Como Extrair Dados do Google Shopping — Com ou Sem Código

O Google Shopping processa mais de . É uma quantidade impressionante de dados de preços, tendências de produtos e informações de vendedores — tudo ali, na sua tela, agregado de milhares de varejistas.

Tirar esses dados do Google Shopping e levá-los para uma planilha? Aí é que a coisa complica. Passei um bom tempo testando diferentes abordagens — de extensões de navegador sem código até scripts completos em Python — e a experiência vai de "uau, foi fácil" até "estou depurando CAPTCHAs há três dias e já quero desistir". A maioria dos guias sobre esse tema parte do pressuposto de que você é desenvolvedor Python, mas, na prática, muita gente que precisa desses dados trabalha com ecommerce, análise de preços ou marketing e só quer os números, sem programar. Por isso, este guia apresenta três métodos, do mais simples ao mais técnico, para que você escolha o caminho mais adequado ao seu nível e ao tempo disponível.

O que é dado do Google Shopping?

O Google Shopping é um mecanismo de busca de produtos. Pesquise por "fones de ouvido sem fio com cancelamento de ruído" e o Google mostra anúncios de dezenas de lojas online — títulos dos produtos, preços, vendedores, avaliações, imagens, links. Um catálogo vivo e sempre atualizado do que está à venda na internet.

Por que extrair dados do Google Shopping?

Uma única página de produto diz pouca coisa. Centenas delas, organizadas em uma planilha — aí os padrões começam a aparecer.

Veja os casos de uso mais comuns que encontrei:

já usam ferramentas de precificação com IA. Empresas que investem em inteligência competitiva de preços relatam retornos de até 29x. A Amazon atualiza preços aproximadamente a cada 10 minutos. Se você ainda verifica preços da concorrência manualmente, a conta não fecha a seu favor.

Thunderbit é uma extensão Chrome de AI Web Scraper que ajuda usuários de negócios a extrair dados de sites usando IA. Ela é especialmente útil para equipes de ecommerce, analistas de preços e profissionais de marketing que querem dados estruturados do Google Shopping sem escrever código.

Quais dados dá para extrair do Google Shopping?

Antes de escolher uma ferramenta ou escrever uma linha de código, vale entender exatamente quais campos estão disponíveis — e quais exigem um pouco mais de trabalho para acessar.

Campos dos resultados de busca do Google Shopping

Quando você faz uma busca no Google Shopping, cada cartão de produto na página de resultados contém:

Campos das páginas de detalhes do produto (dados de subpágina)

Se você clicar na página de detalhes de um produto no Google Shopping, consegue acessar dados mais completos:

Para acessar esses campos, é preciso visitar a subpágina de cada produto depois de extrair os resultados de busca. Ferramentas com recurso de fazem isso automaticamente — vou mostrar o fluxo abaixo.

Três formas de extrair dados do Google Shopping (escolha seu caminho)

Três métodos, do mais simples ao mais técnico. Escolha a linha que melhor combina com a sua situação e siga em frente:

Método 1: extrair dados do Google Shopping sem código (usando Thunderbit)

• Dificuldade: Iniciante
• Tempo necessário: ~2 a 5 minutos
• O que você precisa: navegador Chrome, (o plano grátis funciona), uma busca no Google Shopping

O caminho mais rápido de "preciso de dados do Google Shopping" para "aqui está minha planilha". Sem código, sem chaves de API, sem configuração de proxy. Já conduzi dezenas de colegas não técnicos por esse fluxo — ninguém travou.

Etapa 1: Instale o Thunderbit e abra o Google Shopping

Instale o na Chrome Web Store e crie uma conta gratuita.

Depois, acesse o Google Shopping. Você pode ir direto para shopping.google.com ou usar a aba Shopping em uma busca normal do Google. Pesquise o produto ou a categoria que quiser — por exemplo, "fones de ouvido sem fio com cancelamento de ruído".

