PythonでGoogleマップのデータをスクレイピングする方法

ターゲットを絞った営業リストを作りたい、新しい市場を開拓したい、競合をベンチマークしたい——そんなとき、Googleマップがどれだけ貴重な情報源かは、もうご存じかもしれません。しかも、毎月15億件以上の「近くの」検索があり、ローカル検索をした人の76%が24時間以内に店舗を訪れる（）ことを考えると、最新の位置情報ベースのビジネスデータへの需要はかつてないほど高まっています。

営業、マーケティング、オペレーションのどの立場でも、Googleマップから構造化データを抽出できれば、ただのコールドコールを確度の高い温かいリードに変えられるかもしれません。

私はSaaSと自動化の分野で長く仕事をしてきましたが、チームがPython（そして今では、のようなAI搭載ツール）を使ってGoogleマップを戦略資産に変えている場面を何度も見てきました。

このガイドでは、2026年にPythonでGoogleマップのデータをスクレイピングする方法を、コード、コンプライアンスの注意点、ノーコードソリューションとの比較まで含めて、ステップごとにわかりやすく解説します。Pythonに慣れている方も、とにかく最短で実用データを手に入れたい方も、ぜひ読み進めてください。

PythonでGoogleマップをスクレイピングするとはどういうことか？

まず基本から見ていきましょう。PythonでGoogleマップをスクレイピングするとは、名前、住所、評価、レビュー、電話番号、座標などのビジネス情報をプログラムで抽出し、分析・絞り込み・書き出しして業務に活用できるようにすることです。

主な方法は2つあります。

1. Googleマップ Places API：公式でライセンスされた方法です。APIキーを使ってGoogleのサーバーに問い合わせ、構造化されたJSONデータを取得します。安定していて予測しやすく、基本的には規約に沿っていますが、利用枠と費用が発生します。
2. HTMLをWebスクレイピングする方法：PlaywrightやSeleniumのようなツールでブラウザを自動操作し、Googleマップを開いて検索し、表示されたページを解析します。柔軟性は高いものの、Googleは頻繁にサイト構造を変更するため壊れやすく、HTMLのスクレイピングはGoogleの利用規約に抵触する可能性があります。

よく抽出されるデータ項目：

• 店舗名
• カテゴリ／業種
• 住所全体（市、州、郵便番号、国を含む）
• 緯度・経度
• 電話番号
• WebサイトURL
• 評価とレビュー数
• 価格帯
• 営業状態（営業中／閉業）
• 営業時間
• Place ID（Google独自の識別子）
• GoogleマップURL

なぜ重要なのか？ これらの項目は、リード獲得や営業エリアの設計から、競合比較、市場調査まであらゆる用途を支えます。大切なのは、ビジネス目標に合ったデータを狙うことです。やみくもにスクレイピングするのは避けましょう。

営業・マーケティングチームがPythonでGoogleマップのデータを抽出する理由

少し実務寄りに見てみましょう。なぜ2026年の営業・マーケティングチームは、ここまでGoogleマップのデータに注目しているのでしょうか？

• リード獲得：連絡先や評価付きの、地域密着型の企業リストを作成し、アウトリーチ施策に活用できます。
• エリア設計：実際の事業密度や業種に基づいて、営業区域、配送エリア、サービス範囲を可視化できます。
• 競合モニタリング：競合の所在地、評価、レビューを時系列で追い、傾向や機会を見つけられます。
• 市場調査：業種、営業時間、レビューの感情傾向を分析し、Go-to-Market戦略に反映できます。
• 出店候補地の選定：不動産や小売では、周辺施設、通行量、競合状況をもとに候補地を評価できます。

実際のインパクト： によると、営業組織の92%がAI／データ投資の拡大を計画しており、地域特化データを使うチームは、一般的なコールドリストに頼る場合と比べて成約率が最大8倍高いとされています（）。あるフランチャイズのリード獲得調査では、Googleマップベースのリードリストに1ドル投じるごとに15ドルの新規売上が生まれたという結果もありました。

