Google Maps Scraper en GitHub: qué funciona y qué se rompe en 2026

Hay aproximadamente en GitHub que coinciden con "google maps scraper". La mayoría están rotos.

Suena dramático, pero si has pasado tiempo clonando repos, peleándote con dependencias de Playwright y viendo cómo tu scraper devuelve CSV vacíos a las 2 de la madrugada, ya sabes de qué va la cosa. Google Maps tiene en todo el mundo: es una de las bases de datos locales más ricas del planeta. Como es lógico, desde equipos de ventas hasta dueños de agencias quieren extraer esos datos. El problema es que Google cambia la interfaz de Maps cada pocas semanas o meses, y cada cambio puede romper en silencio el scraper que acabas de dedicar una hora a configurar. Como dijo un usuario de GitHub en un issue de marzo de 2026: la herramienta No es un caso raro. Es el flujo principal fallando. Este año he estado siguiendo estos repos de cerca, y la distancia entre "parece activo en GitHub" y "de verdad devuelve datos hoy" es mayor de lo que mucha gente espera. Esta guía es mi intento honesto de separar la señal del ruido: qué repos funcionan, cuáles se rompen, cuándo conviene saltarse GitHub por completo y qué hacer después de extraer tus datos.

¿Qué es un Google Maps Scraper en GitHub y por qué lo usa la gente?

Un Google Maps scraper en GitHub suele ser un script en Python o Go, a veces envuelto en Docker, que abre Google Maps en un navegador sin interfaz, ejecuta una búsqueda como "dentistas en Chicago" y extrae los datos de los negocios que aparecen: nombres, direcciones, teléfonos, sitios web, valoraciones, número de reseñas, categorías, horarios y, a veces, coordenadas de latitud y longitud.

GitHub es el hogar por defecto de estas herramientas porque el código es gratis, open source y, en teoría, personalizable. Puedes hacer un fork de un repo, ajustar los parámetros de búsqueda, añadir tu propia lógica de proxies y exportar al formato que necesites.

Los campos de datos típicos que la gente quiere extraer son estos:

¿Quién los usa? Equipos de ventas que crean listas de leads para outbound. Profesionales inmobiliarios que mapean mercados locales. Equipos de ecommerce que hacen análisis de la competencia. Marketers que realizan auditorías de SEO local. El hilo conductor: todos necesitan datos estructurados de negocios locales y prefieren no tener que copiarlos uno por uno desde un navegador.

Por qué los equipos de ventas y operaciones buscan repos de Google Maps Scraper en GitHub

Google Maps resulta atractivo por una razón simple: es donde realmente vive la información de los negocios locales. No en un directorio de nicho. No detrás de un muro de pago. Ahí mismo, en los resultados de búsqueda.

El valor para el negocio se divide en tres grandes áreas.

Generación de leads y prospección

Esta es la principal. Un fundador que creó un scraper de Google Maps para freelancers y agencias sin rodeos: encontrar leads en ciudades y nichos concretos, recopilar información de contacto para cold outreach y generar CSV con nombre, dirección, teléfono, web, valoraciones, número de reseñas, categoría, horarios, correos y perfiles sociales. Uno de los repos más activos (gosom/google-maps-scraper) literalmente les dice a los usuarios que pueden pedirle a su agente: Eso no es un caso de uso de hobbyista; es un embudo de ventas.

Investigación de mercado y análisis competitivo

Los equipos de operaciones y estrategia usan datos extraídos de Maps para contar competidores por barrio, analizar el sentimiento de las reseñas y detectar huecos. Un profesional de SEO local en un único nicho extrayendo datos públicos de Google Maps. Ese tipo de análisis es casi imposible de hacer manualmente a gran escala.

Auditorías de SEO local y creación de directorios

Los marketers extraen datos de Google Maps para auditar la presencia en búsquedas locales, comprobar la coherencia del NAP (Name, Address, Phone) y crear sitios web tipo directorio. Un usuario a WordPress con WP All Import.

La matemática del trabajo que hace tentadora la extracción

La recopilación manual no es gratis solo porque se haga dentro de una ventana del navegador. Upwork sitúa a los asistentes virtuales de entrada de datos administrativos en . Si una persona tarda 1 minuto por negocio en capturar lo básico, 1.000 negocios consumen unas 16,7 horas, es decir, aproximadamente $200–$334 en mano de obra antes del control de calidad. A 2 minutos por negocio, la misma lista cuesta $400–$668. Ese es el verdadero punto de referencia contra el que compite cada "scraper gratuito de GitHub".