Você deve ver uma grade com produtos, preços, vendedores e avaliações.

Etapa 2: clique em "AI Suggest Fields" para detectar as colunas automaticamente

Clique no ícone da extensão Thunderbit para abrir a barra lateral e depois selecione "AI Suggest Fields". A IA analisa a página do Google Shopping e sugere colunas: Título do produto, Preço, Vendedor, Avaliação, Quantidade de avaliações, URL da imagem, Link do produto.

Revise os campos sugeridos. Você pode renomear colunas, remover o que não precisa ou adicionar campos personalizados. Se quiser algo mais específico — por exemplo, "extrair apenas o valor numérico do preço sem o símbolo da moeda" —, adicione um Field AI Prompt nessa coluna.

Você verá uma prévia da estrutura das colunas no painel do Thunderbit.

Etapa 3: clique em "Scrape" e revise os resultados

Clique no botão azul "Scrape". O Thunderbit coleta todas as listagens de produtos visíveis e organiza tudo em uma tabela estruturada.

Tem várias páginas? O Thunderbit trata a paginação automaticamente — clicando entre as páginas ou rolando para carregar mais resultados, dependendo do layout. Se houver muitos resultados, você pode escolher entre Cloud Scraping (mais rápido, suporta até 50 páginas por vez, executado na infraestrutura distribuída do Thunderbit) ou Browser Scraping (usa sua própria sessão do Chrome — útil se o Google mostrar resultados regionais ou exigir login).

Nos meus testes, extrair 50 produtos levou cerca de 30 segundos. Fazer a mesma tarefa manualmente — abrir cada item, copiar título, preço, vendedor e avaliação — teria consumido mais de 20 minutos.

Etapa 4: enriquecer os dados com extração de subpáginas

Depois da primeira extração, clique em "Scrape Subpages" no painel do Thunderbit. A IA visita a página de detalhes de cada produto e acrescenta novos campos — descrições completas, todos os preços dos vendedores, especificações e avaliações — à tabela original.

Não é preciso configurar mais nada — a IA entende a estrutura de cada página de detalhes e puxa os dados relevantes. Consegui montar uma matriz completa de preços competitivos (produto + todos os preços dos vendedores + especificações) para 40 produtos em menos de 5 minutos dessa forma.

Etapa 5: exporte para Google Sheets, Excel, Airtable ou Notion

Clique em "Export" e escolha o destino — , Excel, Airtable ou Notion. Tudo grátis. Também há download em CSV e JSON.

Dois cliques para extrair, um clique para exportar. O script Python equivalente? Cerca de 60 linhas de código, configuração de proxy, tratamento de CAPTCHA e manutenção contínua.

Método 2: extrair dados do Google Shopping com Python + uma SERP API

• Dificuldade: Intermediário
• Tempo necessário: ~30 minutos
• O que você precisa: Python 3.10+, bibliotecas requests e pandas, uma chave de SERP API (ScraperAPI, SerpApi ou similar)

Se você precisa de acesso programático e repetível aos dados do Google Shopping, uma SERP API é a abordagem mais confiável em Python. Medidas anti-bot, renderização JavaScript, rotação de proxies — tudo acontece nos bastidores. Você envia uma requisição HTTP e recebe JSON estruturado de volta.

Etapa 1: configure seu ambiente Python

Instale o Python 3.12 (o padrão mais seguro para produção em 2025–2026) e os pacotes necessários:

1pip install requests pandas

Crie uma conta em um provedor de SERP API. O oferece 100 buscas grátis por mês; o oferece 5.000 créditos gratuitos. Pegue sua chave de API no painel.

Etapa 2: configure a requisição à API

Aqui vai um exemplo mínimo usando o endpoint do Google Shopping do ScraperAPI:

1import requests
2import pandas as pd
3API_KEY = "YOUR_API_KEY"
4query = "wireless noise cancelling headphones"
5resp = requests.get(
6    "https://api.scraperapi.com/structured/google/shopping",
7    params={"api_key": API_KEY, "query": query, "country_code": "us"}
8)
9data = resp.json()

A API retorna JSON estruturado com campos como title, price, link, thumbnail, source (vendedor) e rating.