ビジネス目標とGoogleマップの項目の対応表：

PythonのGoogleマップスクレイパーを準備する：ツールと要件

スクレイピングを始める前に、Python環境を整え、必要なツールをそろえておく必要があります。2026年時点で必要なものは次のとおりです。

1. Pythonと必要なライブラリをインストールする

推奨Pythonバージョン： 3.10以上。

主要ライブラリをインストール：

1pip install \
2  requests==2.33.1 httpx==0.28.1 \
3  beautifulsoup4==4.14.3 lxml==6.0.3 \
4  pandas==2.3.3 \
5  selenium==4.43.0 playwright==1.58.0 \
6  googlemaps==4.10.0 google-maps-places==0.8.0 \
7  schedule==1.2.2 APScheduler==3.11.2 \
8  python-dotenv==1.2.2 tenacity==9.1.4
9playwright install chromium

各ライブラリの役割：

• requests, httpx：HTTPリクエスト（API呼び出し）
• beautifulsoup4, lxml：HTML解析（Webスクレイピング用）
• pandas：データの整形、分析、出力
• selenium, playwright：ブラウザ自動化（HTMLスクレイピング用）
• googlemaps, google-maps-places：GoogleマップAPIクライアント
• schedule, APScheduler：タスクのスケジューリング
• python-dotenv：.envファイルからAPIキーを安全に読み込む
• tenacity：エラー処理のためのリトライロジック

2. GoogleマップのAPIキーを取得する（APIベースのスクレイピング用）

• にアクセスします。
• プロジェクトを作成または選択します。
• 課金を有効にします（無料枠でも必要です）。
• APIs & Services > Library で「Places API (New)」を有効にします。
• Credentials > Create Credentials > API Key に進みます。
• セキュリティのため、特定のAPIとIPにキーを制限します。
• APIキーは .env ファイルに保存します（コードに直接コミットしないでください）。

1GOOGLE_MAPS_API_KEY=your_actual_api_key_here

注： 2025年3月時点で、Googleは月額200ドルの一律無料クレジットを提供していません。代わりに、API階層ごとに月間の無料しきい値が設定されています（を参照）。

PythonでGoogleマップからデータを抽出する方法：ステップごとのガイド

ここでは、2つの主要なアプローチ——APIベースとHTMLスクレイピング——を順番に見ていきます。用途に合う方法を選びましょう。

アプローチ1：Googleマップ Places API を使う（推奨）

STEP 1: 必要なライブラリをインストールして読み込む

1import os
2import httpx
3import pandas as pd
4from dotenv import load_dotenv

STEP 2: APIキーを安全に読み込む

1load_dotenv()
2API_KEY = os.environ["GOOGLE_MAPS_API_KEY"]

STEP 3: 検索クエリを作成する

Text Search エンドポイントを使って、条件に合う店舗を探します。

1URL = "https://places.googleapis.com/v1/places:searchText"
2FIELD_MASK = ",".join([
3    "places.id", "places.displayName", "places.formattedAddress",
4    "places.location", "places.rating", "places.userRatingCount",
5    "places.priceLevel", "places.types",
6    "places.nationalPhoneNumber", "places.websiteUri",
7    "nextPageToken",
8])

STEP 4: APIリクエストを送信する

1def text_search(query, lat, lng, radius=3000, min_rating=4.0):
2    body = {
3        "textQuery": query,
4        "minRating": min_rating,  # サーバー側フィルター
5        "includedType": "restaurant",
6        "openNow": False,
7        "pageSize": 20,
8        "locationBias": {
9            "circle": {
10                "center": {"latitude": lat, "longitude": lng},
11                "radius": radius,
12            }
13        },
14    }
15    headers = {
16        "Content-Type": "application/json",
17        "X-Goog-Api-Key": API_KEY,
18        "X-Goog-FieldMask": FIELD_MASK,  # 必ず設定してください
19    }
20    r = httpx.post(URL, json=body, headers=headers, timeout=30)
21    r.raise_for_status()
22    return r.json()

