Como um agregador sabe em qual streaming cada filme está agora?

Um agregador sabe em qual streaming cada filme está porque cruza, várias vezes por dia, três coisas: um identificador único para cada obra, os catálogos de cada plataforma em cada país e uma camada de regras que resolve conflitos entre fontes. Nenhuma plataforma entrega essa informação pronta e padronizada; o trabalho do agregador é transformar dados bagunçados em uma resposta confiável.
$ ls ./neste-artigo
- Etapa 1: dar a cada filme uma identidade que não muda
- Etapa 2: coletar o catálogo de cada plataforma, por país
- Etapa 3: casar o que chega com o que já existe
- Etapa 4: atualizar sem quebrar o que estava certo
- Etapa 5: organizar para o usuário encontrar
- Onde os agregadores ainda erram, e como lidam com isso
- O que copiar se você vai construir algo parecido
Para quem desenvolve, o problema é interessante porque mistura engenharia de dados, normalização de texto e uma pitada de investigação. A seguir, o pipeline completo, etapa por etapa, com os pontos onde ele costuma quebrar.
Etapa 1: dar a cada filme uma identidade que não muda
O primeiro passo de um agregador é atribuir a cada obra um identificador estável, porque título sozinho não serve como chave.
Existem dezenas de filmes chamados “Duna”, “Batman” ou “Aprisionados”, e o mesmo filme muda de nome entre países (o título original, o brasileiro, o português de Portugal). Por isso, o catálogo interno usa IDs de bases de referência. Os mais comuns são os da comunidade The Movie Database (TMDB), cuja API expõe filmes, séries, temporadas, episódios, pessoas e créditos, e os do IMDb. Na indústria audiovisual, o registro EIDR cumpre papel parecido, com identificadores universais para obras e versões.
Séries pedem um nível a mais. Uma série tem temporadas, e cada temporada tem episódios, e a disponibilidade pode variar por temporada: a quinta pode estar num serviço e as quatro primeiras em outro. Uma página de temporada com lista de episódios mostra bem essa hierarquia: série, temporada e episódio, cada um com sua própria entrada.
Etapa 2: coletar o catálogo de cada plataforma, por país
A coleta traz, para cada serviço e cada território, a lista de títulos disponíveis e o tipo de oferta de cada um.
O território é parte da chave. Um mesmo filme tem disponibilidades diferentes no Brasil, em Portugal e nos Estados Unidos, porque os direitos são negociados por região. Os dados costumam usar o código de país ISO 3166 (BR, PT, US) e separar o tipo de oferta, algo como:
- assinatura (incluído no plano mensal);
- aluguel (pagamento por título, com prazo);
- compra (licença permanente na loja);
- grátis com anúncios (serviços sem mensalidade);
- cinema (sessões em salas, quando o agregador inclui exibidores).
As fontes variam: feeds oficiais de parceiros, APIs de terceiros, leitura das páginas públicas de cada serviço e, em alguns casos, informação enviada pelos próprios usuários. Cada fonte tem frequência e confiabilidade próprias, e o sistema precisa registrar de onde veio cada dado.

Etapa 3: casar o que chega com o que já existe
O casamento de registros (matching) é a etapa mais difícil, porque cada plataforma descreve o mesmo filme de um jeito.
Quando o serviço informa um ID de referência, o casamento é direto. Quando não informa, o sistema compara título normalizado (sem acento, sem artigo, em minúsculas), ano de lançamento, duração, diretor e elenco principal, e calcula uma pontuação de semelhança. Acima de um limiar, casa automaticamente; numa faixa intermediária, vai para revisão humana.
Regra de ouro do casamento: na dúvida, não junte. Duas páginas para o mesmo filme incomodam; um filme exibido com a disponibilidade de outro engana o usuário.
Os erros típicos são previsíveis: remakes com o mesmo título e anos próximos, versões estendidas tratadas como obras separadas, séries com temporadas renumeradas e filmes brasileiros cadastrados com o título estrangeiro de distribuição. Um bom pipeline guarda uma lista de exceções, porque o mesmo conflito tende a voltar a cada atualização.
Etapa 4: atualizar sem quebrar o que estava certo
A atualização compara o retrato novo de cada catálogo com o anterior e registra o que entrou, o que saiu e o que mudou de preço ou tipo de oferta.
- Coleta incremental: buscar só o que mudou, quando a fonte permite, para economizar requisições.
- Diferença (diff): calcular entradas e saídas por plataforma e país.
- Quarentena de remoções: confirmar uma saída em duas coletas seguidas antes de tirar o título do ar, para não apagar disponibilidade por falha temporária da fonte.
- Datas de saída anunciadas: quando a plataforma informa “disponível até”, guardar a data e programar a remoção.
- Registro histórico: manter o histórico de disponibilidade, útil para estatística e para detectar padrões de licenciamento.
A quarentena de remoções é o detalhe que mais diferencia um agregador confiável. Sem ela, uma instabilidade de 20 minutos numa plataforma pode “esvaziar” o catálogo inteiro daquele serviço no site.
Etapa 5: organizar para o usuário encontrar
Com os dados limpos, o agregador monta as visões que o público usa: busca por título, páginas por plataforma, páginas de pessoas e listas por gênero.
Busca que entende erro de digitação
Aqui entram índices de busca tolerantes a erro de digitação, sinônimos (o título original e o brasileiro levam à mesma página) e filtros por tipo de oferta. Também entram as navegações por tipo de obra, como a seção de onde assistir séries, que precisa lidar com temporadas espalhadas por serviços diferentes.
Recomendação é outra camada
É também onde a recomendação entra, mas ela é um problema separado. O algoritmo que sugere seu próximo filme usa histórico e similaridade; o dado de disponibilidade só filtra o que o usuário consegue assistir de fato.
Onde os agregadores ainda erram, e como lidam com isso
Agregadores erram principalmente por atraso de atualização, título ausente na base e conflito entre fontes, e os bons expõem esses limites em vez de escondê-los.
| Falha | Por que acontece | Mitigação comum |
|---|---|---|
| Título aparece num serviço onde já saiu | Coleta mais lenta que a remoção | Datas de saída anunciadas e coleta mais frequente |
| Filme não aparece na busca | Obra ausente da base de referência | Formulário para o usuário pedir inclusão |
| Duas páginas para o mesmo filme | Casamento falhou por título ou ano divergente | Fila de revisão e mesclagem manual |
| Preço de aluguel desatualizado | Promoções curtas das lojas | Atualização de preço separada da de catálogo |
O WatchCine, por exemplo, exibe na página o aviso de que a disponibilidade dos títulos pode mudar e oferece um canal para o usuário pedir a inclusão de um filme ausente. Os dois recursos são a confissão honesta de um limite técnico real: o catálogo é um alvo em movimento.
O que copiar se você vai construir algo parecido
Para quem está começando um projeto de “onde assistir”, a recomendação é investir primeiro em identidade e quarentena, e só depois em interface.
Escolha uma base de IDs de referência e nunca use título como chave. Trate país e tipo de oferta como parte da chave de disponibilidade. Confirme remoções em duas coletas. Guarde a origem de cada dado. E dê ao usuário um jeito de avisar o que está faltando, porque ele percebe a lacuna antes do seu monitoramento. O WatchCine segue esse desenho ao cruzar dezenas de plataformas brasileiras, de grandes serviços a lojas de aluguel e redes de cinema, numa única busca.