Google Maps API vs. repos de GitHub vs. herramientas sin código: un árbol de decisión para 2026

Elige tu camino antes de clonar nada. El volumen, el presupuesto, las habilidades técnicas y la tolerancia al mantenimiento importan aquí.

Cuándo tiene sentido Google Places API

Para consultas de volumen pequeño o medio, cuando necesitas licencia oficial y facturación predecible, la API es la opción obvia. El de Google sustituyó el crédito mensual universal por topes gratuitos por SKU: para muchos SKUs Essentials, 5.000 para Pro y 1.000 para Enterprise. Después de eso, Text Search Pro cuesta y Place Details Enterprise + Atmosphere cuesta $5 por cada 1.000.

La mayor limitación: las reseñas. La API devuelve un . Si necesitas la superficie completa de reseñas, la API no basta.

Cuándo tiene sentido un scraper de GitHub

Descubrimiento masivo por palabra clave + geografía, datos visibles en navegador más allá de los campos de la API, texto completo de reseñas, lógica de parsing personalizada: si necesitas cualquiera de estas cosas y tienes habilidades de Python/Docker para mantener un scraper, los repos de GitHub son la elección adecuada. La contrapartida es que "gratis" traslada la factura al tiempo, los proxies, los reintentos y las roturas. Solo los costes de proxy pueden acumularse: , y .

Cuándo tiene sentido una herramienta sin código como Thunderbit

¿Tu equipo no es técnico? ¿La prioridad es llevar los datos rápidamente a Sheets, Airtable, Notion o CSV? Una herramienta sin código se salta toda la configuración de Python/Docker/proxies. Con , instalas la extensión de Chrome, abres Google Maps, haces clic en "AI Suggest Fields" y luego en "Scrape", y . El modo de scraping en la nube gestiona automáticamente las protecciones anti-bot y sin configurar proxies.

Flujo de decisión simple: si necesitas <500 negocios y tienes presupuesto → API. Si necesitas miles y sabes Python → repo de GitHub. Si necesitas datos rápido y sin configuración técnica → herramienta sin código.

Auditoría de frescura 2026: ¿qué repos de Google Maps Scraper en GitHub funcionan de verdad hoy?

Esta es la sección que me habría gustado tener cuando empecé a investigar. La mayoría de los artículos de "mejores Google Maps scraper" solo listan repos con descripciones de una línea y recuentos de estrellas. Ninguno te dice si la herramienta realmente devuelve datos este mes.

Cómo saber si un repo de Google Maps Scraper en GitHub sigue vivo

Antes de clonar nada, aplica esta lista:

• Push reciente de código: busca un commit real en los últimos 3–6 meses (no solo comentarios en issues).
• Salud de issues: lee los 3 issues actualizados más recientemente. ¿Hablan de fallos principales (campos vacíos, errores de selectores, caídas del navegador) o de peticiones de funciones?
• Calidad del README: ¿documenta la pila actual del navegador, la configuración de Docker y la de proxies?
• Frases de alerta en issues: busca "search box", "reviews_count = 0", "driver", "Target page", "selector", "empty".
• Actividad de forks y PRs: los forks activos y los PR fusionados sugieren una comunidad viva.

¿No hay actividad reciente de código, hay bugs principales sin resolver y tampoco guía sobre proxies o mantenimiento del navegador? Entonces ese repo probablemente no está lo bastante vivo para uso empresarial, aunque el número de estrellas parezca impresionante.

Repos de Google Maps Scraper en GitHub revisados

He evaluado los repos con más estrellas siguiendo la metodología anterior. Aquí está la tabla resumen, seguida de notas individuales.

gosom/google-maps-scraper

Actualmente es la opción open source generalista más sólida del grupo. El README es inusualmente maduro: CLI, interfaz web, API REST, instrucciones de Docker, configuración de proxies, modo de cuadrícula/caja delimitadora, extracción de correos y múltiples destinos de exportación. Afirma y documenta explícitamente los proxies porque "for larger scraping jobs, proxies help avoid rate limiting."

