Publicamos esta página de mãos vazias e dizemo-lo. As duas execuções que temos submeteram um endereço de exemplo em vez de um URL da Groupon, por isso não temos provas sobre este serviço em nenhum sentido - e «por testar» é uma afirmação diferente de «bloqueado», razão pela qual esta página as mantém separadas.
As duas linhas que temos submeteram o mesmo endereço de exemplo - o URL fictício que aparece em toda esta família de exportações - e ambas devolveram http 404, que é o que um endereço fictício devolve. Isso diz-lhe que o exportador funciona. Não lhe diz absolutamente nada sobre a Groupon, e esta página não finge o contrário.
Duas outras páginas deste catálogo reportam recusas reais - tentativas feitas e repelidas. Esta reporta nenhuma tentativa de todo. São factos diferentes e levam a decisões diferentes: uma fonte bloqueada precisa de um desvio, uma por testar precisa de um teste. Mantemos as palavras separadas porque juntá-las exageraria em silêncio o que sabemos.
Em 12 de agosto de 2026 fomos nós próprios buscar o robots.txt da Groupon e uma página de pesquisa, com um user-agent de navegador. Ambos devolveram HTTP 200 - a página de pesquisa voltou com cerca de 890 KB, com ligações para ofertas e o termo pesquisado por todo o lado. Ou seja, daqui o sítio é alcançável, o que não bate certo com a nota do nosso próprio catálogo de serviços. Reportamos ambos em vez de escolher o mais arrumado.
Este é o achado que deve moldar o seu trabalho. O robots.txt da Groupon não traz exclusão geral para o grupo geral - abre com permitir tudo e depois lista 118 regras concretas. Uma dessas regras é Disallow: /search*. Verificado com um analisador adequado e não com um teste de prefixo: um URL de pesquisa está proibido para o grupo geral, enquanto um caminho /deals/ é permitido. Aponte para páginas de oferta.
O mesmo ficheiro dá exclusão geral a nove rastreadores nomeados - os conhecidos agentes de treino de IA e de arquivo - e traz um sinal de conteúdo legível por máquina a declarar que a indexação de pesquisa é bem-vinda e o treino de IA não. Nada disso se aplica a alguém que recolhe dados de ofertas para a sua própria análise, mas é a preferência declarada do sítio e vale a pena ler antes de desenhar em redor.
A facturação segue as linhas efectivamente devolvidas, por isso uma execução que volta vazia não é um custo. Isso faz de um trabalho pequeno o próximo passo sensato - e torna desnecessário que adivinhemos por si. Submeta uns quantos URLs de oferta, olhe para status, e em cinco minutos saberá mais sobre este serviço do que esta página lhe consegue dizer.
Lido do cabeçalho de uma exportação real da Groupon, pela ordem da folha. Cada descrição abaixo é sobre para que serve a coluna. Onde as nossas outras páginas de catálogo citam contagens de uma execução, esta não pode: nenhuma execução nossa chegou ao sítio.
status, o único campo com algo dentro - e o que trazia era o endereço de exemplo que enviámos.sku_code.http 404, nas duas linhas, de um endereço de exemplo que não existe. Reconcilie por esta coluna - e neste serviço trate-a como a primeira coisa a ler.Dezassete colunas por linha · CSV, JSON ou Excel
O resumo honesto desta tabela é que descreve uma forma, não um resultado. As dezassete colunas são reais - vêm do cabeçalho de uma exportação genuína e são idênticas byte a byte ao esquema que os nossos serviços de Uline, CDW, Waxie, Otto, Newegg, Decathlon, Menards e NapaOnline usam, por isso um importador escrito contra qualquer um deles aceitará um ficheiro da Groupon sem alterações. Mas nenhuma execução nossa chegou alguma vez a groupon.com: as duas linhas que temos são 404 contra um endereço de exemplo fictício. Não lhe podemos por isso dizer que colunas a Groupon preenche, como um preço de oferta é representado, nem se uma execução chega a resultar. Várias páginas irmãs deste sítio trazem dados de preço completos neste mesmo esquema, e deliberadamente não usámos nenhum dos seus números - um mercado de ofertas é um catálogo diferente de um distribuidor de embalagem, e ir buscar um número seria inventar provas.