Etapa 3: processe o JSON e extraia os campos

1products = data.get("shopping_results", [])
2rows = []
3for p in products:
4    rows.append({
5        "title": p.get("title"),
6        "price": p.get("price"),
7        "seller": p.get("source"),
8        "rating": p.get("rating"),
9        "reviews": p.get("reviews"),
10        "link": p.get("link"),
11        "thumbnail": p.get("thumbnail"),
12    })
13df = pd.DataFrame(rows)

Etapa 4: exporte para CSV ou JSON

1df.to_csv("google_shopping_results.csv", index=False)

Bom para lotes: faça um loop com 50 palavras-chave e monte um dataset completo em uma única execução do script. A contrapartida é o custo — as SERP APIs cobram por consulta e, com milhares de requisições por dia, a conta sobe. Falaremos mais sobre isso adiante.

Método 3: extrair dados do Google Shopping com Python + Playwright (automação de navegador)

• Dificuldade: Avançado
• Tempo necessário: ~1 hora ou mais (além da manutenção contínua)
• O que você precisa: Python 3.10+, Playwright, proxies residenciais, paciência

A abordagem de "controle total". Você abre um navegador real, acessa o Google Shopping e extrai os dados da página renderizada. É a mais flexível, mas também a mais frágil — os sistemas anti-bot do Google são agressivos e a estrutura da página muda várias vezes por ano.

Um aviso honesto: já conversei com usuários que passaram semanas brigando com CAPTCHAs e bloqueios de IP usando esse método. Funciona, mas exige manutenção constante.

Etapa 1: configure Playwright e proxies

1pip install playwright
2playwright install chromium

Você vai precisar de proxies residenciais. IPs de datacenter são bloqueados quase imediatamente — um usuário de fórum resumiu bem: "Todos os IPs da AWS serão bloqueados ou vão enfrentar CAPTCHA depois de 1/2 resultados." Serviços como Bright Data, Oxylabs ou Decodo oferecem pools de proxies residenciais a partir de cerca de US$ 1–5/GB.

Configure o Playwright com um user-agent realista e seu proxy:

1from playwright.sync_api import sync_playwright
2with sync_playwright() as p:
3    browser = p.chromium.launch(
4        headless=True,
5        proxy={"server": "http://your-proxy:port", "username": "user", "password": "pass"}
6    )
7    context = browser.new_context(
8        user_agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ..."
9    )
10    page = context.new_page()

Etapa 2: acesse o Google Shopping e lide com as barreiras anti-bot

Monte a URL do Google Shopping e acesse:

1query = "wireless noise cancelling headphones"
2url = f"https://www.google.com/search?udm=28&q={query}&gl=us&hl=en"
3page.goto(url, wait_until="networkidle")

Se aparecer o pop-up de consentimento de cookies da UE, trate assim:

1try:
2    page.click("button#L2AGLb", timeout=3000)
3except:
4    pass

Adicione atrasos que pareçam humanos entre as ações — de 2 a 5 segundos de espera aleatória entre carregamentos de página. Os sistemas de detecção do Google identificam padrões rápidos e uniformes.