STEP 5: ページネーションを処理して結果を集める

1def collect_all_results(query, lat, lng, radius=3000, min_rating=4.0):
2    results = []
3    next_page_token = None
4    while True:
5        data = text_search(query, lat, lng, radius, min_rating)
6        places = data.get('places', [])
7        results.extend(places)
8        next_page_token = data.get('nextPageToken')
9        if not next_page_token:
10            break
11    return results

STEP 6: Pandasでデータを書き出す

1df = pd.DataFrame(collect_all_results("ブルックリンのコーヒーショップ", 40.6782, -73.9442))
2df.to_csv("brooklyn_coffee_shops.csv", index=False)

実践ポイント：

• コスト管理のために、必ず X-Goog-FieldMask ヘッダーを設定してください。レビューや写真を要求すると、1,000リクエストあたりの料金が5ドルから25ドルに上がることがあります（）。
• minRating、includedType、locationBias のようなサーバー側フィルターを使うと、不要な結果にクレジットを使わずに済みます。
• 重複排除や将来の更新のために、place_id をキャッシュしておきましょう。

アプローチ2：GoogleマップのHTMLをWebスクレイピングする（学習用途／単発用途向け）

警告： Googleマップはシングルページアプリです。PlaywrightやSeleniumのようなブラウザ自動化が必須であり、HTMLのスクレイピングはGoogleの利用規約に違反する可能性があります。これは研究用途にとどめ、本番運用では使わないでください。

STEP 1: Playwrightをインストールしてブラウザを起動する

1from playwright.sync_api import sync_playwright
2import time, re
3def scrape_maps(query, max_results=100):
4    with sync_playwright() as pw:
5        browser = pw.chromium.launch(headless=True)
6        ctx = browser.new_context(
7            user_agent="Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36",
8            locale="en-US",
9        )
10        page = ctx.new_page()
11        page.goto("https://www.google.com/maps", timeout=60_000)
12        page.fill("#searchboxinput", query)
13        page.click('button[aria-label="Search"]')
14        page.wait_for_selector('div[role="feed"]')
15        feed = page.locator('div[role="feed"]')
16        prev = 0
17        while True:
18            feed.evaluate("el => el.scrollBy(0, el.scrollHeight)")
19            time.sleep(2)
20            count = page.locator('div[role="feed"] > div > div[jsaction]').count()
21            if count == prev or count >= max_results:
22                break
23            prev = count
24            if page.locator("text=You've reached the end of the list").count():
25                break
26        rows = []
27        cards = page.locator('div[role="feed"] > div > div[jsaction]')
28        for i in range(cards.count()):
29            c = cards.nth(i)
30            name = c.locator("div.fontHeadlineSmall").inner_text() if c.locator("div.fontHeadlineSmall").count() else ""
31            rating_el = c.locator('span[role="img"]').first
32            raw = rating_el.get_attribute("aria-label") if rating_el.count() else ""
33            m = re.search(r"([\d.]+)\s+stars?\s+([\d,]+)\s+Reviews", raw or "")
34            rating  = float(m.group(1)) if m else None
35            reviews = int(m.group(2).replace(",", "")) if m else None
36            rows.append({"name": name, "rating": rating, "reviews": reviews})
37        browser.close()
38        return rows

ヒント：

• Googleは数週間ごとにCSSクラスをランダム化するため、このコードは定期的な更新が必要になる場合があります。
• 人間らしい間隔を空け、速すぎるスクレイピングは避けることで、ブロックされるリスクを下げられます。
• CAPTCHAやGoogleのSearchGuardシステムを回避しようとしないでください。法的リスクを招くおそれがあります。