Esta é a única página do catálogo onde o próximo passo óbvio é seu e não nosso. Submeta umas quantas páginas /deals/, leia status, e saberá o que nós não sabemos. A facturação segue as linhas devolvidas, por isso uma execução vazia não custa nada.
O robots.txt do sítio pede ao grupo geral que não rastreie /search, ao passo que os caminhos de oferta são permitidos. Acontece que isso é o contrário do exemplo de entrada registado no nosso próprio catálogo de serviços, por isso, se estava prestes a copiar esse exemplo, é este o parágrafo a ler duas vezes.
Se o que precisa são preços de retalho e não a Groupon em concreto, os nossos serviços de Best Buy, CDW e Uline devolveram colunas de dinheiro reais nas suas próprias execuções, e cada uma dessas páginas diz exactamente o que mediu.
A lista de colunas é estável em toda esta família de serviços. Escreva e teste o seu carregador hoje contra uma exportação irmã e aponte-o mais tarde à Groupon sem reescrever nada - o cabeçalho traz os mesmos dezassete nomes pela mesma ordem.
Uma única vez, ao registar-se. Sem cartão, e sem nada para cancelar depois.
Facturado pelas linhas efectivamente devolvidas, que é o que torna barato testar este serviço: se não voltar nada, nada é cobrado.
Os créditos não expiram num ciclo mensal, por isso nada se escoa enquanto decide se esta fonte merece um ensaio.
LIVESCRAPER10 no pagamento.Um URL de categoria devolveu 99 linhas com preço na nossa execução, no esquema idêntico e sem nada bloqueado - o exemplo funcional mais claro desta família.
Um catálogo de consumo onde um URL de colecção se abriu em 66 linhas, cada uma um tamanho e uma cor com o seu próprio estado de stock.
A outra página deste catálogo cujas execuções nunca saíram do endereço de exemplo - vale a pena ler ao lado desta, já que faz a mesma distinção.
O catálogo completo, com todos os outros retalhistas e mercados que cobrimos neste esquema.
Aqui nada foi recolhido, por isso para nós a pergunta é teórica. Para si não é, e o sítio publicou uma preferência declarada que vale a pena ler.
Preços, títulos de oferta e nomes de comerciantes num anúncio de acesso público são factos comerciais correntes, e lê-los a um ritmo comedido é o que um comprador faz à mão. Nada nas dezassete colunas descreve uma pessoa: nem nome, nem endereço de correio electrónico, nem telefone, nem conta. As fichas de oferta nomeiam, isso sim, negócios locais, que são empresas e não particulares - se pensa republicar dados do comerciante, isso é uma questão de licenciamento e não de scraping, e cabe-lhe a si respondê-la.
O que é próprio deste sítio é o seu robots.txt, que conseguimos ler: respondeu a um pedido comum com HTTP 200 em 12 de agosto de 2026. Lido com um analisador de grupos adequado, o grupo geral não traz exclusão geral - permite tudo e depois lista 118 regras concretas - mas uma dessas regras pede aos rastreadores que não busquem caminhos /search, enquanto os caminhos de oferta são permitidos. O exemplo de entrada registado no nosso próprio catálogo de serviços para este scraper é um URL de pesquisa, por isso assinalamos a divergência em vez de reproduzir o exemplo como recomendação. O mesmo ficheiro dá também exclusão geral a nove rastreadores nomeados de treino de IA e arquivo, e traz um sinal legível por máquina que acolhe a indexação de pesquisa e recusa o treino de IA. Reportamo-los como preferências declaradas do sítio.
As nossas condições são as mesmas de qualquer outro serviço aqui. Apenas páginas de acesso público, nada atrás de um início de sessão, sem rastreadores de terceiros na camada de dados, e as exportações são apagadas automaticamente ao fim de 30 dias. A facturação segue as linhas devolvidas, por isso uma execução que volta vazia não é um custo.
http 404 - que é o que um endereço fictício devolve. Não temos provas sobre este serviço em nenhuma direcção./search, e verificámo-lo com um analisador adequado: um URL de pesquisa está proibido para o grupo geral, enquanto um caminho /deals/ é permitido. Note que o exemplo de entrada registado no nosso próprio catálogo é um URL de pesquisa - é precisamente por isso que o assinalamos.price traz antes de calcular uma poupança. É uma cautela sobre como ler os dados, não uma afirmação sobre eles.Duas execuções, nenhuma contra a Groupon, e uma verificação directa que encontrou o sítio a responder normalmente. Submeta uns quantos URLs de oferta, leia a coluna de estado, e saberá mais do que esta página lhe consegue dizer - e uma execução vazia não factura nada.
