Parsing em Rust: mais rápido que Python e sem coletor de lixo

Por que Rust é o novo rei do parsing?

Se você já escreveu um parser em Python, conhece aquele momento: o script funciona, os dados são baixados, mas de repente — erro de memória, ou o coletor de lixo decide "descansar" no momento mais inoportuno. Familiar? Agora imagine que seu parser voa na velocidade de C, não consome memória extra e ainda é seguro. Bem-vindo ao mundo do parsing em Rust.

Rust não é apenas uma linguagem da moda. Para tarefas de raspagem de dados, ele oferece o que Python nunca conseguirá: controle total sobre a memória, custos zero com coletor de lixo e velocidade incrível. Além disso, o ecossistema para trabalhar com HTTP e HTML já está bastante maduro. Neste artigo, mostrarei como construir um parser real em Rust que você pode usar para monitoramento de preços, coleta de conteúdo ou análise de SEO.

O que vamos precisar: ferramentas Rust para parsing

Para web scraping em Rust, existem três pilares:

\n
• reqwest — cliente HTTP. Capaz de navegar em sites, suporta assincronia e proxies.
\n
• scraper (ou select.rs) — biblioteca para parsing de HTML. Permite usar seletores CSS.
\n
• tokio — runtime assíncrono. Sem ele, seu parser vai travar em cada requisição.
\n

Vamos criar um novo projeto e instalar as dependências:

cargo new rust_parser\ncd rust_parser\ncargo add reqwest --features json\ncargo add scraper tokio

Pronto. Agora temos tudo para escrever um parser em Rust em 10 minutos.

Primeiro parser: obtendo títulos do Habr

Vamos começar com algo simples: extrair os títulos dos artigos do Habr. Isso é um clássico, como um "Hello, World!" para raspagem em Rust.

use scraper::{Html, Selector};\nuse reqwest;\n\n#[tokio::main]\nasync fn main() -> Result<(), Box<dyn std::error::Error>> {\n    // 1. Enviar requisição GET\n    let resp = reqwest::get("https://habr.com/ru/articles/")\n        .await?\n        .text()\n        .await?;\n\n    // 2. Fazer parsing do HTML\n    let document = Html::parse_document(&resp);\n\n    // 3. Criar seletor para os títulos\n    let selector = Selector::parse("h2.article-title a").unwrap();\n\n    // 4. Iterar e exibir\n    for element in document.select(&selector) {\n        let title = element.text().collect::<Vec<_>>().join("");\n        println!("{}", title.trim());\n    }\n\n    Ok(())\n}

O que está acontecendo aqui? Usamos reqwest para a requisição assíncrona, scraper para analisar o HTML e o seletor CSS h2.article-title a para encontrar todos os links nos títulos. Execute cargo run — e vemos a lista de artigos. Rápido, não é?

Parsing assíncrono: baixando 100 páginas por segundo

A principal vantagem do parsing em Rust é a assincronia. Em Python, você usaria asyncio e aiohttp, mas Rust com tokio oferece ainda mais controle. Vamos extrair várias páginas em paralelo.

use scraper::{Html, Selector};\nuse reqwest;\nuse tokio::task;\n\nasync fn fetch_page(url: &str) -> Result<String, reqwest::Error> {\n    let resp = reqwest::get(url).await?.text().await?;\n    Ok(resp)\n}\n\nfn parse_titles(html: &str) -> Vec<String> {\n    let document = Html::parse_document(html);\n    let selector = Selector::parse("h2.article-title a").unwrap();\n    document\n        .select(&selector)\n        .map(|el| el.text().collect::<Vec<_>>().join("").trim().to_string())\n        .collect()\n}\n\n#[tokio::main]\nasync fn main() -> Result<(), Box<dyn std::error::Error>> {\n    let urls: Vec<String> = (1..=5)\n        .map(|i| format!("https://habr.com/ru/articles/page{}/", i))\n        .coll