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 no navegador, reunido a partir de milhares de varejistas.

Colocar esses dados do Google Shopping em uma planilha? Aí é que a coisa complica. Passei bastante tempo testando diferentes caminhos — de extensões sem código a scripts completos em Python — e a experiência vai de "uau, foi fácil" a "estou há três dias depurando CAPTCHAs e quero desistir". A maioria dos guias sobre esse tema presume que você é desenvolvedor Python, mas, na minha experiência, grande parte de quem precisa desses dados é formada por profissionais de e-commerce, analistas de preços e marketers que só querem os números sem ter que programar. Por isso, este guia apresenta três métodos, do mais simples ao mais técnico, para você escolher o caminho que combina com seu nível e com o tempo que tem disponível.

O Que é Dados do Google Shopping?

O Google Shopping é um mecanismo de busca de produtos. Digite "fones 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, em constante atualização, do que está à venda na internet.

Por Que Extrair Dados do Google Shopping?

Uma página de produto diz muito pouco. Centenas delas, organizadas em uma planilha — aí sim surgem padrões.

Estes são os casos de uso mais comuns que já 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 confere preços de concorrentes manualmente, a conta não fecha.

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

Que Dados Você Realmente Consegue Extrair do Google Shopping?

Antes de escolher uma ferramenta ou escrever uma linha de código, vale saber 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 карточка de produto na página de resultados contém:

Campos das Páginas de Detalhe do Produto (Dados da Subpágina)

Se você abrir a página de detalhes de um produto no Google Shopping, consegue acessar dados mais ricos:

Para acessar esses campos, é preciso visitar a subpágina de cada produto depois de extrair os resultados da busca. Ferramentas com suporte a 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 combina com sua situação e pule para a parte correspondente:

Método 1: Extrair Dados do Google Shopping Sem Código (Usando Thunderbit)

• Dificuldade: Iniciante
• Tempo necessário: ~2–5 minutos
• O que você vai precisar: navegador Chrome, (o plano gratuito funciona), uma busca no Google Shopping

É o caminho mais rápido de "preciso dos dados do Google Shopping" para "aqui está minha planilha". Sem código, sem chaves de API, sem configuração de proxy. Já conduzi colegas sem perfil técnico por esse fluxo dezenas de vezes — ninguém travou.

Passo 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 categoria que quiser — por exemplo, "fones sem fio com cancelamento de ruído".

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

Passo 2: Clique em "AI Suggest Fields" para Detectar as Colunas Automaticamente

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

Revise os campos sugeridos. Você pode renomear colunas, remover as 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.

Passo 3: Clique em "Scrape" e Revise os Resultados

Clique no botão azul "Scrape". O Thunderbit puxa todas as listagens visíveis em uma tabela estruturada.

Tem várias páginas? O Thunderbit lida com a paginação automaticamente — avançando pelas páginas ou rolando a tela para carregar mais resultados, dependendo do layout. Se houver muitos resultados, você pode escolher entre Cloud Scraping (mais rápido, processa até 50 páginas por vez, rodando na infraestrutura distribuída do Thunderbit) ou Browser Scraping (usa sua própria sessão do Chrome — útil se o Google mostrar resultados por região ou exigir login).

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

Passo 4: Enriqueça os Dados com Extração de Subpáginas

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

Não é preciso nenhuma configuração extra — a IA entende a estrutura de cada página de detalhe e coleta os dados relevantes. Consegui montar uma matriz completa de preços competitivos (produto + preços de todos os vendedores + especificações) para 40 produtos em menos de 5 minutos com esse fluxo.

Passo 5: Exporte para Google Sheets, Excel, Airtable ou Notion

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

Dois cliques para extrair, um clique para exportar. O equivalente em Python? 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 vai precisar: 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 de JavaScript, rotação de proxy — tudo isso fica nos bastidores. Você envia uma requisição HTTP e recebe JSON estruturado de volta.

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

Passo 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.

