Scarnox · Blog

Il web scraping è legale? Una panoramica generale

Il web scraping è legale? La risposta onesta è che dipende. Dipende da dove si trovano tu e il sito, dal tipo di dati che raccogli, da come li raccogli, da cosa dicono i termini del sito e da cosa fai del risultato. Questa pagina offre informazioni generali sui principali fattori che tribunali e autorità tendono a valutare. Non è consulenza legale. Per una decisione che conta per il tuo progetto o per la tua attività, rivolgiti a un avvocato qualificato nella giurisdizione pertinente.

Il riassunto

Lo scraping di pagine visibili al pubblico non è automaticamente illegale. Alcuni fattori aumentano il rischio: raccogliere dati personali, ignorare un divieto esplicito, copiare grandi quantità di contenuti protetti, aggirare controlli di accesso e causare danni al sito. Più di questi si applicano, più devi essere attento.

Fattore 1: quali dati raccogli

I fatti e le informazioni pubbliche sono trattati in modo diverso dalle opere creative e dai dati personali.

Fatti pubblicamente disponibili, come un prezzo pubblicato o il livello di una scorta, sono generalmente trattati in modo più permissivo rispetto a testi o immagini protetti da copyright.
Contenuti protetti da copyright, come articoli, fotografie e database, possono essere tutelati anche quando sono pubblici. Copiarli integralmente per riutilizzarli comporta più rischio che estrarre fatti specifici.
Dati personali, cioè informazioni che identificano una persona, sono soggetti in molti paesi alle leggi sulla protezione dei dati. Il GDPR nell'Unione europea e leggi simili altrove impongono obblighi su come vengono raccolti, conservati e usati, anche se erano pubblici. Chiediti se ti servono davvero i dati personali.

Fattore 2: i termini del sito e robots.txt

Molti siti pubblicano termini di servizio che vietano l'accesso automatizzato. Se una violazione di quei termini abbia conseguenze legali dipende dalla giurisdizione e dai fatti, e i tribunali sono arrivati a conclusioni diverse in casi diversi.

Il file robots.txt è un segnale leggibile dalle macchine di ciò che il titolare vuole che i crawler facciano. Non è di per sé una legge, ma ignorarlo può essere usato come prova che hai agito in modo irragionevole, e un progetto ben gestito lo rispetta per impostazione predefinita.

Fattore 3: come raccogli

Il metodo conta quanto il bersaglio. Inviare un numero moderato di richieste, distanziate nel tempo, è molto diverso dal sommergere un server e degradare il servizio per gli altri utenti. Alcune giurisdizioni considerano l'accesso non autorizzato a sistemi informatici un reato. Superare un login, un paywall o un controllo di accesso messo in atto dal titolare aumenta notevolmente il rischio, e può oltrepassare una linea legale che lo scraping ordinario non supera.

Per questo motivo Scarnox è pensato per l'automazione legittima: test sui propri siti, lavoro di accessibilità e raccolta di dati pubblici nel rispetto delle regole di un sito. Non è destinato all'uso contro i controlli di accesso, e i passaggi captcha descritti in queste guide si applicano ai flussi che sei autorizzato ad automatizzare.

Fattore 4: cosa fai dei dati

Raccogliere dati è solo un passo. Ripubblicarli, venderli o usarli per competere in modo sleale può sollevare questioni separate, tra cui copyright, diritti sui database, regole sulla concorrenza sleale e pretese contrattuali. Tieni una registrazione chiara di dove sono stati presi i dati, perché li hai raccolti e per quanto tempo li conservi.

Perché la risposta cambia da un luogo all'altro

La legge su questo tema non è uniforme. Alcuni paesi hanno regole specifiche sui diritti sui database, altri si basano su leggi generali su contratti e uso improprio dei sistemi informatici, e le norme sulla protezione dei dati variano molto. Anche le decisioni dei tribunali sullo scraping sono differite da un caso all'altro, e l'esito spesso dipendeva da dettagli come il tipo di dati, la presenza di un login e il fatto che lo scraper avesse ignorato una richiesta chiara di fermarsi. Per questo una regola valida in un luogo può non valere altrove. Considera qualsiasi riepilogo generale, questo compreso, un punto di partenza per una conversazione con un professionista che conosce la tua situazione.

Una lista di controllo pratica

Prima di avviare un progetto di scraping, puoi esaminare queste domande con il tuo team o con un legale:

I dati sono pubblici, e sono fattuali anziché creativi o personali?
Hai letto i termini del sito e robots.txt, e il tuo uso è coerente con essi?
Ti servono davvero dati personali? Se sì, hai una base giuridica per trattarli?
Resti entro l'accesso che il sito offre, senza aggirare controlli?
La tua frequenza di richieste è abbastanza bassa da non disturbare gli utenti normali?
Hai un piano per cancellare i dati che non ti servono più?
Saresti a tuo agio nel spiegare il tuo metodo al titolare del sito?

Se rispondi "no" a diverse di queste domande, fermati e chiedi un parere prima di proseguire.

Scraping responsabile

Leggi robots.txt e i termini prima di fare scraping di un sito.
Mantieni modesta la frequenza delle richieste e memorizza in cache ciò che raccogli.
Limita i dati personali che conservi e proteggi quelli che tieni.
Non usare Scarnox, né alcun altro strumento, per superare una restrizione che il titolare ha messo in atto.

Passi successivi

Inizia con il credito di prova gratuito, senza carta: crea un account per testare il flusso PopularCaptcha su un sito che sei autorizzato ad automatizzare. Per le tariffe attuali, consulta la pagina dei prezzi.