やみくもなスクレイピングを避ける：必要なデータを的確に絞り込む方法

何でもかんでも取得するのは、時間の無駄と肥大化したデータセットを生むだけです。大事なのは、本当に必要なデータだけを狙うことです。

• ターゲットを絞ったURLリストを作る：Googleマップ自体の検索フィルター（カテゴリ、場所、評価、営業中など）を使って、スクレイピング前に結果を絞り込みます。
• フレーズ一致を使う：正確な業種名やキーワードで検索します（例：「オースティンのヴィーガンベーカリー」）。
• 位置情報フィルター：市区町村、エリア名、さらには座標と半径まで指定して、ピンポイントで抽出します。
• サーバー側フィルタリング（API）：APIリクエストの本文で minRating、includedType、locationBias を使います。
• クライアント側フィルタリング（Python）：スクレイピング後に pandas で、評価が4.0以上、レビューが50件超、特定カテゴリなどの条件で絞り込みます。

例：マンハッタンのレストランのうち、評価4.0以上だけに絞る

1df = pd.DataFrame(results)
2filtered = df[(df['rating'] >= 4.0) & (df['types'].apply(lambda x: 'restaurant' in x))]
3filtered.to_csv("manhattan_top_restaurants.csv", index=False)

PythonライブラリでGoogleマップのデータを整理・書き出しする

データを取得したら、チームで使えるように整形・分析・出力していきましょう。

Pandasでデータをクレンジングして構造化する

1import pandas as pd
2df = pd.read_json("brooklyn_restaurants.json")
3df = (
4    df.dropna(subset=["name", "address"])
5      .drop_duplicates(subset=["place_id"])
6      .assign(
7          name=lambda d: d["name"].str.strip(),
8          phone=lambda d: d["phone"].astype(str)
9              .str.replace(r"\D", "", regex=True)
10              .str.replace(r"^1?(\d{10})$", r"+1\1", regex=True),
11          rating=lambda d: pd.to_numeric(d["rating"], errors="coerce"),
12          user_ratings_total=lambda d: pd.to_numeric(
13              d["user_ratings_total"], errors="coerce"
14          ).fillna(0).astype("int32"),
15      )
16)

データを分析・要約する

例：地域ごとの平均評価

1by_neighborhood = (
2    df.groupby("neighborhood", as_index=False)
3      .agg(avg_rating=("rating", "mean"),
4           n_places=("place_id", "nunique"),
5           median_reviews=("user_ratings_total", "median"))
6      .sort_values("avg_rating", ascending=False)
7)

ExcelまたはCSVに書き出す

1df.to_csv("brooklyn_top.csv", index=False)
2df.to_excel("brooklyn_top.xlsx", index=False, sheet_name="Top Rated")

大量データなら？ 速度とサイズ効率のためにParquet形式を使いましょう。

1df.to_parquet("brooklyn_top.parquet", compression="zstd")

Thunderbit：PythonのGoogleマップスクレイパーに代わるAI搭載ソリューション

ここまで読んで、「単純なリードリストを作るだけなのに、準備が大変すぎる」と感じた方もいるかもしれません。まさにそのために私たちはを作りました。Thunderbitは、AI搭載のノーコードWebスクレイパーで、Googleマップのデータをはじめとするさまざまな情報を、数クリックで簡単に抽出できます。

Thunderbitが選ばれる理由

• コーディングもAPIキーも不要： を開いてGoogleマップに移動し、「AIで項目を提案」をクリックするだけです。
• AIによる項目検出：ThunderbitのAIがページを読み取り、名前、住所、評価、電話番号、Webサイトなど、適切な列を提案します。
• サブページのスクレイピング：各店舗のWebサイトの情報も加えて表を充実させたいですか？ Thunderbitなら各サブページを巡回して、追加情報を自動で取得できます。
• Excel、Googleスプレッドシート、Airtable、Notionへ出力：もう pandas と格闘する必要はありません。「エクスポート」をクリックするだけで、チームですぐ使える状態になります。
• スケジュールスクレイピング：競合のモニタリングやリードリストの更新を自動化する定期ジョブを設定できます。
• メンテナンスほぼ不要：ThunderbitのAIはサイト変更に合わせて適応するため、壊れたスクリプトを何度も直す必要がありません。