La desventaja no es abandono, sino deriva de exactitud en campos periféricos. Issues recientes de 2026 muestran , y . Así que es fiable para extraer fichas de negocio, pero más inestable para datos ricos de reseñas y horarios hasta que lleguen los arreglos.

omkarcloud/google-maps-scraper

Muy visible gracias a su recuento de estrellas y su larga trayectoria, pero se parece menos a un OSS transparente y más a un producto extractor empaquetado: canales de soporte, instaladores de escritorio, ventas adicionales de enriquecimiento. Un usuario de abril de 2026 dijo que la app se abría y luego inundaba la terminal con errores hasta quedarse colgada. Otro issue abierto se queja de que la herramienta es No está muerto, pero tampoco es la respuesta más limpia para lectores que quieran OSS inspeccionable y que puedan parchear con confianza por sí mismos.

gaspa93/googlemaps-scraper

No es un scraper generalista para búsquedas masivas de leads. Es un centrado que parte de una URL específica de reseñas de un POI de Google Maps y recupera reseñas recientes, con opciones para extraer metadatos y ordenar reseñas. Ese alcance más estrecho es, de hecho, una fortaleza para ciertos flujos de trabajo, pero no resuelve el problema principal de descubrimiento por consulta que tienen en mente la mayoría de usuarios empresariales.

conor-is-my-name/google-maps-scraper

Tiene la mentalidad correcta para los equipos de operaciones modernos: instalación priorizando Docker, API JSON, campos útiles para negocio y visibilidad en . Pero el issue de marzo de 2026 es un ejemplo perfecto de por qué esta categoría es frágil: un usuario actualizó el contenedor y la salida indicó que el scraper Eso es un fallo del flujo principal, no un detalle estético.

Zubdata/Google-Maps-Scraper

En teoría, el conjunto de campos es amplio: correo, reseñas, valoraciones, dirección, web, teléfono, categoría, horarios. En la práctica, la superficie pública de issues cuenta otra historia: usuarios informan , y . Sumado al historial de pushes más antiguo, cuesta recomendarlo para uso en 2026.

patxijuaristi/google_maps_scraper

Es fácil encontrarlo en la búsqueda de GitHub, pero la señal pública más fuerte es un más que un mantenimiento activo. Aparece en este artículo sobre todo como ejemplo de lo que significa "parece vivo en la búsqueda pero es arriesgado en la práctica".

Paso a paso: cómo configurar un Google Maps Scraper desde GitHub

¿Ya decidiste que un repo de GitHub es el camino correcto? Así es como se ve la configuración en realidad. Lo mantengo general y no específico de un repo, porque los pasos son sorprendentemente parecidos entre las opciones activas.

Paso 1: clona el repositorio e instala las dependencias

El camino habitual:

1. git clone del repo
2. Crear un entorno virtual de Python (o descargar una imagen de Docker)
3. Instalar dependencias con pip install -r requirements.txt o docker-compose up
4. A veces instalar un runtime de navegador (Chromium para Playwright, ChromeDriver para Selenium)

Los repos que priorizan Docker, como y , reducen los dolores de cabeza con dependencias pero no los eliminan: seguirás necesitando Docker en ejecución y suficiente espacio en disco para las imágenes del navegador.

Paso 2: configura tus parámetros de búsqueda

La mayoría de los scrapers generalistas quieren:

• Palabra clave + ubicación (por ejemplo, "fontaneros en Austin TX")
• Límite de resultados (cuántas fichas extraer)
• Formato de salida (CSV, JSON, base de datos)
• A veces cajas delimitadoras geográficas o radio para descubrimiento basado en cuadrícula

Los repos más sólidos exponen esto mediante flags de CLI o cuerpos de solicitud JSON. Los repos antiguos pueden requerir editar directamente un archivo Python.

Paso 3: configura proxies (si hace falta)

¿Vas más allá de una pequeña prueba? Entonces necesitarás proxies. y presenta explícitamente los proxies como la solución estándar para trabajos grandes. Sin ellos, espera CAPTCHAs o bloqueos de IP tras unas pocas docenas de solicitudes.

Paso 4: ejecuta el scraper y exporta tus datos

Ejecuta el script, observa cómo el navegador recorre las tarjetas de resultados y espera la salida CSV o JSON. El camino feliz tarda minutos. El camino infeliz —que es más común de lo que nadie admite— implica:

• El navegador se cierra inesperadamente
• Desajuste de versión de Chrome driver
• Fallo de selector o de search box
• Vuelven vacíos los conteos de reseñas o los horarios

Los cuatro patrones aparecen en .