Etapa 3: role, percorra páginas e extraia os dados dos produtos

O Google Shopping carrega os resultados dinamicamente. Role a página para disparar o carregamento preguiçoso e depois extraia os cartões de produto:

1import time, random
2# Role para carregar todos os resultados
3for _ in range(3):
4    page.evaluate("window.scrollBy(0, 1000)")
5    time.sleep(random.uniform(1.5, 3.0))
6# Extraia os cartões de produto
7cards = page.query_selector_all("[jsname='ZvZkAe']")
8results = []
9for card in cards:
10    title = card.query_selector("h3")
11    price = card.query_selector("span.a8Pemb")
12    # ... extraia outros campos
13    results.append({
14        "title": title.inner_text() if title else None,
15        "price": price.inner_text() if price else None,
16    })

Um ponto importante: os seletores CSS acima são aproximados e vão mudar. O Google altera nomes de classes com frequência. Só entre 2024 e 2026, foram documentados três conjuntos diferentes de seletores. Prefira atributos mais estáveis como jsname, data-cid, tags <h3> e img[alt], em vez de depender de nomes de classe.

Etapa 4: salve em CSV ou JSON

1import json
2from datetime import datetime
3filename = f"shopping_{datetime.now().strftime('%Y%m%d_%H%M')}.json"
4with open(filename, "w") as f:
5    json.dump(results, f, indent=2)

Espere precisar manter esse script com frequência. Quando o Google altera a estrutura da página — o que acontece várias vezes por ano — seus seletores quebram e você volta para a depuração.

A maior dor de cabeça: CAPTCHAs e bloqueios anti-bot

Em fórum após fórum, a mesma história: "Passei algumas semanas, mas desisti dos métodos anti-bot do Google." CAPTCHAs e bloqueios de IP são o principal motivo para as pessoas abandonarem scrapers DIY para Google Shopping.

Como o Google bloqueia scrapers (e o que fazer a respeito)

Em janeiro de 2025, o Google tornou a execução de JavaScript obrigatória para resultados de SERP e Shopping, — incluindo pipelines usados por SemRush e SimilarWeb. Depois, em setembro de 2025, o Google descontinuou as URLs antigas das páginas de produto, redirecionando para uma nova superfície de "Immersive Product" que carrega via AJAX assíncrono. Qualquer tutorial escrito antes do fim de 2025 já está, em grande parte, ultrapassado.

Como cada método lida com esses desafios

SERP APIs resolvem tudo nos bastidores — proxies, renderização, resolução de CAPTCHA. Você nem precisa pensar nisso.

Thunderbit Cloud Scraping usa infraestrutura distribuída na nuvem nos EUA, na UE e na Ásia para lidar automaticamente com renderização JavaScript e medidas anti-bot. O modo Browser Scraping usa sua própria sessão autenticada do Chrome, o que contorna a detecção porque parece uma navegação normal de usuário.

Playwright por conta própria coloca toda a responsabilidade nas suas mãos — gestão de proxy, ajuste de delays, resolução de CAPTCHA, manutenção de seletores e monitoramento constante de falhas.

O custo real de extrair dados do Google Shopping: comparação honesta

"US$ 50 por cerca de 20 mil requisições… meio caro para o meu projeto hobby." Esse tipo de reclamação aparece o tempo todo nos fóruns. Mas, geralmente, a conversa ignora o maior custo de todos.

Tabela de comparação de custos

O custo oculto que todo mundo ignora: seu tempo

Uma solução DIY de custo zero que consome 40 horas de depuração não é gratuita. A US$ 50 por hora, isso equivale a US$ 2.000 de trabalho — para um scraper que pode quebrar de novo no mês seguinte, quando o Google mudar o DOM.

O Technology Outlook da McKinsey mostra que o . Abaixo disso, desenvolver internamente "consome orçamento sem gerar ROI". Para a maioria das equipes de ecommerce que faz algumas centenas ou alguns milhares de consultas por semana, uma ferramenta sem código ou uma SERP API tende a ser muito mais vantajosa do que criar tudo do zero.

Como configurar o monitoramento automatizado de preços no Google Shopping

A maioria dos guias trata a extração como uma tarefa pontual. O uso real para equipes de ecommerce é o monitoramento contínuo e automatizado. Você não precisa só dos preços de hoje — precisa dos de ontem, da semana passada e dos de amanhã.

