Uma equipe passa seis meses construindo um conjunto de dados de preços de produtos, vagas de emprego ou perfis de empresas a partir de sites públicos. Então um comprador faz uma pergunta simples: você é dono disso, e pode nos vender? A resposta honesta costuma ser “em parte”, e qual parte decide quanto vale o conjunto de dados.
Dados obtidos por scraping não são uma coisa única que uma parte possui. É uma pilha de direitos separados: direitos sobre os itens individuais, direitos sobre o banco de dados do site de origem, direitos criados pelo site por meio de seus termos, direitos que as pessoas têm sobre dados a seu respeito e, por fim, os direitos que o coletor conquista ao construir algo novo. Este guia percorre cada camada, como os tribunais nos EUA e na Europa trataram o tema, e o que isso significa para licenciamento e revenda.
Esta é uma informação geral, não aconselhamento jurídico. A lei difere de país para país e muda rapidamente; converse com um advogado antes de licenciar ou vender um conjunto de dados.
Principais conclusões
- Fatos não são propriedade de ninguém. Preços, endereços, datas e contagens geralmente podem ser copiados livremente sob a lei de direitos autorais dos EUA. Textos, fotos e outros conteúdos criativos permanecem protegidos onde quer que você os colete.
- A Europa adiciona um direito de banco de dados. Um site que investiu substancialmente na coleta ou verificação de seus dados pode impedir que outros extraiam uma parte substancial dele, mesmo quando cada item isolado é um mero fato.
- Como você coleta pode importar tanto quanto o que você coleta. Termos que você aceitou, contas falsas e sobrecarga de servidor já geraram responsabilidade mesmo quando ninguém era dono dos dados.
- Dados pessoais nunca se tornam seus para vender livremente. A disponibilidade pública não é uma isenção sob a lei europeia de proteção de dados.
- O que você possui é sua própria contribuição. Você pode licenciar a seleção, a estrutura, a limpeza e a análise que você adicionou. Você nunca adquire os direitos autorais sobre o que copiou.
Camada 1: os itens em si
Comece pelas coisas individuais que você coletou.
Fatos. A Suprema Corte dos EUA resolveu isso em 1991 no caso Feist v. Rural Telephone: fatos não são protegidos por direitos autorais, porque direitos autorais exigem originalidade e ninguém cria um fato. Os nomes e números de uma lista telefônica podiam ser copiados livremente. A decisão também rejeitou a ideia de que o esforço de reunir fatos (“suor da testa”) gera direitos autorais. Para dados obtidos por scraping, isso cobre a maior parte do que as empresas efetivamente coletam: preços, níveis de estoque, horários de voos, nomes e endereços de empresas, cargos, avaliações em números.
Expressão. Textos de artigos, descrições de produtos escritas por uma marca, fotografias e o texto de avaliações de usuários são obras criativas. Os direitos autorais os protegem estejam eles ou não em uma página pública. Visível publicamente não é o mesmo que licenciado.
A linha prática está entre registrar o que uma página diz e copiar como ela diz. “Este notebook custa 899 euros na Alemanha” é um fato. Os três parágrafos que descrevem o notebook pertencem a quem os escreveu.
Camada 2: o banco de dados do site de origem
Os direitos autorais dos EUA protegem uma compilação de fatos apenas em sua seleção ou organização original, e os tribunais descrevem essa proteção como tênue. Um concorrente pode reutilizar os fatos desde que não copie a estrutura criativa. Os EUA não têm um direito separado sobre bancos de dados.
A Europa tem. Sob o direito sui generis de banco de dados da UE, o criador de um banco de dados que fez um investimento substancial na obtenção, verificação ou apresentação de seu conteúdo pode impedir a extração ou reutilização de todo ou de uma parte substancial dele. O direito dura 15 anos e pode se renovar quando o conteúdo muda substancialmente. Ele também abrange a extração repetida e sistemática de pequenas partes quando isso soma até comprometer o banco de dados.
