juliopreuss.com Blog

Proteção contra cópia de conteúdo de blogs

Assisti hoje a uma discussão sobre o uso de ferramentas para reproduzir posts de um conjunto de blogs em um outro, automaticamente. A intenção nem era fazer blog scraping, a abominável prática de roubar conteúdo alheio para aumentar a relevância de seu site, mas agregar posts de vários blogs “irmãos” sob uma única home. Vão testar o RSStoBlog, um programa vendido num site pra lá de tosco, para ver se resolve. Depois eu conto o resultado.

Mas o assunto me lembrou um selo que observei dias atrás num blog americano: “Page protected by Copyscape. Do not copy”. Tratei de pesquisar o tal de Copyscape e descobri que é uma ferramenta de busca de conteúdo plagiado. Você fornece a URL do seu site e ele faz uma busca pelo seu texto, dedurando os possíveis plagiadores. O serviço gratuito é limitado a 20 buscas por mês e retorna apenas quatro resultados para cada, mas já dá para ver como funciona.

Testei com este blog mesmo e os resultados de fato eram cópias do meu conteúdo. Duas oficiais, nos sites de onde reproduzo minhas próprias colunas, e duas cópias indevidas desses mesmos sites. Na versão paga (US$ 0,05 por busca, comprados em créditos pré-pagos), dá para automatizar as buscas, receber alertas de cópia e manter um registro das providências tomadas em cada caso.

Só que o serviço, na verdade, não previne nada – apenas ajuda a descobrir as cópias, coisa que se pode fazer direto no Google, com um pouco mais de trabalho. O efeito preventivo somente existirá se os banners tiverem alguma influência psicológica/moral sobre o copiador em potencial. Será que alguém deixa de plagiar um site só por causa de um aviso desses, ou isso não assusta ninguém?

Os sites de notícias sabem usar RSS?

O International Center for Media and the public Agenda fez um estudo sobre a oferta de RSS de quase 20 sites jornalísticos internacionais. Confira a pontuação de cada um deles em quatro quesitos e uma análise dos resultados do trabalho.

O maior problema parece ter sido o envio apenas de conteúdo produzido pela equipe do próprio site, mas não o originado em agências de notícias. Deve ser por questões contratuais, mas eu insisto no argumento que já usei em algumas negociações: se o RSS é um arquivo XML publicado no mesmo lugar que as páginas “comuns” de um site, não há, tecnicamente, “envio” de conteúdo. É o agregador que vai lá buscar uma página web e entrega pro usuário, como se fosse um browser. Não vejo porque quererem licenciar isso em separado.

Em tempo: acho que os maiores erros de implementação de RSS são a falta de um XLST que torne os XMLs “human-readable”, deixando exposto aquele código que dá ao usuário iniciante a sensação de que o site “deu erro”; e os links dos selinhos “XML” para um índice geral de feeds com a explicação do recurso, e não para o feed em questão.