Configurando extração agendada com Thunderbit

O Scheduled Scraper do Thunderbit permite descrever o intervalo em linguagem natural — "todo dia às 9h" ou "toda segunda e quinta ao meio-dia" — e a IA converte isso em uma programação recorrente. Insira as URLs do Google Shopping, clique em "Schedule" e pronto.

Cada execução é exportada automaticamente para Google Sheets, Airtable ou Notion. O resultado final: uma planilha que se atualiza sozinha todos os dias com os preços da concorrência, pronta para tabelas dinâmicas ou alertas.

Sem cron job. Sem gerenciar servidor. Sem dor de cabeça com Lambda. (Já vi posts de desenvolvedores que passaram dias tentando fazer o Selenium rodar no AWS Lambda — o agendador do Thunderbit elimina tudo isso.)

Para saber mais sobre como montar , temos um guia completo separado.

Agendamento com Python (para desenvolvedores)

Se você estiver usando a abordagem com SERP API, pode agendar execuções com cron jobs (Linux/Mac), Agendador de Tarefas do Windows ou serviços em nuvem como AWS Lambda ou Google Cloud Functions. Bibliotecas Python como APScheduler também funcionam.

A troca é esta: agora você é responsável por monitorar a saúde do script, lidar com falhas, rotacionar proxies conforme o cronograma e atualizar seletores quando o Google mudar a página. Para a maioria das equipes, o tempo de engenharia gasto mantendo um scraper Python agendado supera o custo de uma ferramenta dedicada.

Dicas e boas práticas para extrair dados do Google Shopping

Independentemente do método, algumas práticas vão poupar bastante dor de cabeça.

Respeite os limites de requisição

Não martеле o Google com centenas de requisições rápidas — você será bloqueado e seu IP pode ficar sinalizado por um tempo. Métodos DIY: distribua as requisições com intervalos de 10 a 20 segundos e variação aleatória. Ferramentas e APIs fazem isso por você.

Combine o método com o seu volume

Guia rápido de decisão:

• < 10 consultas/semana → plano gratuito do Thunderbit ou plano gratuito do SerpApi
• 10 a 1.000 consultas/semana → plano pago de SERP API ou
• 1.000+ consultas/semana → plano enterprise da SERP API ou Thunderbit Open API

Limpe e valide seus dados

Os preços vêm com símbolos de moeda, formatação local (1.299,00 € vs $1,299.00) e, às vezes, caracteres indesejados. Use os Field AI Prompts do Thunderbit para normalizar na extração ou limpe depois com pandas:

1df["price_num"] = df["price"].str.replace(r"[^\d.]", "", regex=True).astype(float)

Verifique duplicatas entre listagens orgânicas e patrocinadas — elas costumam se sobrepor. Remova duplicatas usando a tupla (título, preço, vendedor).

Entenda o cenário jurídico

A extração de dados públicos de produtos geralmente é considerada legal, mas o cenário jurídico está evoluindo rapidamente. O desenvolvimento mais importante recente: com base na DMCA § 1201, alegando burla ao sistema anti-scraping "SearchGuard" do Google. Isso introduz uma nova linha de argumentação jurídica que contorna as defesas consolidadas em casos anteriores como hiQ v. LinkedIn e Van Buren v. United States.

Diretrizes práticas:

• Extraia apenas dados publicamente disponíveis — não faça login para acessar conteúdo restrito
• Não colete informações pessoais (nomes de avaliadores, dados de conta)
• Lembre-se de que os Termos de Serviço do Google proíbem acesso automatizado — usar uma SERP API ou extensão de navegador reduz, mas não elimina, as áreas cinzentas jurídicas
• Para operações na UE, considere o GDPR, embora as listagens de produtos sejam em sua maioria dados comerciais não pessoais
• Se você estiver construindo um produto comercial com dados extraídos, considere consultar um advogado

Para uma análise mais profunda sobre , cobrimos o tema em separado.