Três decisões do Tribunal de Justiça da União Europeia moldam como o direito se aplica aos coletores:
| Caso | Ano | O que significa para o scraping |
|---|---|---|
| British Horseracing Board v William Hill | 2004 | Apenas o investimento em coletar e verificar dados existentes conta, não em criá-los. Um site que gera seus próprios dados (suas próprias programações, suas próprias listagens) pode ter dificuldade em reivindicar o direito. Publicar os dados não significa abrir mão do direito. |
| Ryanair v PR Aviation | 2015 | Um banco de dados não protegido nem por direitos autorais nem pelo direito de banco de dados ainda pode ser restringido por contrato. Na UE, os termos de uso podem fazer o que a lei de propriedade intelectual não faz. |
| CV-Online Latvia v Melons | 2021 | Um mecanismo de busca especializado que copia e indexa um banco de dados público está extraindo e reutilizando-o, mas o criador só pode impedir isso quando isso coloca em risco a capacidade do criador de recuperar seu investimento. |
O Reino Unido manteve seu próprio direito de banco de dados após o Brexit. Desde 1º de janeiro de 2021, ele protege apenas criadores do Reino Unido, e novos bancos de dados do Reino Unido não recebem mais o direito da UE, nem o inverso.
Para um coletor, a pergunta na Europa, portanto, não é apenas “isso são fatos?” mas também “alguém investiu substancialmente em reuni-los, e estou pegando uma parte substancial?”
Camada 3: contratos e como você coletou
Mesmo quando ninguém é dono dos dados, a forma como foram coletados pode gerar responsabilidade. Três casos dos EUA mostram o padrão.
- LinkedIn e hiQ. O Nono Circuito decidiu em 2019, e novamente em 2022, que a hiQ havia levantado questões sérias sobre se fazer scraping de perfis públicos é acesso “sem autorização” sob a lei federal antihacking. Mas um tribunal distrital depois concluiu que a hiQ havia violado o contrato de usuário do LinkedIn, inclusive ao usar perfis falsos. O caso terminou em dezembro de 2022 com uma sentença contra a hiQ, uma injunção permanente e uma ordem para destruir os dados obtidos por scraping. Vencer na questão de hacking não significou vencer.
- O caso da Meta em 2024 contra uma empresa de dados web. Um tribunal federal na Califórnia decidiu em janeiro de 2024 que os termos do Facebook e do Instagram “não proíbem o scraping de dados públicos sem login; consequentemente, não proíbem a venda de tais dados públicos.” A Meta retirou sua reivindicação remanescente e não recorreu.
- O caso da X contra a mesma empresa. Em maio de 2024, o tribunal rejeitou as alegações da X de que o scraping e a venda de publicações públicas violavam seus termos, considerando-as preemptidas pela lei federal de direitos autorais: a X detinha apenas uma licença não exclusiva sobre as publicações de seus usuários e não podia usar seus termos para criar um controle privado, equivalente a direitos autorais. Mais tarde, em 2024, o tribunal permitiu que a X prosseguisse com alegações baseadas na forma como os dados foram acessados, como suposta sobrecarga em seus servidores. O caso foi encerrado em 2025 em termos confidenciais.
A lição para a questão da propriedade é estreita, mas importante. Os termos de uma plataforma podem não lhe dar controle sobre dados públicos que ela não possui, mas fazer login, aceitar termos, criar contas falsas ou sobrecarregar servidores criam cada um um risco separado que nada tem a ver com quem é o dono dos dados. Nossa visão geral sobre se o web scraping é legal cobre o lado do acesso com mais detalhes.
Camada 4: mineração de texto e dados e treinamento de IA
Se o conjunto de dados for usado para treinar ou alimentar modelos de IA, um conjunto adicional de regras se aplica.
Na UE, as regras de direitos autorais contêm duas exceções de mineração de texto e dados. Organizações de pesquisa e instituições de patrimônio cultural podem minerar conteúdo ao qual têm acesso lícito para pesquisa científica, e os titulares de direitos não podem optar por sair dessa possibilidade. Todos os demais, incluindo usuários comerciais, podem minerar conteúdo licitamente acessível, a menos que o titular de direitos tenha reservado seus direitos de forma apropriada, o que, para conteúdo online, significa meios legíveis por máquina. O AI Act da UE exige que fornecedores de modelos de IA de uso geral tenham uma política para respeitar essas reservas e publiquem um resumo de seu conteúdo de treinamento.
