O Scrapling ganhou 99.000 estrelas por ser sem graça

O Scrapling tem 99.627 estrelas no GitHub nesta semana. É um número estranho para uma biblioteca de web scraping, uma categoria em que o trabalho honesto não tem glamour e os projetos populares costumam estar abandonados ou reescritos a cada dezoito meses.
O README faz uma promessa grande nas duas primeiras linhas — «o MELHOR framework de web scraping, que dá conta de tudo, de uma única requisição a um crawl em escala» — e depois, o que é incomum, passa o resto do documento merecendo isso com detalhes. Comandos de instalação que quebram se você pular um passo. Um desafio do Cloudflare sendo resolvido em quatro linhas de Python. Um aviso de que a instalação só do parser vai levantar ModuleNotFoundError no momento em que você importar um fetcher, exatamente o tipo de coisa que um README costuma esconder.
Esse último detalhe é o motivo de eu confiar no resto.
A instalação é o tutorial
Você precisa de Python 3.10 ou melhor. Depois:
pip install scrapling
Isso te dá o motor de parsing e nada mais. Sem fetchers, sem CLI, sem navegadores. Se você tentar importar de scrapling.fetchers, falha — e o README avisa isso numa caixa de aviso em vez de deixar você descobrir.
Para buscar páginas de verdade:
pip install "scrapling[fetchers]"
scrapling install
O segundo comando baixa navegadores, as dependências de sistema deles e a camada de manipulação de fingerprint. Existem extras adicionais se você precisar: [ai] para o servidor MCP, [rag] para os auxiliares de RAG, [shell] para o shell interativo de scraping e o comando extract, [all] para tudo. Tem também uma imagem Docker, que é o que a maioria vai acabar usando em produção.
A estrutura diz para quem isso é. Um analista de dados que quer fazer parsing de um arquivo HTML não paga nada extra. Quem roda um crawl paga o download do navegador uma vez.
Quatro linhas que antes eram quarenta
O padrão básico é uma sessão com um fingerprint de navegador acoplado:
with FetcherSession(impersonate='chrome') as session:
page = session.get(url, stealthy_headers=True)
quotes = page.css('.quote .text::text').getall()
Esse argumento impersonate está fazendo trabalho real. Ele faz a requisição parecer a versão atual do Chrome no nível do TLS, não só na string de user-agent. Quem já viu um scraper ser bloqueado sem motivo visível sabe que a entrega costuma estar no handshake, não nos cabeçalhos.
Quando uma página precisa de JavaScript, os mesmos seletores funcionam contra um navegador de verdade:
with StealthySession(headless=True, solve_cloudflare=True) as session:
page = session.fetch(target, google_search=False)
E o Scrapling mantém uma API só ao longo de tudo isso. page.css(), page.xpath(), busca por texto, busca por regex — as mesmas chamadas, seja a página vinda de uma requisição HTTP crua, seja de um Chromium headless que acabou de passar por um interstitial. Essa consistência é a maior parte do valor. A maioria das pilhas de scraping te obriga a escrever duas versões de cada parser e depois manter as duas.

O recurso que de fato justifica as estrelas
Web scraping quebra o tempo todo, e quase nunca quebra fazendo barulho. Um site muda o nome de uma classe, seu seletor devolve lista vazia, e o pipeline segue rodando e gravando nulos no banco até alguém notar uma semana depois.
A resposta do Scrapling é rastreamento adaptativo de elemento: ele guarda informação suficiente sobre um elemento encontrado para reencontrá-lo após mudanças na estrutura da página, usando similaridade em vez de um seletor exato. Existe também uma chamada de «encontrar elementos similares» que localiza irmãos de um elemento automaticamente — útil quando uma página de listagem adiciona um selo ou envolve os itens numa div nova.
Isso não é mágica, e não vai te salvar de um redesign completo. Mas o modo de falha que ele ataca — um seletor que para de casar em silêncio — é o mais caro deste tipo de trabalho. Qualquer coisa que transforme falha silenciosa em correspondência aproximada vale uma dependência.
Por que está em alta agora e não há dois anos
O timing não tem a ver com scraping. Tem a ver com quem está fazendo o scraping.
O repositório traz uma skill de agente — listada no Clawhub, documentada junto com a biblioteca — para que um agente de IA possa chamar o Scrapling como ferramenta em vez de gerar um script avulso de requests mais BeautifulSoup cada vez que precisa de uma página. Também há um servidor MCP por trás do extra [ai].
Essa é uma categoria de produto diferente de «uma biblioteca que humanos importam». Quando um agente escreve o próprio scraper, ele tende a produzir código que funciona uma vez: sem lógica de retry, sem tratamento de fingerprint, sem ideia do que fazer com uma página do Cloudflare. Entregar a ele uma ferramenta que já cuida disso é mais barato do que torcer para o script gerado ser bom.
