Extrair e-mails

O endereço que volta errado e parece certo

Extrator de e-mail é um daqueles programas em que o defeito não aparece. Se ele deixasse endereço para trás, você notaria — a lista viria curta. O que acontece é pior: ele devolve um endereço menor do que o que estava lá. ana+lista@empresa.com.br vira lista@empresa.com.br, que tem cara de endereço, entra na planilha, entra na campanha e só se desmente no relatório de entrega, uma semana depois.

Isso não é suposição. As quatro ferramentas brasileiras que aparecem nessa busca foram abertas em 2026-08-09 e a expressão que cada uma usa foi lida no código delas — três estavam à vista no site, e a da primeira colocada estava dentro de um eval empacotado, que foi desempacotado para ser lido. As quatro moram no nosso repositório e são rodadas de novo a cada publicação desta página, que é de onde saem todos os números daqui.

A linha do nome com acento é a que mais dói em português: as quatro devolvem o.silva@empresa.com.br para joão.silva@empresa.com.br, comendo as três primeiras letras e entregando um endereço que existe como texto e não existe como caixa.

Os 19 sinais que o padrão permite antes do arroba

O RFC 5322 diz quais caracteres podem aparecer no nome do endereço, e além de letra e número são estes: ! # $ % & ' * + - / = ? ^ _ ` { | } ~. Testando um por um, dentro do mesmo endereço, cada uma das quatro devolve um endereço cortado na maioria deles — a pior delas em 17 dos 19, a melhor em 15. Em nenhum desses casos elas devolvem vazio: elas devolvem outra coisa.

Vale a honestidade: a maioria desses sinais é rara em endereço de gente. O + não é — é o apelido que o Gmail e quase todo provedor moderno usam para separar assinaturas —, e o acento também não, em português. O resto é raro e silencioso, que é a pior combinação possível: quando acontece, ninguém procura.

O final do endereço: 1.438 existem, e nem todo mundo lê todos

A lista de finais de endereço tem dono: a IANA publica tlds-alpha-by-domain.txt, com 1.438 entradas na versão lida em 2026-08-09 — 1.287 delas em letras comuns. Montamos um endereço com cada um desses 1.287 finais e passamos as cinco réguas. Não é amostra: é a lista inteira.

Os dois achados dessa varredura. A primeira colocada da busca come uma letra do final em 198 deles — o exemplo medido é contato@empresa.accenture voltando como contato@empresa.accentur. E uma das outras perde o endereço inteiro em 182 finais, todos os que passam de sete letras: .marketing, .international, .consulting e por aí.

Conferir o final contra essa lista também é o que faz esta ferramenta recusar vue@3.4.21 de um npm install, que três das quatro entregam como se fosse e-mail, e avisar sobre contato@empresa.con, que as quatro entregam calada. O que ela não faz é dizer se a caixa existe: final que existe não é domínio que existe, e domínio que existe não é caixa que recebe. Descobrir isso exige conversar com o servidor do outro lado, e nenhuma requisição desta página carrega o que você colou.

O que ela conserta — e conta que consertou

Quatro coisas quebram endereço em texto colado, e nenhuma das quatro concorrentes acha nada em nenhuma delas:

• O PDF partiu o endereço no meio, porque a coluna acabou: contato@empresa numa linha e .com.br na seguinte.
• A página escondeu o arroba para o robô não achar: “contato (arroba) empresa.com.br”, “contato [at] empresa [dot] com”.
• O endereço veio com espaço no meio, que é a mesma tentativa de esconder, escrita de outro jeito.
• Tem caractere invisível dentro — hífen suave do PDF, espaço de largura zero de página web. Você não vê nada e nada funciona.

Ela conserta os quatro e marca cada endereço remendado no relatório, porque remendo é palpite: quem vai mandar a mensagem precisa saber quais endereços a ferramenta montou em vez de ler. E existe um freio para os remendos que montam endereço — arroba escrita, ponto escrito, espaço no meio, linha quebrada: se o que saiu da montagem tem um final que não existe, é recusado em vez de publicado, com o motivo dito. O conserto de caractere invisível fica fora do freio de propósito: ali o endereço já estava no texto, só sujo, e um final errado nele ganha o mesmo aviso que ganharia limpo. O “at” solto do inglês — “visit us at empresa.com.br” — nem chega a ser tentado: só o “(at)” entre parênteses ou colchetes vale como arroba escrita.

Ponto no Gmail, apelido com + e a mesma caixa duas vezes

O Google diz na Central de Ajuda dele, na página “Pontos são irrelevantes nos endereços do Gmail”, que “se o remetente acrescentar pontos desnecessários ao seu endereço de e-mail, você receberá a mensagem mesmo assim”. Então ana.paula@gmail.com, anapaula@gmail.com e anapaula+loja@gmail.com são três linhas na sua lista e uma caixa só — três disparos, três cobranças, uma pessoa irritada. O relatório aponta isso.

