O que é ScrapeGraphAI?
O ScrapeGraphAI substitui seletores CSS por um modelo de linguagem. Você fornece uma URL (ou um arquivo local HTML, XML, JSON ou Markdown) e um prompt em linguagem comum, e um pipeline de etapas, que ele chama de grafo, busca a página com o Playwright e pede a um LLM que devolva os campos como JSON. Grafos prontos cobrem uma página, várias páginas, os principais resultados de busca e a geração de um scraper Python reutilizável.
Funciona com modelos hospedados da OpenAI, Groq, Azure, Gemini, MiniMax e outros, ou com modelos locais via Ollama, e se integra a LangChain, LlamaIndex, CrewAI, Agno e ferramentas low-code. Há um servidor MCP disponível.
A biblioteca tem licença MIT e envia telemetria por padrão; no código atual, isso inclui o prompt, o schema, o conteúdo da página, a resposta do modelo e a URL de cada execução. A mesma empresa vende uma API hospedada com proxies e tratamento anti-bot, de um plano gratuito até US$ 500 por mês.
Quanto custa ScrapeGraphAI?
| Plano | Preço | O que inclui |
|---|---|---|
| Library | Free | MIT; você paga pelos tokens do LLM |
| Hosted API | $20, $100 or $500 a month | Após 500 créditos gratuitos únicos |
| Enterprise | Custom |
Biblioteca gratuita sob MIT; você paga pelos tokens do LLM. API hospedada: 500 créditos gratuitos únicos, depois US$ 20, US$ 100 ou US$ 500 por mês; Enterprise sob consulta.
ScrapeGraphAI vale a pena?
O ScrapeGraphAI resolve a extração, não o crawling, e sua telemetria padrão é a primeira coisa que uma equipe deve mudar. Lendo o telemetry.py da v2.3.1, cada execução bem-sucedida com schema envia o prompt do usuário, o schema JSON, o conteúdo da página raspada, a resposta do modelo e a URL para um endpoint de rastreamento hospedado no Render. O README descreve isso como métricas de uso anônimas; está mais perto de uma cópia do trabalho. Definir SCRAPEGRAPHAI_TELEMETRY_ENABLED=false interrompe o envio.
A extração em si é o atrativo. Grafos guiados por prompt sobrevivem a redesenhos de sites que quebram scrapers baseados em seletores, e trocar um modelo hospedado por um modelo Ollama local é uma mudança de uma linha na configuração. O projeto tem cerca de 32.200 estrelas no GitHub, oito issues abertas e uma release a cada duas ou três semanas, a mais recente a v2.3.1, em 6 de outubro de 2026.
O custo cresce com as páginas. Na biblioteca, cada página é uma chamada de modelo; na API hospedada, uma requisição Extract custa 5 créditos, então os 100.000 créditos do plano Growth de US$ 100 compram cerca de 20.000 extrações, ou meio centavo cada. Como um modelo de linguagem lê cada página, ele pode inventar ou remodelar um campo que nunca existiu, então as saídas precisam de validação de schema.
A biblioteca de código aberto não tem rede de proxies nem camada anti-bot; sites protegidos falham a menos que você traga seus proxies, e a API hospedada reserva a rotação de proxies para o Growth e acima. Para transformar sites inteiros em Markdown para um índice de RAG, o Crawl4AI ou o Firecrawl são mais rápidos e mais baratos, porque não precisam de um modelo lendo cada página.
Onde ele se destaca
Um engenheiro de dados em uma startup de comparação de preços
Extrair campos de preço, estoque e especificações de 300 páginas de varejistas que mudam de layout com frequência
Um SmartScraperGraph por página com um schema Pydantic substitui seletores frágeis. Cada página custa uma chamada de modelo, então um modelo hospedado pequeno ou o Ollama local mantém a conta baixa, e a telemetria deve ser desativada antes.
Um analista de operações de vendas em uma empresa B2B de 50 pessoas
Montar uma lista de contatos a partir de algumas centenas de sites de empresas
O endpoint Extract da API hospedada, a 5 créditos por página, cabe nos 10.000 créditos do plano Starter de US$ 20 para cerca de 2.000 páginas por mês, sem infraestrutura para operar.
