Scarnox · Blog

¿Es legal el web scraping? Una visión general

¿Es legal el web scraping? La respuesta honesta es que depende. Depende de dónde estéis tú y el sitio, del tipo de datos que recopilas, de cómo los recopilas, de lo que digan los términos del sitio y de lo que hagas con el resultado. Esta página ofrece información general sobre los principales factores que los tribunales y los reguladores suelen examinar. No es asesoramiento jurídico. Para una decisión que importe a tu proyecto o a tu negocio, consulta con un abogado cualificado en la jurisdicción correspondiente.

La versión corta

Hacer scraping de páginas visibles al público no es automáticamente ilegal. Varios factores aumentan el riesgo: recopilar datos personales, ignorar una prohibición clara, copiar grandes cantidades de contenido protegido, saltarse controles de acceso y causar daño al sitio. Cuantos más de estos factores se den, más cuidado debes tener.

Factor 1: qué datos recopilas

Los hechos y la información pública se tratan de forma distinta que las obras creativas y los datos personales.

Hechos públicamente disponibles, como un precio publicado o un nivel de stock, suelen tratarse de forma más permisiva que el texto o las imágenes con copyright.
El contenido protegido por copyright, como artículos, fotografías y bases de datos, puede estar protegido aunque sea público. Copiarlo entero para reutilizarlo conlleva más riesgo que extraer hechos concretos.
Los datos personales, es decir, la información que identifica a una persona, están sujetos a leyes de protección de datos en muchos lugares. El RGPD en la Unión Europea y leyes similares en otros países imponen obligaciones sobre cómo se recopilan, almacenan y usan, incluso cuando eran públicos. Pregúntate si necesitas realmente esos datos personales.

Factor 2: los términos del sitio y el robots.txt

Muchos sitios publican términos de servicio que prohíben el acceso automatizado. Que incumplir esos términos tenga consecuencias legales depende de la jurisdicción y de los hechos, y los tribunales han llegado a conclusiones distintas en casos distintos.

El archivo robots.txt es una señal legible por máquinas de lo que el propietario quiere que hagan los rastreadores. No es una ley en sí misma, pero ignorarlo puede usarse como prueba de que actuaste de forma irrazonable, y un proyecto bien gestionado lo respeta por defecto.

Factor 3: cómo recopilas

El método importa tanto como el objetivo. Enviar un número moderado de peticiones, espaciadas, es muy distinto de saturar un servidor y degradar el servicio para otros usuarios. Algunas jurisdicciones consideran el acceso no autorizado a sistemas informáticos un delito penal. Saltarse un inicio de sesión, un muro de pago o un control de acceso que el propietario ha puesto aumenta considerablemente el riesgo, y puede cruzar una línea legal que el scraping ordinario no cruza.

Por eso Scarnox está diseñado para una automatización legítima: probar tus propios sitios, trabajo de accesibilidad y recopilación de datos públicos dentro de las reglas de cada sitio. No está pensado para usarse contra controles de acceso, y los pasos de captcha de estas guías se aplican a flujos que tienes permiso para automatizar.

Factor 4: qué haces con los datos

Recopilar datos es solo el primer paso. Volver a publicarlos, venderlos o usarlos para competir de forma desleal puede plantear problemas distintos, entre ellos derechos de autor, derechos sobre bases de datos, normas de competencia desleal y reclamaciones contractuales. Lleva un registro claro de dónde procedían los datos, por qué los recopilaste y cuánto tiempo los conservas.

Por qué la respuesta cambia de un lugar a otro

La ley sobre este tema no es uniforme. Algunos países tienen normas específicas sobre derechos de bases de datos, otros se apoyan en el derecho contractual general y en el de uso indebido de sistemas informáticos, y las normas de protección de datos varían mucho. Las decisiones judiciales sobre scraping también han diferido de un caso a otro, y el resultado a menudo dependía de detalles como el tipo de datos, si había un inicio de sesión de por medio y si el scraper ignoró una petición clara de parar. Por eso, una regla que se aplica en un lugar puede no aplicarse en otro. Trata cualquier resumen general, incluido este, como un punto de partida para una conversación con un profesional que conozca tu situación.

Una lista práctica

Antes de empezar un proyecto de scraping, puedes repasar estas preguntas con tu equipo o con tu asesor legal:

¿Los datos son públicos, y son factuales en lugar de creativos o personales?
¿Has leído los términos del sitio y su robots.txt, y encaja tu uso con ellos?
¿Necesitas realmente datos personales? Si es así, ¿tienes una base legal para tratarlos?
¿Te mantienes dentro del acceso que ofrece el sitio, sin saltarte controles?
¿Es tu ritmo de peticiones lo bastante bajo como para que los usuarios normales no se vean afectados?
¿Tienes un plan para borrar los datos que ya no necesitas?
¿Te sentirías cómodo explicando tu método al propietario del sitio?

Si respondes "no" a varias de estas, para y busca asesoramiento antes de continuar.

Scrapea de forma responsable

Lee el robots.txt y los términos antes de hacer scraping de un sitio.
Mantén moderado tu ritmo de peticiones, y guarda en caché lo que recopiles.
Limita los datos personales que almacenas, y protege lo que conservas.
No uses Scarnox, ni ninguna otra herramienta, para saltarte una restricción que el propietario ha puesto.

Próximos pasos

Empieza con crédito de prueba gratis, sin tarjeta: crea una cuenta para probar el flujo de PopularCaptcha en un sitio que tienes permiso para automatizar. Para ver las tarifas actuales, consulta la página de precios.