Vou raspar sites e documentos em dados limpos em markdown para llm e rag

Precisa transformar um site ou documentação em dados limpos e estruturados? É isso que eu faço.

Construo scrapers personalizados em Python que percorrem um site e transformam cada página em Markdown, CSV ou JSON limpo, com metadados, um manifesto e um relatório de cobertura, para você saber exatamente o que foi capturado. Ideal para datasets de LLM e RAG, bases de conhecimento, pesquisas e migrações.

O que você recebe:

- Dados limpos e estruturados no formato de sua preferência

- Deduplicação + relatório de cobertura (sem lixo, sem páginas faltantes)

- Sites renderizados com JavaScript tratados com Playwright, não apenas HTML estático

- Dados que eu mesmo executo e verifico antes de entregar

Como eu trabalho, de forma honesta:

- Respeito robots.txt, limites de taxa e termos do site

- Sem burlar anti-bot ou CAPTCHA. Se um site estiver protegido, te aviso antes de você fazer o pedido

- Scrapers dependem da estrutura atual do site; mudanças futuras são uma tarefa separada

Quer o código fonte ou atualizações recorrentes de dados? Ambos estão disponíveis como extras.

Me envie uma mensagem com o site e os dados que precisa, e te direi honestamente se é uma combinação adequada e como eu abordaria.