Paso 5: gestiona errores y roturas

Cuando el scraper devuelve resultados vacíos o errores:

1. Revisa los issues de GitHub del repo buscando informes similares
2. Busca cambios en la interfaz de Google Maps (nuevos selectores, estructura de página distinta)
3. Actualiza el repo al commit más reciente
4. Si el mantenedor no lo ha arreglado, revisa forks en busca de parches de la comunidad
5. Valora si el tiempo de depuración compensa frente a cambiar de herramienta

Tiempo realista de configuración por primera vez: para alguien que se maneja con terminal pero que todavía no tiene un entorno funcional de Playwright/Docker/proxies, el rango realista hasta la primera extracción exitosa es de 30 a 90 minutos. No cinco minutos.

Cómo evitar bloqueos y límites de tasa al extraer Google Maps

No existe un umbral publicado de Google Maps que diga "serás bloqueado a X solicitudes". Google lo mantiene deliberadamente opaco. Algunos usuarios reportan CAPTCHAs después de unas en configuraciones de Playwright basadas en servidor. Otro usuario afirmó haber alcanzado en un scraper de Maps creado por una empresa. Los umbrales no son altos ni bajos. Son inestables y dependen del contexto.

Aquí tienes una tabla de estrategia práctica:

Añade retrasos aleatorios entre solicitudes

Los intervalos fijos de 1 segundo son una señal de alerta. Usa jitter aleatorio: entre 2 y 5 segundos entre acciones, con pausas más largas de vez en cuando. Es lo más fácil que puedes hacer y no cuesta nada.

Rota proxies (residenciales vs. datacenter)

Los proxies residenciales son más eficaces porque parecen usuarios reales, pero también son más caros. Precios actuales: , , . Los proxies de datacenter funcionan para scraping más ligero, pero se detectan más rápido en propiedades de Google.

Aleatoriza las huellas del navegador

Para scrapers de navegador sin interfaz: rota user agents, tamaños de viewport y otras señales de huella. Las configuraciones por defecto de Playwright/Puppeteer se detectan con facilidad. Esto es más difícil de implementar, pero gratis y muy eficaz.

Usa scraping basado en la nube para descargar el problema

Herramientas como gestionan automáticamente las protecciones anti-bot, la rotación de IP y los límites de tasa mediante infraestructura de scraping en la nube. Thunderbit en modo cloud, sin configurar proxies ni retrasos. Para equipos que no quieren convertirse en ingenieros anti-bot a tiempo parcial, este es el camino más práctico.

Cómo se ven realmente los límites de tasa de Google

Señales de que te están limitando la tasa:

• Aparición de CAPTCHAs a mitad de la extracción
• Conjuntos de resultados vacíos después de consultas que antes funcionaban
• Bloqueos temporales de IP (normalmente de 1 a 24 horas)
• Cargas de página degradadas (más lentas, contenido parcial)

Recuperación: deja de extraer, rota las IP, espera de 15 a 60 minutos y luego reanuda con menor concurrencia. Si estás topándote con límites con regularidad, tu configuración necesita proxies o un enfoque fundamentalmente distinto.

La vía sin código: cuándo un Google Maps Scraper en GitHub no merece la pena

Aproximadamente el 90% de los artículos sobre extracción de Google Maps asumen conocimientos de Python. Pero una gran parte de la audiencia —dueños de agencias, comerciales, equipos de SEO local, investigadores— solo necesita filas en una hoja de cálculo. No un proyecto de automatización de navegador. Si ese es tu caso, esta sección habla con honestidad de los trade-offs.

El coste real de los scrapers "gratis" de GitHub

Los scrapers "gratis" de GitHub trasladan la factura al tiempo. Si valoras tu tiempo en $50/hora y pasas 2 horas configurando + 1 hora solucionando problemas + 30 minutos configurando proxies, eso son $175 antes de haber extraído una sola ficha. Si añades el coste de proxies y el mantenimiento continuo cuando Google cambia la UI, la opción "gratis" empieza a salir cara.

Cómo simplifica Thunderbit la extracción de Google Maps

Este es el flujo real con :

1. Instala la
2. Navega a Google Maps y realiza tu búsqueda
3. Haz clic en "AI Suggest Fields": la IA de Thunderbit lee la página y sugiere columnas (nombre del negocio, dirección, teléfono, valoración, web, etc.)
4. Haz clic en "Scrape" y los datos se estructuran automáticamente
5. Usa el scraping de subpáginas para visitar el sitio web de cada negocio a partir de las URLs extraídas y obtener información de contacto adicional (correos, teléfonos), automatizando lo que los usuarios de repos de GitHub hacen manualmente
6. Exporta a : sin muro de pago en las exportaciones

Sin Python. Sin Docker. Sin proxies. Sin mantenimiento. Para el público de ventas y marketing que hace generación de leads, esto elimina toda la carga de configuración que exigen los repos de GitHub.