Passo 3: Faça o Parse do 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)

Passo 4: Exporte para CSV ou JSON

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

Ideal para processamento em lote: percorra 50 palavras-chave e monte um dataset completo em uma única execução do script. A troca é o custo — as SERP APIs cobram por consulta e, quando você chega a milhares por dia, a conta sobe. Falaremos mais sobre preços abaixo.

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 vai precisar: Python 3.10+, Playwright, proxies residenciais, paciência

É a abordagem de "controle total". Você abre um navegador de verdade, acessa o Google Shopping e extrai os dados da página renderizada. É a opção 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: conversei com usuários que passaram semanas brigando com CAPTCHAs e bloqueios de IP usando esse método. Funciona, mas espere manutenção contínua.

Passo 1: Configure o Playwright e os Proxies

1pip install playwright
2playwright install chromium

Você vai precisar de proxies residenciais. IPs de data center são bloqueados quase imediatamente — um usuário de fórum resumiu sem rodeios: "Todos os IPs da AWS serão bloqueados ou enfrentarão 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()

Passo 2: Acesse o Google Shopping e Trate as Medidas 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 popup de consentimento de cookies da UE, trate assim:

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

Adicione atrasos parecidos com os de um usuário real entre as ações — espere de 2 a 5 segundos de forma aleatória entre os carregamentos de página. Os sistemas de detecção do Google identificam padrões rápidos e uniformes de requisições.

Passo 3: Role, Navegue Entre Páginas e Extraia os Dados dos Produtos

O Google Shopping carrega resultados dinamicamente. Role a tela para acionar o carregamento sob demanda e depois extraia os cards 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 cards 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    })

Uma observação 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 nomes de classe.

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

O Maior Problema: CAPTCHAs e Bloqueios Anti-Bot

Fórum após fórum, a mesma história: "Passei algumas semanas, mas desisti diante dos métodos anti-bot do Google." CAPTCHAs e bloqueios de IP são o principal motivo de abandono de scrapers caseiros para o Google Shopping.

Como o Google Bloqueia Scrapers (e O Que Fazer a Respeito)

Em janeiro de 2025, o Google tornou obrigatória a execução de JavaScript para resultados de SERP e Shopping, — inclusive pipelines usados por SemRush e SimilarWeb. Depois, em setembro de 2025, o Google desativou os URLs antigos das páginas de produto, redirecionando-os para uma nova superfície "Immersive Product" carregada 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 em nuvem nos EUA, na UE e na Ásia para lidar automaticamente com renderização de JS e medidas anti-bot. O modo Browser Scraping usa sua própria sessão autenticada do Chrome, o que contorna a detecção por parecer navegação normal de um usuário.

Playwright DIY coloca toda a responsabilidade em você — gestão de proxy, ajuste de delays, resolução de CAPTCHA, manutenção de seletores e monitoramento constante de quebras.

O Custo Real de Extrair Dados do Google Shopping: Comparação Honesta

"US$ 50 por cerca de 20 mil requisições… meio salgado para o meu projeto de hobby." Esse tipo de reclamação aparece o tempo todo nos fóruns. Mas, normalmente, 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 em depuração não é gratuita. A US$ 50 por hora, isso vira US$ 2.000 em trabalho — para um scraper que pode quebrar de novo no mês seguinte quando o Google muda o DOM.

O Technology Outlook da McKinsey aponta que o . Abaixo disso, construir internamente "consome orçamento sem entregar ROI." Para a maioria das equipes de e-commerce que faz algumas centenas ou alguns milhares de consultas por semana, uma ferramenta sem código ou uma SERP API é muito mais econômica do que criar a própria solução.

Como Montar um Monitoramento Automatizado de Preços no Google Shopping

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

Configurando Extração Agendada com o Thunderbit

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

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

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

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

Agendando com Python (para Desenvolvedores)

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

A troca é que agora você passa a ser responsável por monitorar a saúde do script, tratar falhas, rotacionar proxies no prazo certo 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 medidas vão poupar muita dor de cabeça.