Então a contagem de estrelas é em parte uma aposta num fluxo de trabalho: não «eu vou escrever um scraper», mas «meu agente vai precisar ler uma página, e eu quero que isso seja uma chamada».
Uma avaliação de dez minutos
Não julgue numa página amigável. Escolha o site que quebrou seu último scraper — o que tem listagens com carregamento preguiçoso e uma checagem de bot que aparece depois de três requisições.
Busque uma vez com Fetcher e anote se você recebe o HTML real ou só a casca. Depois busque com StealthyFetcher e veja quanto tempo o navegador leva para subir e passar pelo desafio. Esse número é o seu orçamento por página; qualquer coisa acima de um ou dois segundos muda como você arquiteta um crawl.
Depois quebre o seletor de propósito. Mude um nome de classe numa cópia salva da página e rode o parse de novo. Se o rastreamento adaptativo reencontrar o elemento, você achou o recurso que vai te economizar mais tempo ao longo de um ano. Se devolver nada, você conheceu o limite.
Por último, aponte para uma página que devolve 404 e uma que dá timeout. O tratamento de erro é onde bibliotecas costumam revelar se alguém as rodou em produção.
Onde ele se encaixa ao lado de um framework de navegador
O Scrapling não tenta substituir o Playwright, e vale ser claro na comparação. O Playwright é uma biblioteca de automação de navegador: ele conduz um navegador e expõe tudo que o navegador sabe fazer, incluindo clicar, digitar, esperar por condições de rede e tirar screenshots. É a ferramenta certa para testar uma interface.
O Scrapling é uma biblioteca de scraping que usa um navegador quando a página exige. A API é construída em torno de extrair dados, não de reproduzir comportamento de usuário. Se o seu trabalho é «ler esta tabela em quarenta mil páginas de produto», essa diferença é o ponto inteiro; se o seu trabalho é «entrar, adicionar ao carrinho, conferir o recibo», você quer a ferramenta de automação.
A sobreposição é real, e a maioria das equipes acaba com as duas: Playwright para os fluxos que precisam ser scriptados, Scrapling para as páginas que precisam ser lidas.
O que observar
Resolver desafios do Cloudflare é uma capacidade técnica legítima e legalmente cinzenta, dependendo de onde você está e do que está coletando. A biblioteca não vai te dizer isso. Termos de serviço, robots.txt, limites de requisição e regras de dados pessoais continuam valendo, independentemente de o seu cliente renderizar JavaScript.
Automação de navegador em escala também pesa. Cada sessão furtiva é um navegador de verdade. Dez mil páginas pelo StealthyFetcher são uma conta de computação, não um script. Comece com o Fetcher comum e só escale para as páginas que realmente precisam.
E a confiança do README é uma personalidade, não uma garantia. O projeto se compara favoravelmente às alternativas; essas comparações são do autor, rodadas nos benchmarks do autor. Trate como motivo para testar, não como resultado.
A conclusão
O interessante no Scrapling não é ganhar de outros scrapers num benchmark. É que uma biblioteca cujo trabalho principal é ser sem graça chegou a 99.000 estrelas sendo honesta sobre as partes sem graça — os fingerprints, a instalação do navegador, os seletores que param de casar, a página que precisa de um desafio resolvido antes de falar com você.
A maior parte da web ainda está de pé com divs e esperança. Ferramenta que respeita isso merece ficar.
Artigos relacionados
Uma planilha comunitária de toques que desliga os anúncios dos Android chineses
Não mexe no sistema, não desbloqueia nada, não faz flash de nada. Só vira os botões que os fabricantes já deixaram à mostra. O preço é uma lista que alguém precisa continuar escrevendo.
GPT Image 2.6 manteve o preço por token e elevou a fatura
O GPT Image 2.6 mantém cada tarifa por token do 2.5 e mesmo assim custa mais por imagem, porque boa parte do trabalho acontece agora nos tokens de saída. Onze dias após o lançamento, a estrutura de preços diz mais que o ranking.
Alguém reconstruiu o IDM por fora e anotou o que não tocou
Uma reimplementação em Rust do Internet Download Manager promete 5 vezes a velocidade e 86 idiomas. O documento mais interessante é o parágrafo que explica como ela foi feita sem copiar nada.
Rune é um framework de UI em Rust feito para que um agente possa verificar o próprio trabalho
Rune renderiza sem interface, despeja sua árvore de elementos e aceita entrada roteirizada, o que dá a um agente de código um sinal diffável que um screenshot nunca oferece. O framework está em pré-lançamento e não aceita pull requests.