empresas e suas avaliações. > > 9. Certifique-se de instalar todos os pacotes Python relevantes. > > 10. Use o WebDriver da Selenium para automatizar o processo. > > 11. Consulte a cópia anexa da página HTML de resultados para contextualizar o formato HTML. Depois de inserir essas informações, o ChatGPT solicita que você instale o Selenium, a estrutura de automação web que suporta o WebDriver e a pandas: ```none pip3 install selenium pandas ``` O ChatGPT também fornece alguns códigos de scraping junto com uma explicação: ```none from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC import pandas as pd import time # Initialize the WebDriver driver = webdriver.Chrome() try: # Open Yelp driver.get('https://www.yelp.com/') # Clear the location search box location_box = driver.find_element(By.CSS_SELECTOR, '#search_location') location_box.clear() # Enter "Stockholm" in the location search box location_box.send_keys('Stockholm') # Click the search button search_button = driver.find_element(By.CSS_SELECTOR, '#header_find_form > div.y-css-1iy1dwt > button') search_button.click() # Wait for search results to load WebDriverWait(driver, 10).until( EC.presence_of_element_located((By.CSS_SELECTOR, '#main-content')) ) # Click on "Open Now" filter open_now_button = driver.find_element(By.CSS_SELECTOR, '#main-content > div.stickyFilterOnSmallScreen__09f24__UWWJ3.hideFilterOnLargeScreen__09f24__ilqIP.y-css-9ze9ku > div > div > div > div > div > span > button:nth-child(3) > span') open_now_button.click() # Wait for the filter results to load time.sleep(5) # Extract business names and reviews business_names = [] business_reviews = [] businesses = driver.find_elements(By.CSS_SELECTOR, '#main-content > ul > li') for business in businesses: try: name = business.find_element(By.CSS_SELECTOR, 'div.container__09f24__FeTO6.hoverable__09f24___UXLO.y-css-way87j > div > div.y-css-cxcdjj > div:nth-child(1) > div.y-css-1iy1dwt > div:nth-child(1) > div > div > h3 > a').text review = business.find_element(By.CSS_SELECTOR, 'div.container__09f24__FeTO6.hoverable__09f24___UXLO.y-css-way87j > div > div.y-css-cxcdjj > div:nth-child(1) > div.y-css-1iy1dwt > div:nth-child(2) > div > div > div > div.y-css-ohs7lg > span.y-css-jf9frv').text business_names.append(name) business_reviews.append(review) except Exception as e: print(f"Error extracting data for a business: {e}") # Create a DataFrame and save to Excel df = pd.DataFrame({'Business Name': business_names, 'Reviews': business_reviews}) df.to_excel('stockholm_businesses.xlsx', index=False) print("Data saved to stockholm_businesses.xlsx") finally: # Close the WebDriver driver.quit() ``` Salve esse script e execute-o usando Python no Visual Studio Code. Você notará que o código inicia o Chrome, navega até o Yelp, limpa a caixa de texto de localização, insere “Estocolmo”, clica no botão de pesquisa, filtra as empresas que estão abertas agora e fecha a página. Depois disso, o resultado da extração de dados é salvo no arquivo do Excel `stockholm_bussinsess.xlsx`: ![Avaliações de negócios do Yelp no Excel](https://media.brightdata.com/2024/07/Yelp-business-reviews-in-Excel.png)Todo o código-fonte para esse tutorial está disponível no [GitHub](https://github.com/smarter-code/article-chatgpt-webscraping/tree/main). ## Conclusão Neste tutorial, você aprendeu a usar o ChatGPT para extrair informações específicas de sites com renderização HTML estática e sites mais complexos com geração dinâmica de páginas, links externos de JavaScript e interações do usuário. Embora a extração de dados de um site como o Yelp tenha sido simples, na realidade, a extração de estruturas HTML complexas na web pode ser um desafio, e você provavelmente enfrentará banimentos de IP e [CAPTCHAs](https://brightdata.com.br/blog/dados-do-site/what-is-a-captcha#:~:text=CAPTCHAs%20typically%20present%20tasks%20or,enter%20the%20characters%20to%20proceed.). Para facilitar, a [Bright Data](/) oferece uma ampla variedade de serviços de coleta de dados, incluindo serviços de proxy avançados para ajudar a contornar banimentos de IP, [Web Unlocker para contornar e resolver CAPTCHAs](https://brightdata.com.br/products/web-unlocker), [APIs de Web Scraping](https://brightdata.com.br/products/web-scraper) para extração automatizada de dados e um [Scraping Browser](https://brightdata.com.br/products/scraping-browser) para extração eficiente de dados. Registre-se agora e descubra todos os produtos que a Bright Data tem a oferecer. Comece com um teste grátis hoje! 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=Web+scraping+com+ChatGPT%3A+guia+passo+a+passo&u=https://brightdata.com.br/blog/dados-do-site/web-scraping-with-chatgpt) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Web+scraping+com+ChatGPT%3A+guia+passo+a+passo&url=https://brightdata.com.br/blog/dados-do-site/web-scraping-with-chatgpt) [ ](http://www.reddit.com/submit?title=Web+scraping+com+ChatGPT%3A+guia+passo+a+passo&url=https://brightdata.com.br/blog/dados-do-site/web-scraping-with-chatgpt) ## Você também pode estar interessado em [ ![How to scrape Yelp data guide](https://media.brightdata.com.br/2023/07/blog-image-for-how-to-scrape-yelp.svg) ](https://brightdata.com.br/blog/procedimentos/how-to-scrape-yelp-guide "Como raspar Yelp em Python") [procedimentos ![Antonello Zanini](https://media.brightdata.com.br/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Como raspar Yelp em Python Guia de como raspar Yelp em Python. Neste tutorial passo a passo, aprenda a raspar dados de Yelp, que fornecem uma grande quantidade de informações sobre empresas locais. 17-Jul-2023 11 min de leitura ](https://brightdata.com.br/blog/procedimentos/how-to-scrape-yelp-guide) [ ](https://brightdata.com.br/blog/procedimentos/how-to-scrape-youtube-in-python "Como extrair dados do YouTube em Python") [procedimentos ![Antonello Zanini](https://media.brightdata.com.br/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Como extrair dados do YouTube em Python Aprenda a extrair dados do YouTube com Python neste guia passo a passo. 19-Jun-2023 17 min de leitura ](https://brightdata.com.br/blog/procedimentos/how-to-scrape-youtube-in-python) [ ![](https://media.brightdata.com.br/2023/05/blog-image-for-yahoo-finance-scraping.png) ](https://brightdata.com.br/blog/procedimentos/scrape-yahoo-finance-guide "Como extrair dados do Yahoo Finance em Python") [procedimentos ![Antonello Zanini](https://media.brightdata.com.br/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Como extrair dados do Yahoo Finance em Python Neste guia passo-a-passo, aprenderá a raspar Yahoo Finance utilizando Python 29-May-2023 11 min de leitura ](https://brightdata.com.br/blog/procedimentos/scrape-yahoo-finance-guide)