Contexto de precios: Thunderbit usa un modelo de créditos en el que . El plan gratuito cubre 6 páginas al mes, la prueba gratuita cubre 10 páginas y el plan inicial cuesta .

Después de la extracción: limpieza y enriquecimiento de tus datos de Google Maps

La mayoría de las guías se detienen en la extracción en bruto. Los datos en bruto no son una lista de leads. Los usuarios de foros reportan con frecuencia y preguntan "How do you handle duplicates with this setup?" Esto es lo que pasa después de extraer.

Eliminar duplicados de tus resultados

Los duplicados se cuelan por solapamiento de paginación, búsquedas repetidas sobre áreas que se cruzan, estrategias de cuadrícula/caja delimitadora que cubren los mismos negocios y negocios con varias fichas.

Orden recomendado para deduplicar:

1. Coincidir por place_id si tu scraper lo expone (lo más fiable)
2. Coincidencia exacta de nombre de negocio normalizado + dirección
3. Coincidencia difusa por nombre + dirección, confirmada por teléfono o sitio web

Las fórmulas simples de Excel/Sheets (COUNTIF, Quitar duplicados) resuelven la mayoría de los casos. Para conjuntos de datos más grandes, un script rápido de deduplicación en Python con pandas funciona bien.

Normalizar números de teléfono y direcciones

Los números de teléfono extraídos aparecen en todos los formatos imaginables: (555) 123-4567, 555-123-4567, +15551234567, 5551234567. Para importarlos en un CRM, normalízalos todos al formato E.164: es decir, +código de país + número nacional, por ejemplo +15551234567.

al extraer, así que te ahorra un paso de limpieza.

Para las direcciones, estandariza a un formato coherente: calle, ciudad, estado, código postal. Elimina espacios sobrantes, corrige incoherencias de abreviaturas (St vs Street) y valida con un servicio de geocodificación si la exactitud importa.

Enriquecer con correos, sitios web y perfiles sociales

Las fichas de Google Maps casi siempre incluyen la URL de un sitio web. Casi nunca incluyen una dirección de correo directamente. El patrón ganador es este:

1. Extrae Maps para descubrir negocios (nombre, dirección, teléfono, URL del sitio web)
2. Visita el sitio web de cada negocio para extraer correos, enlaces sociales y otra información de contacto

Aquí es donde los mejores repos de GitHub y las herramientas sin código convergen:

• visitando los sitios web de los negocios
• puede visitar el sitio web de cada negocio desde las URLs extraídas y obtener correos y teléfonos, todo añadido a tu tabla original

Para usuarios de repos de GitHub sin enriquecimiento integrado, esto significa escribir un segundo scraper o visitar cada sitio manualmente. Thunderbit comprime ambos pasos en un solo flujo de trabajo.

Exportar a tu CRM o a herramientas de flujo de trabajo

Los destinos de exportación más prácticos:

• Google Sheets para limpieza colaborativa y compartición
• Airtable para bases de datos estructuradas con filtros y vistas
• Notion para bases de datos ligeras de operaciones
• CSV/JSON para importación en CRM o automatización posterior

Thunderbit admite . La mayoría de los repos de GitHub exportan solo a CSV o JSON, así que tendrás que encargarte tú de la integración con el CRM. Si buscas más formas de llevar datos extraídos a hojas de cálculo, consulta nuestra guía sobre .

Repos de Google Maps Scraper en GitHub: comparación completa lado a lado

Aquí tienes la tabla resumen para guardar en favoritos y cubrir todos los enfoques:

Para más contexto sobre cómo elegir entre enfoques de scraping, también puede resultarte útil nuestro resumen de o la comparación entre .

Consideraciones legales y de términos de servicio

Es una sección breve, pero importa.

Los términos actuales de Maps Platform de Google son explícitos: los clientes no pueden incluyendo copiar y guardar nombres de negocios, direcciones o reseñas de usuarios fuera del uso permitido del servicio. Los términos específicos del servicio de Google también permiten solo un almacenamiento en caché limitado para ciertas APIs, normalmente .