O que conta como uma reserva válida ainda está sendo decidido. No caso alemão movido pelo fotógrafo Robert Kneschke contra a organização sem fins lucrativos LAION, os tribunais de Hamburgo decidiram que o uso da LAION estava coberto pela exceção de pesquisa, e o tribunal de apelação concluiu que o opt-out da agência de imagens não era comprovadamente legível por máquina. O Tribunal Federal de Justiça da Alemanha analisou o caso em setembro de 2026 e disse que um reenvio ao mais alto tribunal da UE está sendo considerado. Nosso guia sobre robots.txt, opt-outs de IA e sinais de reserva cobre os próprios sinais, e nosso estudo sobre quem bloqueia os rastreadores de IA mostra o quão amplamente eles são usados.
Os tribunais dos EUA chegaram a resultados divididos, e a questão da aquisição continua surgindo:
- Em Bartz v. Anthropic (2025), o tribunal decidiu que treinar com livros adquiridos licitamente era uso justo (fair use), mas manter cópias piratas não era. O caso foi encerrado por 1,5 bilhão de dólares, com aprovação final em julho de 2026.
- Em Kadrey v. Meta (2025), o tribunal reconheceu uso justo naquele registro específico, mas ressaltou que a decisão não tornava tal treinamento lícito em geral.
- Em setembro de 2026, o Terceiro Circuito confirmou em Thomson Reuters v. Ross que copiar as notas editoriais (headnotes) da Westlaw para treinar uma ferramenta concorrente de pesquisa jurídica não era uso justo. O tribunal observou que esse sistema de IA não conseguia gerar nova expressão, e tratou o caso como uma disputa comum de direitos autorais entre concorrentes.
Para quem vende conjuntos de dados, a conclusão é que a origem e a legalidade da aquisição acompanham os dados. Um comprador que treina um modelo vai perguntar de onde veio cada parte.
Camada 5: dados pessoais
Se o conjunto de dados contiver informações sobre pessoas identificáveis, a lei de proteção de dados se aplica sobre tudo o mais. Sob o GDPR, não há isenção para dados pessoais que estejam publicamente disponíveis. Quem os coleta e decide o que fazer com eles é um controlador, com deveres que incluem informar as pessoas de que seus dados estão sendo processados e de onde vieram. Vender ou licenciar os dados é uma finalidade adicional, que precisa de sua própria base legal, e o comprador se torna um controlador com obrigações próprias.
Os reguladores já aplicaram isso contra o scraping. A autoridade de proteção de dados holandesa multou a Clearview AI em 30,5 milhões de euros em 2024 por construir um banco de dados de imagens faciais obtidas por scraping, após multas anteriores na Itália, Grécia e França. “Era público” não foi uma defesa. Nossa visão geral de conformidade com o GDPR cobre o básico para equipes de coleta.
O que você realmente possui
Juntando as camadas, a posição do coletor fica clara.
- Sua seleção e organização. Nos EUA, os direitos autorais podem proteger as escolhas originais que você fez sobre o que incluir e como organizar, mas não os fatos subjacentes.
- Seu investimento em banco de dados. Na UE ou no Reino Unido, se sua empresa está estabelecida ali e investiu substancialmente na obtenção, verificação ou apresentação dos dados, seu conjunto de dados pode carregar seu próprio direito de banco de dados, que você pode licenciar ou ceder.
- Seu trabalho adicional. Limpeza, deduplicação, normalização, enriquecimento, classificação, índices e análise são seus. Eles costumam ser a parte mais valiosa do conjunto de dados e a mais fácil de licenciar.
- Nunca os direitos da fonte. Seus direitos cobrem apenas o que você contribuiu. Eles não lhe dão direitos autorais sobre os artigos, fotos ou avaliações que você copiou, e não anulam o direito de banco de dados do site de origem nem os direitos de proteção de dados de ninguém.
O que você pode licenciar ou revender
| Risco menor | Risco maior |
|---|---|
| Fatos e medições: preços, disponibilidade, contagens, datas | Cópias de artigos, descrições de produtos ou textos de avaliações |
| Dados derivados: índices, tendências, agregados, pontuações, sinalizadores | Fotos, vídeos e outras mídias |
| Campos normalizados e suas próprias categorias | Uma parte substancial de um único banco de dados europeu, reproduzida como está |
| Links para a fonte em vez de cópias dela | Dados pessoais, especialmente perfis de indivíduos |
| Dados coletados sem login ou sem aceitar termos | Dados coletados por meio de contas, perfis falsos ou evadindo bloqueios |
Os produtos mais seguros vendem o que você aprendeu com a web, não cópias da web. Um índice de preços construído a partir de milhões de observações é algo diferente, legal e comercialmente, de um espelho do catálogo de um varejista.
