Seletor CSS
A sintaxe de padrões inventada para estilizar páginas, emprestada pelos scrapers como o jeito do dia a dia de selecionar os elementos que valem a pena extrair.
Selectors were invented so stylesheets could say which elements a rule paints, and scraping simply borrowed the language: the same pattern that styles every price tag can select every price tag. The vocabulary is compact. A bare name matches a tag, .price matches by class, #main by id, [data-sku] by attribute presence and [data-sku='X17'] by attribute value; a space between parts means descendant, a right angle bracket means direct child, and :nth-child() picks by position.
A onipresença é o argumento prático. Todo interpretador, framework e API de navegador fala essa sintaxe, todo desenvolvedor já a conhece pela metade do trabalho com estilos, e para a esmagadora parcela da extração, pegue os cartões, o título dentro de cada um, o href do link, ela é a frase correta mais curta. O código de scraping escrito nela se lê como a estrutura da página que endereça.
Os limites são estruturais, e conhecê-los economiza a tarde. Os seletores clássicos apontam estritamente para baixo: você seleciona descendentes de coisas, nunca pais de coisas, e eles não enxergam texto nenhum, então o elemento que contém as palavras Esgotado é inalcançável pelas palavras. A pseudoclasse :has() começou a mudar o primeiro limite nos navegadores, e o suporte nas bibliotecas de scraping é desigual o bastante para que um código portátil ainda trate a seleção para cima como território do XPath. Essas duas lacunas, texto e travessia, marcam exatamente onde a outra linguagem começa a se justificar.
A armadilha moderna está nas próprias classes, bem mais que na sintaxe. As ferramentas de build as geram cada vez mais: frameworks utilitários compõem o estilo a partir de dezenas de classes minúsculas, e o CSS-in-JS emite nomes com hash como css-1x2y3z que mudam a cada deploy. Um seletor ancorado em classes geradas está ancorado em um artefato de build, e apodrece no próximo lançamento do site sem nenhuma mudança visível de layout. Seletores duráveis se ancoram no que sobrevive às recompilações: tags semânticas, ids, atributos aria e os atributos data- que as equipes acrescentam justamente porque os próprios testes precisam de ganchos estáveis.
So the craft, as with all pointing, is choosing anchors by meaning. A selector like [data-testid='price'] outlives one like div.sc-bZQynM span:nth-child(2) by years, and the difference was never cleverness, only choosing the part of the page its own developers promised not to shuffle.
Perguntas frequentes
Quais seletores CSS devo conhecer para o scraping?
A working handful covers most extraction: tag, .class and #id for the basics, [attribute] and [attribute='value'] for the precise anchors, the space and the right angle bracket for descendant and child nesting, and :nth-child() for positional picks. That small set, composed, expresses nearly every everyday extraction; the exotic pseudo-classes rarely earn their keep in scraping code.
Por que meus seletores quebram se o site não mudou?
Porque os nomes de classe eram artefatos de build, sem relação com o design. O CSS-in-JS e os pipelines utilitários geram nomes de classe com hash ou compostos que mudam a cada deploy enquanto o layout renderizado fica idêntico, então um seletor ancorado neles morre de forma invisível. Ancore de novo em ganchos estáveis, ids, estrutura semântica, rótulos aria ou atributos data-, e a mesma página para de derrubar os seus seletores a cada lançamento.
Um seletor CSS consegue encontrar um elemento pelo texto?
Na sintaxe padrão, não; os seletores enxergam estrutura e atributos, sem ver o conteúdo. Quando a única âncora confiável são as palavras visíveis, esse é o caso de manual para uma comparação text() no XPath, ou para selecionar um conjunto mais amplo com CSS e filtrar pelo texto no seu próprio código. Escolher por extração é melhor que ser fiel a qualquer uma das linguagens.
Os seletores CSS são mais rápidos que o XPath?
Um pouco, às vezes, e quase nunca onde o seu tempo vai. Os motores modernos avaliam os dois rapidamente, e a transferência de rede, a renderização e a interpretação superam em muito a avaliação de seletores em qualquer pipeline real. Escolha pela capacidade e pela durabilidade, a linguagem que deixa você se ancorar em algo que o site não vai embaralhar, e deixe as diferenças de desempenho como curiosidade.
Voltar ao glossário completo.