A mesma página do Google faz a ressalva que a ferramenta respeita: em conta de empresa ou escola com domínio próprio, o ponto faz diferença. Por isso a regra vale só para gmail.com e googlemail.com — no seu domínio, duas grafias são dois endereços, e é assim que elas saem daqui.

Por que ela não desce tudo para minúscula sozinha

As quatro concorrentes descem, por padrão. O RFC 5321, que é a norma do SMTP, diz na seção 2.4 que o nome antes do arroba é sensível a maiúsculas e que só o servidor de destino sabe interpretá-lo; o domínio, esse segue as regras de DNS e não é. Aqui o domínio desce sempre — isso é seguro e resolve CONTATO@EMPRESA.COM.BR — e o nome só desce se você marcar a caixa. Na prática quase todo servidor trata igual; a diferença é que aqui isso é uma escolha sua e não um silêncio nosso.

Endereço com acento existe?

Existe, e o Brasil é um dos lugares onde ele aparece: o registro.br aceita domínio acentuado, e o padrão de e-mail internacionalizado (RFC 6531, o SMTPUTF8) permite letra fora do ASCII dos dois lados do arroba. Só que ele só chega se o servidor do outro lado falar esse padrão, e muitos ainda não falam. Esta ferramenta não corta esses endereços — devolve inteiros — e coloca o aviso ao lado, que é a única resposta honesta: o endereço é legítimo, e a entrega depende do outro lado.

Extraiu. E agora? A parte que a LGPD decide

Esta é a pergunta que quase nenhuma página dessa busca faz, e ela vale mais que a lista. Endereço de e-mail de pessoa física é dado pessoal. A LGPD tem uma dispensa que costuma ser citada — o art. 7º, § 4º: “É dispensada a exigência do consentimento previsto no caput deste artigo para os dados tornados manifestamente públicos pelo titular, resguardados os direitos do titular e os princípios previstos nesta Lei” — e é justamente o fim dessa frase que quase ninguém lê junto.

Dois artigos seguram o resto. O art. 7º, § 3º manda considerar “a finalidade, a boa-fé e o interesse público que justificaram sua disponibilização”: a prefeitura publicou o e-mail da ouvidoria para você falar com a ouvidoria, não para receber a sua promoção. E o art. 6º cobra finalidade — propósitos “legítimos, específicos, explícitos e informados ao titular” — e necessidade, o mínimo necessário. Uma lista raspada de páginas não passa nem no primeiro.

Uma medição de curiosidade que diz muito: o texto da LGPD no site do Planalto não escreve e-mail nenhuma vez — nem “email”, nem “correio eletrônico”, nem “endereço eletrônico”. Contamos. Quem procura no texto da lei a regra do disparo não acha, porque a regra não é sobre e-mail: é sobre dado pessoal, e o e-mail é um.

O uso tranquilo desta ferramenta é o do dia a dia: recuperar os endereços de um PDF de contatos que a sua empresa já tem, tirar as duplicatas de uma lista de inscritos, transformar o e-mail institucional de dez fornecedores numa linha de Cco. Montar base de disparo com endereço raspado da internet é outra coisa, e essa outra coisa tem lei.

O texto sai do meu computador?

Não. A extração inteira acontece dentro do seu navegador, enquanto você cola: não existe servidor recebendo o seu texto, não existe cadastro e nada fica guardado. Fechou a aba, acabou.

Isso não é obviedade nessa busca, e dá para conferir sem acreditar em nós. Na primeira colocada, o botão “Salvar” é o submit de um formulário que faz POST para um endereço no servidor deles — está escrito no action do formulário, à vista de quem abrir o código-fonte da página. Extrair, lá, é no navegador; salvar é mandar a sua lista para a máquina de outra pessoa. Aqui não há para onde mandar: abra o painel de rede do seu navegador e cole um texto — nenhuma requisição carrega o que você colou.

Ela extrai de um site inteiro?

Não, e é decisão. Esta ferramenta lê o texto que você cola — de um PDF, de uma planilha, de uma página que você abriu, de uma conversa. Sair varrendo sites atrás de endereço é outro programa, com outra conta a prestar, e é exatamente o que a seção acima está dizendo para você não fazer sem pensar.

E se eu quiser a lista limpa de outro jeito?

A saída já sai sem repetidos, em ordem alfabética se você marcar, e com o separador que a sua ferramenta de destino pede — uma por linha para planilha, vírgula ou ponto e vírgula para o campo Cco do cliente de e-mail. Se o que você tem já é uma lista de endereços e o problema é outro, o site tem a ferramenta certa: remover linhas duplicadas quando a lista repete, e ordem alfabética quando ela só precisa ser ordenada.