Respeite os Limites de Taxa

Não bombardeie o Google com centenas de requisições rápidas — você será bloqueado e seu IP pode continuar sinalizado por um tempo. Métodos DIY: distribua as requisições com intervalos de 10–20 segundos e variação aleatória. Ferramentas e APIs cuidam disso por você.

Combine o Método com o Seu Volume

Um guia rápido de decisão:

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

Limpe e Valide os Dados

Os preços vêm com símbolos de moeda, formatações específicas de localidade (1.299,00 € vs $1,299.00) e, às vezes, caracteres estranhos. 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 combinação (título, preço, vendedor).

Conheça o Cenário Jurídico

Extrair dados públicos de produtos geralmente é considerado legal, mas o cenário jurídico está mudando rápido. O desenvolvimento mais importante recente: com base na seção 1201 do DMCA, alegando circumvention do sistema anti-scraping "SearchGuard" do Google. Trata-se de uma nova linha de fiscalização, diferente das defesas estabelecidas em casos anteriores como hiQ v. LinkedIn e Van Buren v. United States.

Orientações práticas:

• Extraia apenas dados públicos — não faça login para acessar conteúdo restrito
• Não colete informações pessoais (nomes de avaliadores, dados de conta)
• Tenha em mente que os Termos de Serviço do Google proíbem acesso automatizado — usar uma SERP API ou extensão de navegador reduz, mas não elimina, zonas cinzentas legais
• Em operações na UE, considere o GDPR, embora as listagens de produtos sejam majoritariamente dados comerciais não pessoais
• Considere consultar um advogado se estiver criando um produto comercial com dados extraídos

Para um olhar mais profundo sobre , cobrimos o tema em outro artigo.

Qual Método Você Deve Usar para Extrair Dados do Google Shopping?

Depois de testar as três abordagens nas mesmas categorias de produtos, este foi o meu veredito:

Se você não é técnico e precisa dos dados rápido — use o 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 entrega dados mais ricos do que a maioria dos scripts em Python.

Se você é desenvolvedor e precisa de acesso programático e 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 tem o plano gratuito mais generoso.

Se você precisa do máximo controle e está construindo um pipeline personalizado — o Playwright funciona, mas entre com os olhos abertos. Reserve bastante tempo para gestão de proxies, manutenção de seletores e tratamento de CAPTCHA. Em 2025–2026, a pilha mínima viável de bypass é curl_cffi com impersonação de Chrome + proxies residenciais + intervalos de 10–20 segundos. Um script simples com requests e user-agents rotativos já morreu.

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

Confira 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 circumvention sob a seção 1201 do DMCA. Usar ferramentas e APIs confiáveis reduz o risco. Para usos comerciais, consulte um advogado.

Consigo extrair dados do Google Shopping sem ser bloqueado?

Sim, mas o método importa. As SERP APIs tratam as medidas anti-bot automaticamente. O Cloud Scraping do Thunderbit usa infraestrutura distribuída para evitar bloqueios, enquanto o modo Browser Scraping usa sua própria sessão do Chrome (que parece navegação normal). Scripts Python caseiros exigem proxies residenciais, atrasos parecidos com os humanos e gestão de impressão digital TLS — e, mesmo assim, bloqueios são comuns.

Qual é a forma 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. Todo o processo leva cerca de 2 minutos.

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

Com o Scheduled Scraper do Thunderbit, você pode configurar monitoramento diário, semanal ou em intervalo personalizado usando descrições em linguagem natural. Com SERP APIs, a frequência depende dos limites de crédito do seu plano — a maioria dos provedores oferece o suficiente para monitoramento diário de algumas centenas de SKUs. Scripts DIY podem rodar tão frequentemente quanto sua infraestrutura permitir, 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 o Google Sheets criam um dataset vivo, sempre atualizado.