ThunderbitとPythonのワークフロー比較：

おまけ： Thunderbitは世界でに利用されており、無料プランでも最大6ページ（トライアル特典があれば10ページ）まで無料でスクレイピングできます。

コンプライアンスを守る：Googleマップの利用規約とスクレイピング倫理

ここは多くのPythonチュートリアルが、少し古くなってしまいやすい部分です。2026年に知っておくべきことは次のとおりです。

• Google Maps Platform 利用規約 §3.2.3 では、公式API以外でのスクレイピング、キャッシュ、データの外部出力が厳しく禁止されています（）。例外は、緯度・経度は最大30日までキャッシュ可能で、Place IDは無期限で保存できることです。
• APIユーザーは契約上の拘束を受ける：APIキーを使うということは、たとえ公開データを扱っているだけでも、Googleの規約に同意したことになります。
• 技術的な制限（CAPTCHA、SearchGuard）の回避は、現在ではDMCA §1201違反にあたる可能性があり、刑事罰の対象となる場合があります（）。
• GDPRとプライバシー法：Googleマップから個人データ（メール、電話番号、レビュー投稿者名など）を収集する場合は、法的根拠が必要で、削除要求にも応じなければなりません。フランスのCNILは2024年、LinkedInの連絡先をスクレイピングしたとしてKASPRに20万ユーロの罰金を科しました（）。
• ベストプラクティス：
  • 可能な限りPlaces APIを使う。
  • リクエストをレート制限する（APIは≤10 QPS、HTMLスクレイピングは1〜2 req/s）。
  • CAPTCHAや技術的ブロックを回避しない。
  • スクレイピングした個人データを再配布しない。
  • オプトアウトや削除の要求に応じる。
  • GDPR、CCPAなど、地域の法律を必ず確認する。

結論： コンプライアンスが気になるなら、APIを使い、収集するデータは最小限に抑えるのが安全です。多くのビジネスユーザーにとっては、Thunderbitのようなノーコードツールを使うことでリスクを大きく減らせます（APIキー不要、再配布なし）。

PythonでGoogleマップのスクレイピングをスケジュールし、自動化する

週次の競合モニタリングや月次のリードリスト更新のように、データを常に最新に保ちたいなら、自動化が味方になります。

schedule を使った簡単なスケジューリング

1import schedule, time
2from my_scraper import run_job
3schedule.every().day.at("03:00").do(run_job, query="ブルックリンのレストラン")
4schedule.every(6).hours.do(run_job, query="マンハッタンのコーヒーショップ")
5while True:
6    schedule.run_pending()
7    time.sleep(30)

APScheduler を使った本番向けスケジューリング

1from apscheduler.schedulers.background import BackgroundScheduler
2from apscheduler.triggers.cron import CronTrigger
3sched = BackgroundScheduler(timezone="America/New_York")
4sched.add_job(
5    run_job,
6    CronTrigger(hour=3, minute=15, jitter=600),  # 午前3:15 ± 10分
7    kwargs={"query": "ブルックリンのレストラン"},
8    id="brooklyn_daily",
9    max_instances=1,
10    coalesce=True,
11    misfire_grace_time=3600,
12)
13sched.start()

安全に自動化するためのヒント

• 予測しやすいパターンを避けるため、スケジュールにランダムな揺らぎを入れましょう。
• HTMLスクレイピングでは、1秒あたり1〜2リクエストを超えないようにします。
• API利用では、利用枠を監視し、課金アラートを設定しましょう。
• エラーは必ず記録し、失敗したリクエスト用の「デッドレター」ファイルを残しておきましょう。

Thunderbitの便利機能： Thunderbitなら、UI上で定期スクレイピングを直接スケジュールできます。コードもcronジョブもサーバー設定も不要です。