A Groupon é um mercado de ofertas locais e descontos, e esta página é publicada num estado invulgar: não temos prova nenhuma sobre o serviço. A nossa pasta de exportação contém duas execuções e duas linhas, e ambas submeteram o mesmo endereço de exemplo fictício que aparece em toda esta família de exportações em vez de um URL da Groupon. Ambas devolveram um 404, que é o que um endereço fictício devolve. Ou seja, as execuções demonstram que o exportador funciona e nada demonstram sobre a Groupon. Podíamos ter descrito as dezassete colunas com a voz confiante das nossas outras páginas de catálogo e deixar o leitor supor; em vez disso, esta página abre a dizer que nenhum pedido nosso chegou alguma vez ao sítio.
Essa distinção é a razão de a página existir. Noutros pontos deste catálogo há dois serviços cujas execuções foram genuinamente recusadas: tentativas feitas a um URL real, repelidas, com carimbos temporais e um valor de estado a registá-lo. Essas páginas recomendam um desvio ou um substituto. Esta não pode, porque uma fonte por testar e uma fonte bloqueada são factos diferentes que levam a decisões diferentes. Juntá-las seria o gesto fácil e o desonesto. O que podemos acrescentar é uma verificação directa: em 12 de agosto de 2026 fomos nós próprios buscar o robots.txt da Groupon e uma página de pesquisa, com um user-agent de navegador, e ambos devolveram HTTP 200 - a página de pesquisa com cerca de 890 kilobytes, com ligações para ofertas e o termo pesquisado por todo o lado. Entretanto, o nosso próprio catálogo interno marca este scraper como precisando de um proxy residencial. Três fontes, sem acordo, todas reportadas aqui.
Vale a pena ler o robots.txt antes de planear um trabalho, porque contém uma instrução concreta que vai contra o ponto de partida óbvio. Analisado com um analisador de grupos adequado e não com um teste de prefixo, o grupo geral não traz exclusão geral nenhuma: permite tudo e depois lista cento e dezoito regras concretas. Uma dessas regras pede aos rastreadores que não busquem caminhos de pesquisa, e confirmámos o resultado nos dois sentidos - um URL de pesquisa está proibido para o grupo geral, enquanto um caminho de oferta é permitido. O exemplo de entrada registado no nosso próprio catálogo para este scraper acontece ser um URL de pesquisa, por isso quem copiar esse exemplo estará a começar precisamente pelo único caminho que o sítio pede ao grupo geral que evite. Aponte antes o trabalho para páginas de oferta. O mesmo ficheiro dá também exclusão geral a nove rastreadores nomeados de treino de IA e arquivo, e traz um sinal de conteúdo legível por máquina a declarar que a indexação de pesquisa é bem-vinda e o treino de IA não; são as preferências declaradas do sítio, e transmitimo-las em vez de as interpretar por si.
Por isso o conselho prático desta página é invulgarmente curto. Teste. A facturação segue as linhas efectivamente devolvidas, o que significa que uma execução que volta vazia não é um custo, e um punhado de URLs de oferta dir-lhe-á em cinco minutos o que nós não lhe conseguimos dizer de todo. Se a resposta for que funciona, tem uma fonte no mesmo esquema de dezassete colunas de tudo o resto aqui e um importador que já encaixa. Se não, não perdeu nada. E se o que precisa mesmo são preços de retalho e não a Groupon em concreto, as nossas páginas de Best Buy, CDW e Uline reportam cada uma contagens reais de execuções reais. Apenas páginas de acesso público, sem rastreadores de terceiros na camada de dados, as exportações são apagadas automaticamente ao fim de 30 dias, e as suas primeiras 500 linhas são grátis e sem cartão.