Lo scraping web è legale nel 2026? Cosa devono sapere gli scraper

Quali leggi possono applicarsi a un web scraper?

Fai cinque domande per ogni progetto:

1. Accesso. Hai superato un login, un paywall o un altro blocco? Le leggi su abuso informatico si concentrano sull'autorizzazione; le pagine pubbliche sono trattate diversamente da quelle protette.
2. Circumvention. Hai aggirato una misura tecnica, come un sistema anti-bot? Negli USA, la sezione 1201 del DMCA è ora testata contro scraper.
3. Contratto. Hai accettato i termini del sito, ad esempio creando un account? Violare i termini può essere una questione contrattuale anche se l'accesso è legale.
4. Contenuto. Stai copiando testi protetti, immagini o un database? Il copyright e, in UE, il diritto del database proteggono più dei fatti.
5. Persone. I dati identificano qualcuno? Allora si applicano le leggi sulla protezione dati, come il GDPR o le leggi statali USA sulla privacy, pubblici o no.

Qual è la posizione legale negli Stati Uniti?

• Computer Fraud and Abuse Act. Dopo la decisione della Corte Suprema in Van Buren (2021), il Ninth Circuit ha stabilito in hiQ v. LinkedIn (aprile 2022) che estrarre dati pubblicamente disponibili non è accesso "senza autorizzazione". Lo stesso caso si è concluso con la constatazione che hiQ ha violato l'accordo utente di LinkedIn, e una transazione.
• Termini d'uso. In Meta v. Bright Data (N.D. Cal., gennaio 2024), il tribunale ha stabilito che i termini di Meta non vietavano scraping di dati pubblici da utenti non loggati; Meta ha ritirato la causa. Le richieste di X Corp contro Bright Data sono state respinte a maggio 2024 e poi risolte.
• Anti-circumvention. Due casi del 2026 testano se superare un sistema anti-bot viola la sezione 1201 del DMCA. In Google v. SerpApi il primo reclamo è stato respinto a luglio 2026 e uno modificato è in attesa. In Reddit v. SerpApi, Oxylabs, AWMProxy e Perplexity, il 31 luglio 2026 il tribunale ha in gran parte respinto le mozioni di SerpApi e Perplexity; la mozione di Oxylabs era ancora pendente a ottobre 2026. Nessun imputato è stato ritenuto responsabile e i tribunali non si sono pronunciati sul merito.
• Copyright e AI. Nel settembre 2026 il Third Circuit ha stabilito in Thomson Reuters v. Ross che addestrare uno strumento di ricerca legale non generativo su note di Westlaw non era fair use.

Qual è la posizione legale in UE e Regno Unito?

• Text and data mining. La legge sul copyright UE permette il text and data mining di contenuti accessibili legalmente, salvo riserva esplicita del titolare, per contenuti online in formato leggibile da macchina. In Kneschke v. LAION (dicembre 2025), l'Alta Corte regionale di Amburgo ha stabilito che LAION, associazione di ricerca non commerciale, poteva avvalersi dell'eccezione scientifica per TDM e che una riserva in linguaggio semplice non era leggibile da macchina con la tecnologia del 2021. Ha detto che ciò potrebbe cambiare con l'evoluzione tecnologica, e ha permesso un ulteriore ricorso alla Corte federale di giustizia (BGH). I crawler commerciali dovrebbero considerare vincolanti le riserve in linguaggio semplice nei termini d'uso oggi.
• AI Act. I provider di modelli AI generici devono avere una politica per identificare e rispettare tali riserve (Articolo 53). Il codice di condotta 2025 impegna i firmatari a crawler che seguono robots.txt.
• Diritto dei database. Il diritto sui database sui generis UE protegge un investimento sostanziale in un database. La Corte di Giustizia ha stabilito in CV-Online Latvia v. Melons (2021) che il riutilizzo del database può violarlo se danneggia l'investimento.
• Dati personali. Il GDPR si applica ai dati personali pubblici. Il parere 28/2024 dell'EDPB dice che l'interesse legittimo può essere una base giuridica per sviluppo AI, caso per caso; la CNIL ha emesso raccomandazioni sullo scraping per AI nel giugno 2025.
• Regno Unito. In Getty Images v. Stability AI (novembre 2025), l'Alta Corte ha respinto la richiesta secondaria di copyright sul modello; Getty ha ottenuto il permesso di fare appello.

Come posso ridurre il rischio legale di un progetto di scraping?

• Solo pagine pubbliche. Niente login, niente paywall, nessun account che non possiedi.
• Rispetta robots.txt e opt-out per AI. Applica RFC 9309, onora i segnali ai-train=no per i dati di addestramento, e registra cosa hai controllato e quando.
• Non eludere. Niente risoluzione CAPTCHA, niente strumenti creati per bypassare il rilevamento bot, niente ritentativi per superare un rifiuto. Vedi come rispondere a 403, 429 e CAPTCHA.
• Leggi i termini dei siti da cui dipendi, soprattutto se hai un account.
• Minimizza i dati personali, documenta la tua base legale e mantieni un modo per rispettare le opposizioni.
• Usa quanto raccogli in modo equo: fatti e analisi sono più sicuri che ripubblicare testi o immagini interi.
• Tieni traccia: URL, date, versioni robots.txt e l'identità del tuo crawler.

Per qualsiasi attività con reale esposizione, consulta un avvocato nei paesi coinvolti.

L’utilizzo di un proxy cambia la legalità dello scraping?

No. Un proxy cambia da dove sembra provenire la tua richiesta; non cambia cosa raccogli o come. Le stesse cinque domande valgono con o senza. Cambiano due cose. Primo, le regole del tuo provider di proxy: la Acceptable Use Policy di CrawlRelay permette solo dati pubblici e vieta l’elusione e le frodi. Secondo, l’origine degli IP del provider: nel 2026 Google e le autorità USA hanno smantellato le reti IPIDEA e NetNut per dispositivi reclutati senza consenso adeguato, quindi chiedi da dove provengono gli IP del provider. I nostri sono spiegati nella pagina sourcing.