Antes de licenciar um conjunto de dados
- Documente a proveniência. Registre a fonte, a data e o método de coleta de cada parte do conjunto de dados. Compradores, auditores e tribunais vão perguntar.
- Separe fatos de conteúdo. Mantenha material expressivo fora dos produtos de revenda, ou aponte links para ele em vez de copiá-lo.
- Verifique bancos de dados europeus. Se uma parte substancial do conjunto de dados vem de uma única fonte da UE ou do Reino Unido, avalie se essa fonte tem um direito de banco de dados.
- Revise como você coletou. Anote quaisquer termos que você aceitou, logins que usou ou bloqueios que encontrou.
- Faça triagem de dados pessoais. Remova-os, ou confirme uma base legal e transparência antes de compartilhá-los.
- Coloque isso por escrito na licença. Declare o que o comprador recebe, o que ele pode fazer com isso, e quais deveres de conformidade ele assume.
Uma política escrita torna a maioria dessas verificações rotina. Nosso modelo de política de coleta de dados é um ponto de partida.
Perguntas frequentes
Eu possuo os dados que obtive por scraping de um site público?
Você possui sua própria contribuição: a seleção, a estrutura, a limpeza e a análise, e na Europa possivelmente um direito de banco de dados se você investiu substancialmente. Você não possui os fatos em si, e nunca adquire os direitos autorais sobre o conteúdo criativo que copiou.
Posso vender dados obtidos por scraping?
Frequentemente, sim, para fatos e dados derivados deles, desde que você os tenha coletado licitamente e o conjunto de dados não contenha dados pessoais que você não tenha base para compartilhar. Revender cópias de artigos, fotos ou avaliações, uma parte substancial de um banco de dados europeu protegido, ou dados pessoais, carrega um risco muito maior.
Os termos de serviço de um site decidem quem é dono de seus dados?
Os termos não criam propriedade sobre fatos, e um tribunal dos EUA já decidiu que uma plataforma não pode usar seus termos para criar um controle equivalente a direitos autorais sobre dados públicos. Mas os termos ainda podem vincular pessoas que os aceitam, e na UE podem restringir o uso de bancos de dados que não estejam protegidos de outra forma.
Dados pessoais disponíveis publicamente são livres para usar?
Não. Na UE e no Reino Unido, a lei de proteção de dados se aplica a dados pessoais estejam eles ou não públicos, e os reguladores já multaram empresas por construir bancos de dados a partir de imagens publicadas publicamente.
Conclusão
Fazer scraping de dados não transfere a propriedade deles. Fatos permanecem livres, conteúdo criativo permanece com seus autores, bancos de dados europeus podem permanecer com seus criadores, e dados pessoais permanecem sujeitos às pessoas que eles descrevem. O que um coletor possui é o que ele adiciona: a seleção, a estrutura, a limpeza e a análise que transformam páginas brutas em algo útil. Construa e venda isso, documente de onde tudo veio, e mantenha cópias do trabalho e dos dados de outras pessoas fora do produto.
Fontes e referências
- U.S. Supreme Court, Feist Publications v. Rural Telephone Service, 1991; 17 U.S.C. 103.
- Directive 96/9/EC on the legal protection of databases.
- CJEU, British Horseracing Board v William Hill, C-203/02, 2004; Ryanair v PR Aviation, C-30/14, 2015; CV-Online Latvia v Melons, C-762/19, 2021.
- UK Government, Sui generis database rights from 1 January 2021.
- U.S. Court of Appeals for the Ninth Circuit, hiQ Labs v. LinkedIn, 18 April 2022.
- U.S. District Court, N.D. Cal., No. 3:23-cv-00077, order of 23 January 2024; No. 3:23-cv-03698, order of 9 May 2024.
- Directive (EU) 2019/790 on copyright in the Digital Single Market; Regulation (EU) 2024/1689, the AI Act.
- U.S. Court of Appeals for the Third Circuit, Thomson Reuters v. Ross Intelligence, No. 25-2153, 29 September 2026.
- U.S. District Court, N.D. Cal., Bartz v. Anthropic, order granting final approval, 20 July 2026.
- Regulation (EU) 2016/679, the GDPR; Autoriteit Persoonsgegevens, fine on Clearview AI, September 2024.