重要なポイント：効率的で、狙いを絞り、コンプライアンスを守ったGoogleマップデータ抽出

要点を振り返りましょう。

• Googleマップは、ビジネスの位置情報データの第一の情報源であり、リード獲得から市場調査まで幅広く支えています。
• Pythonによるスクレイピングは柔軟で制御しやすい一方、セットアップ、保守、コンプライアンスの負担が伴います。特にGoogleの対ボット対策や法的執行が強化される中ではなおさらです。
• APIベースの抽出は、ほとんどのチームにとって最も安全でスケーラブルな方法です。コスト管理には必ずフィールドマスクとサーバー側フィルターを使いましょう。
• HTMLスクレイピングは壊れやすくリスクも高いため、単発の調査用途に限定し、技術的な制限は絶対に回避しないでください。
• データは絞って取る：フレーズ一致、位置フィルター、pandas のワークフローを使い、必要なものだけ抽出しましょう。
• Thunderbitは、非エンジニアにとって最短ルートです。AI搭載、セットアップ不要、即エクスポート、スケジュール機能も内蔵しています。
• コンプライアンスは重要です：Googleの規約、プライバシー法、レート制限を守り、法的トラブルを避けましょう。

さらに詳しいチュートリアルやヒントは、 と をご覧ください。

FAQ

1. 2026年にPythonでGoogleマップのデータをスクレイピングするのは合法ですか？

公式APIを通じたGoogleマップのスクレイピングは、Googleの規約に沿い、利用枠を守り、制限付きデータを再配布しない限り許可されています。GoogleマップのHTMLスクレイピングはGoogleの利用規約で明確に禁止されており、特に技術的な制限を回避したり、同意なしに個人データを収集したりすると法的リスクがあります。常に現地の法律（GDPR、CCPAなど）を確認し、コンプライアンスのベストプラクティスを守ってください。

2. GoogleマップAPIを使うのと、HTMLをWebスクレイピングするのは何が違いますか？

APIは安定していてライセンスがあり、データ抽出向けに設計されていますが、APIキーが必要で、利用枠と費用がかかります。HTMLスクレイピングはブラウザ自動化で表示済みページからデータを取りますが、壊れやすく（サイト変更が頻繁）、規約違反になる可能性があり、法的リスクも高めです。多くの業務用途では、APIが推奨されます。

3. 2026年にPythonでGoogleマップのデータを抽出するには、どれくらい費用がかかりますか？

GoogleのPlaces APIは1,000リクエストごとの従量課金で、取得する項目に応じてEssentialsの5ドルからEnterprise+Atmosphereの25ドルまで幅があります。月間の無料しきい値もあります（Essentialsは10,000、Proは5,000、Enterpriseは1,000）が、大規模スクレイピングではすぐに費用が膨らみます。コスト管理には、常にフィールドマスクとサーバー側フィルターを使いましょう。

4. ThunderbitはPythonベースのGoogleマップスクレイパーと比べてどうですか？

ThunderbitはノーコードのAI搭載Webスクレイパーで、プログラミング、APIキー、保守なしでGoogleマップのデータを抽出できます。Excel、Googleスプレッドシート、Airtable、Notionへの高速で安定した出力が必要な営業・マーケティングチームに最適です。独自ロジックが必要な技術者にはPythonのほうが柔軟ですが、その分、準備やコンプライアンス管理の負担は増えます。

5. 定期的なGoogleマップデータ抽出はどう自動化できますか？

Pythonでは、schedule や APScheduler のようなスケジューリングライブラリを使って、スクレイパーを毎日・毎週などの間隔で実行できます。検知されにくくするためにランダムな揺らぎを加え、APIの利用枠を監視してください。Thunderbitなら、UI上で定期スクレイピングを直接スケジュールできます。コードもサーバー設定も不要です。

Googleマップを営業・マーケティングの強力な武器に変える準備はできましたか？ Pythonが好きな方も、最速のノーコード手段を探している方も、2026年には使えるツールがそろっています。今すぐを試して、AI搭載の即時スクレイピングを体験するもよし、あるいは自分の手でAPIを使いこなすもよし。どちらを選んでも、リードリストは常に新鮮に、出力はきれいに、キャンペーンは高成約率の地域見込み客でいっぱいになるはずです。楽しいスクレイピングを！

詳しく知る