La jerarquía legal es clara:

• El uso de la API tiene la base contractual más sólida
• Los scrapers de GitHub operan en un espacio mucho más turbio
• Las herramientas sin código reducen tu carga operativa, pero no eliminan tus propias obligaciones de cumplimiento

Consulta con tu asesoría legal para tu caso específico. Para una mirada más profunda al panorama legal, hemos tratado por separado las .

Conclusiones clave: cómo elegir el enfoque correcto de Google Maps Scraper en 2026

Después de revisar repos, issues, foros y páginas de precios, este es el estado de la situación:

1. Comprueba siempre la frescura del repo antes de invertir tiempo en la configuración. El número de estrellas no es un indicador de "funciona hoy". Lee los tres issues más recientes. Busca commits de código en los últimos 3–6 meses.

2. La mejor opción open source actual es gosom/google-maps-scraper, pero incluso esa muestra regresiones nuevas de campos en 2026. Trátalo como un sistema vivo que necesita supervisión, no como una herramienta de configurar y olvidar.

3. La Google Places API es la respuesta correcta para estabilidad y claridad legal, pero está limitada (máximo 5 reseñas, precio por llamada) y no resuelve bien el descubrimiento masivo.

4. Para equipos no técnicos, herramientas sin código como son la alternativa práctica. La distancia entre configurar y obtener los primeros datos se mide en minutos, no en horas, y no te estás apuntando a convertirte en mantenedor parcial de scrapers.

5. Los datos en bruto son solo la mitad del trabajo. Reserva tiempo para deduplicación, normalización de números de teléfono, enriquecimiento con correos y exportación al CRM. Las herramientas que automatizan estos pasos, como el scraping de subpáginas y la normalización E.164 de Thunderbit, ahorran más tiempo del que la mayoría espera.

6. Un "scraper gratis" es, en realidad, software con mantenimiento no remunerado adjunto. Está bien si tienes las habilidades y disfrutas del trabajo. Es un mal negocio si eres un comercial que solo necesita 500 leads de dentistas en Phoenix para el viernes.

Si quieres explorar más opciones para extraer datos de negocio, consulta nuestras guías sobre , y . También puedes ver tutoriales en el .

Preguntas frecuentes

¿Es gratis usar un Google Maps scraper de GitHub?

El software es gratis. El trabajo no. Invertirás entre 30 y 90 minutos en la configuración, tiempo continuo resolviendo fallos, y a menudo entre $10 y $100+ al mes en costes de proxies para cualquier volumen serio. Si tu tiempo tiene valor, "gratis" es un término engañoso.

¿Necesito saber Python para usar un Google Maps scraper de GitHub?

La mayoría de los repos populares requieren conocimientos básicos de Python y de línea de comandos. Los repos que priorizan Docker reducen la carga, pero no la eliminan: sigues teniendo que depurar problemas del contenedor, configurar parámetros de búsqueda y gestionar la configuración de proxies. Para usuarios no técnicos, herramientas sin código como ofrecen una alternativa de 2 clics sin necesidad de programar.

¿Con qué frecuencia se rompen los repos de Google Maps scraper en GitHub?

No hay una cadencia fija, pero el historial actual de issues en GitHub muestra roturas principales y regresiones de campos que aparecen en un ciclo de semanas a meses. Google actualiza regularmente su UI de Maps, lo que puede romper selectores y lógica de parsing de la noche a la mañana. Los repos activos corrigen esto rápido; los abandonados permanecen rotos indefinidamente.

¿Puedo extraer reseñas de Google Maps con un scraper de GitHub?

Algunos repos admiten la extracción completa de reseñas (gaspa93/googlemaps-scraper está diseñado específicamente para eso), mientras que otros solo obtienen datos resumidos como la valoración y el número de reseñas. Además, las reseñas suelen ser uno de los primeros grupos de campos en desajustarse cuando Google cambia el comportamiento de la página, así que incluso los repos que las admiten pueden devolver datos incompletos tras una actualización de la interfaz.

¿Cuál es la mejor alternativa si no quiero usar un scraper de GitHub?

Dos caminos principales: la Google Places API para acceso oficial y estructurado (con limitaciones de coste y de campos), o una herramienta sin código como para una extracción rápida con IA sin necesidad de programar. La API es mejor para desarrolladores que necesitan certeza de cumplimiento. Thunderbit es mejor para usuarios de negocio que necesitan datos en una hoja de cálculo con rapidez.

Saber más