Um desenvolvedor em uma equipe regulada
Extrair campos de relatórios HTML internos sem que os dados saiam da rede
A biblioteca com um modelo Ollama local e SCRAPEGRAPHAI_TELEMETRY_ENABLED=false mantém tudo on-premise; sem essa flag, o conteúdo das páginas vai para o endpoint dos mantenedores.
Antes de decidir
- Configuração
- pip install scrapegraphai, depois playwright install para o navegador headless; uma primeira extração é uma dúzia de linhas de Python com uma chave de API ou um modelo Ollama baixado localmente.
- Integrações
- Modelos OpenAI, Groq, Azure, Gemini, MiniMax e Ollama; LangChain, LlamaIndex, CrewAI e Agno; Zapier, Pipedream e Bubble para a API hospedada; um servidor MCP.
- Dados e privacidade
- Licença MIT. A telemetria vem ativada por padrão e, segundo o código-fonte, envia o prompt, o schema, o conteúdo da página, a resposta do LLM e a URL; desative-a com SCRAPEGRAPHAI_TELEMETRY_ENABLED=false. Nenhum aviso de segurança publicado no GitHub. A página de preços da API hospedada diz "All requests are SOC 2 Type II compliant"; os termos de retenção e de treinamento não aparecem nela.
- Custo em escala
- Auto-hospedado, o custo são os tokens de modelo por página mais seus próprios proxies. Hospedado: Starter US$ 20 por 10.000 créditos, Growth US$ 100 por 100.000, Pro US$ 500 por 750.000; o Extract custa 5 créditos por página e o modo stealth adiciona 5.
- Limites
- Os limites de taxa hospedados vão de 10 requisições por minuto no Free a 5.000 no Pro. A biblioteca não tem crawling em escala, rotação de proxies nem tratamento anti-bot, que o Firecrawl e o Crawl4AI cobrem melhor.
O que é bom
- Extração baseada em prompt que sobrevive a mudanças de layout
- Roda totalmente local com modelos Ollama
- Licença MIT e releases frequentes
- API hospedada com preço claro em créditos por requisição
O que não é
- A telemetria padrão envia prompts, conteúdo das páginas e respostas
- Uma chamada de modelo para cada página
- Pode alucinar campos sem validação de schema
- Sem proxies nem anti-bot na biblioteca
Ideal para
Desenvolvedores que extraem campos tipados de um número modesto de páginas web variadas.
Alternativas ao ScrapeGraphAI
ScrapeGraphAI: perguntas frequentes
- ScrapeGraphAI vale a pena?
- Bom para extrair alguns campos tipados de páginas bagunçadas, mas envia o conteúdo raspado aos criadores por padrão e paga uma chamada de modelo por página. Damos nota 3.6 de 5.
- Quanto custa ScrapeGraphAI?
- Biblioteca gratuita sob MIT; você paga pelos tokens do LLM. API hospedada: 500 créditos gratuitos únicos, depois US$ 20, US$ 100 ou US$ 500 por mês; Enterprise sob consulta.
- Quais são as desvantagens de ScrapeGraphAI?
- A telemetria padrão envia prompts, conteúdo das páginas e respostas; uma chamada de modelo para cada página; pode alucinar campos sem validação de schema; sem proxies nem anti-bot na biblioteca.
- Para quem ScrapeGraphAI é indicado?
- Desenvolvedores que extraem campos tipados de um número modesto de páginas web variadas.
- Quanto custa ScrapeGraphAI para uma equipe ou em produção?
- Auto-hospedado, o custo são os tokens de modelo por página mais seus próprios proxies. Hospedado: Starter US$ 20 por 10.000 créditos, Growth US$ 100 por 100.000, Pro US$ 500 por 750.000; o Extract custa 5 créditos por página e o modo stealth adiciona 5.
- ScrapeGraphAI é seguro para dados da empresa?
- Licença MIT. A telemetria vem ativada por padrão e, segundo o código-fonte, envia o prompt, o schema, o conteúdo da página, a resposta do LLM e a URL; desative-a com SCRAPEGRAPHAI_TELEMETRY_ENABLED=false. Nenhum aviso de segurança publicado no GitHub. A página de preços da API hospedada diz "All requests are SOC 2 Type II compliant"; os termos de retenção e de treinamento não aparecem nela.
- Quais são as melhores alternativas ao ScrapeGraphAI?
- As alternativas mais próximas que analisamos são Crawl4AI e Firecrawl.
Respostas verificadas em 26 de out. de 2026.