Qual método você deve usar para extrair dados do Google Shopping?

Depois de testar as três abordagens nas mesmas categorias de produto, eis a minha conclusão:

Se você é um usuário não técnico e precisa dos dados rapidamente — use Thunderbit. Abra o Google Shopping, clique duas vezes e exporte. Você terá uma planilha limpa em menos de 5 minutos. O permite testar sem compromisso, e o recurso de extração de subpáginas oferece dados mais ricos do que a maioria dos scripts Python produz.

Se você é desenvolvedor e precisa de acesso programático repetível — use uma SERP API. A confiabilidade compensa o custo por consulta, e você evita toda a dor de cabeça com anti-bot. O SerpApi tem a melhor documentação; o ScraperAPI oferece o plano gratuito mais generoso.

Se você precisa de controle máximo e está construindo um pipeline personalizado — o Playwright funciona, mas entre sabendo no que está se metendo. Reserve bastante tempo para gerenciar proxies, manter seletores e lidar com CAPTCHAs. Em 2025–2026, a pilha mínima viável para contornar bloqueios é curl_cffi com impersonação do Chrome + proxies residenciais + intervalos de 10 a 20 segundos. Um simples script requests com user-agents rotativos já não basta.

O melhor método é aquele que entrega dados precisos sem roubar sua semana. Para a maioria das pessoas, isso não é um script Python de 60 linhas — são dois cliques.

Veja os se você precisa de volume ou assista aos nossos tutoriais no para ver o fluxo na prática.

FAQs

É legal extrair dados do Google Shopping?

Extrair dados públicos de produtos geralmente é legal com base em precedentes como hiQ v. LinkedIn e Van Buren v. United States. No entanto, os Termos de Serviço do Google proíbem acesso automatizado, e o processo movido pelo Google contra a SerpApi em dezembro de 2025 introduziu uma nova teoria de anti-circumvenção sob a DMCA § 1201. Usar ferramentas e APIs confiáveis reduz o risco. Para casos de uso comercial, consulte um advogado.

Posso extrair dados do Google Shopping sem ser bloqueado?

Sim, mas o método faz toda a diferença. SERP APIs lidam automaticamente com as medidas anti-bot. O Cloud Scraping do Thunderbit usa infraestrutura distribuída para evitar bloqueios, enquanto o modo Browser Scraping usa sua própria sessão do Chrome (que parece uma navegação normal). Scripts Python feitos por conta própria exigem proxies residenciais, atrasos humanos e gestão de fingerprint TLS — e, mesmo assim, os bloqueios são comuns.

Qual é a maneira mais fácil de extrair dados do Google Shopping?

A extensão Chrome do Thunderbit. Acesse o Google Shopping, clique em "AI Suggest Fields", clique em "Scrape" e exporte para Google Sheets ou Excel. Sem programação, sem chaves de API, sem configuração de proxy. O processo inteiro leva cerca de 2 minutos.

Com que frequência posso extrair dados do Google Shopping para monitorar preços?

Com o Scheduled Scraper do Thunderbit, você pode configurar monitoramento diário, semanal ou em intervalos personalizados usando descrições em linguagem natural. Com SERP APIs, a frequência depende dos limites de créditos do seu plano — a maioria dos provedores oferece o suficiente para monitorar diariamente algumas centenas de SKUs. Scripts DIY podem rodar na frequência que sua infraestrutura suportar, mas maior frequência significa mais dor de cabeça com anti-bot.

Posso exportar dados do Google Shopping para Google Sheets ou Excel?

Sim. O Thunderbit exporta diretamente para Google Sheets, Excel, Airtable e Notion gratuitamente. Scripts Python podem exportar para CSV ou JSON, que depois você importa para qualquer ferramenta de planilha. Para monitoramento contínuo, as exportações agendadas do Thunderbit para Google Sheets criam um conjunto de dados vivo e atualizado automaticamente.

• Saiba mais