如果你曾经想过搭建一份精准的销售名单、开拓新市场，或者对标竞争对手，你一定知道 Google 地图有多像一座数据金矿。问题在于：随着每月超过 15 亿次“附近”搜索，以及 76% 的本地搜索用户会在 24 小时内到店（thinkwithgoogle.com），市场对最新、基于位置的商业数据需求从来没有这么强烈。
无论你做的是销售、营销还是运营，从 Google 地图提取结构化数据，都可能决定你拿到的是冷冰冰的陌生电话，还是高转化的温热线索。
我在 SaaS 和自动化领域工作多年，也亲眼见过团队如何借助 Python（以及现在的 AI 工具，比如 Thunderbit）把 Google 地图变成战略资产。
在这篇指南里，我会一步一步拆解如何在 2026 年用 Python 抓取 Google 地图数据——包含代码、合规建议，以及和无代码方案的对比。不管你是 Python 老手，还是只想最快拿到可用数据，这里都能帮到你。
用 Python 抓取 Google 地图，究竟是什么意思？
先从最基础的概念说起：用 Python 抓取 Google 地图，就是通过程序化方式从 Google 地图中提取商家信息——比如名称、地址、评分、评论、电话号码和坐标等——这样你就可以分析、筛选并导出，用于业务场景。
主要有两种做法：
- Google Maps Places API：这是官方授权的方式。你用 API 密钥向 Google 服务器发起查询，返回结构化的 JSON 数据。它稳定、可预测，而且在大多数情况下是合规的，但会有配额和费用。
- 抓取 HTML 页面：你用浏览器自动化工具（比如 Playwright 或 Selenium）打开 Google 地图，执行搜索，再解析渲染后的页面。这种方式更灵活，但也更脆弱——Google 经常改网站结构，抓取 HTML 还可能违反其条款。
你通常可以提取的数据字段包括：
- 商家名称
- 类别/类型
- 完整地址（含城市、州/省、邮编、国家）
- 纬度和经度
- 电话号码
- 网站 URL
- 评分和评论数
- 价格等级
- 商家状态（营业/歇业）
- 营业时间
- Place ID（Google 的唯一标识）
- Google 地图 URL
**为什么这很重要？**因为这些字段能支撑从线索挖掘、区域规划，到竞争对手对标和市场研究的几乎所有工作。关键在于：要围绕你的业务目标去抓数据，而不是盲目采集。
为什么销售和营销团队会用 Python 从 Google 地图提取数据
说得更实际一点。为什么 2026 年这么多销售和营销团队都盯着 Google 地图数据？
- 线索开发：构建高度精准的本地企业名单，附带联系信息和评分，直接用于外联活动。
- 区域规划：基于真实的商家密度和类型，规划销售区域、配送范围或服务半径。
- 竞争对手监测：持续追踪竞争对手的位置、评分和评论，发现趋势和机会。
- 市场研究：分析商家类别、营业时间和评论情绪，为市场进入策略提供依据。
- 选址分析：对房地产和零售业务来说，可以基于周边配套、人流和竞争情况评估候选位置。
现实影响：根据 HubSpot 2025 年销售现状报告，92% 的销售组织计划增加 AI/数据投入，而使用精准本地数据的团队，其转化率比依赖普通冷名单的团队高出多达 8 倍（martal.ca）。一项针对加盟连锁的获客研究还发现，基于 Google 地图线索名单的投入，每花 1 美元可带来 15 美元新增收入。
将业务目标映射到 Google 地图字段：
| 业务目标 | 所需的 Google 地图字段 |
|---|---|
| 本地线索名单 | name, address, phone, website, category |
| 区域规划 | name, lat/lng, business_status, opening_hours |
| 竞品对标 | name, rating, userRatingCount, priceLevel, reviews |
| 选址分析 | category, lat/lng, review density, openingDate |
| 情绪/菜单情报 | reviews, editorialSummary, photos, types |
| 邮件/电话外联 | nationalPhoneNumber, websiteUri（再按需补充） |
搭建你的 Python Google 地图爬虫：工具与准备
开始抓取之前，你需要先配置好 Python 环境，并准备相关工具。下面是 2026 年你需要的东西：
1. 安装 Python 和所需库
**推荐的 Python 版本：**3.10 或更高。
安装核心库：
pip install \
requests==2.33.1 httpx==0.28.1 \
beautifulsoup4==4.14.3 lxml==6.0.3 \
pandas==2.3.3 \
selenium==4.43.0 playwright==1.58.0 \
googlemaps==4.10.0 google-maps-places==0.8.0 \
schedule==1.2.2 APScheduler==3.11.2 \
python-dotenv==1.2.2 tenacity==9.1.4
playwright install chromium
这些库分别做什么：
requests、httpx：HTTP 请求（API 调用）beautifulsoup4、lxml：HTML 解析（用于网页抓取）pandas：数据清洗、分析、导出selenium、playwright：浏览器自动化（用于 HTML 抓取）googlemaps、google-maps-places：Google 地图 API 客户端schedule、APScheduler：任务调度python-dotenv：从.env文件安全加载 API 密钥tenacity：错误处理的重试逻辑
2. 获取 Google Maps API 密钥（用于基于 API 的抓取）
- 前往 Google Cloud Console。
- 创建或选择一个项目。
- 启用计费（即使是免费额度也需要）。
- 在 APIs & Services > Library 中启用 “Places API (New)”。
- 进入 Credentials > Create Credentials > API Key。
- 为安全起见，将密钥限制为特定 API 和 IP。
- 把 API 密钥存到
.env文件中（千万不要直接提交到代码仓库）：
GOOGLE_MAPS_API_KEY=your_actual_api_key_here
**注意：**截至 2025 年 3 月，Google 已不再提供统一的每月 200 美元免费额度。现在改为按不同 API 层级提供每月免费阈值（见官方定价）。
如何用 Python 从 Google 地图提取数据：分步指南
下面我们把两种主流方式——基于 API 和 HTML 抓取——拆开讲，方便你选择最适合自己的方案。
方案 1：使用 Google Maps Places API（推荐）
步骤 1：安装并导入所需库
import os
import httpx
import pandas as pd
from dotenv import load_dotenv
步骤 2：安全加载 API 密钥
load_dotenv()
API_KEY = os.environ["GOOGLE_MAPS_API_KEY"]
步骤 3：构建搜索查询
你会使用 Text Search 接口来查找符合条件的商家。
URL = "https://places.googleapis.com/v1/places:searchText"
FIELD_MASK = ",".join([
"places.id", "places.displayName", "places.formattedAddress",
"places.location", "places.rating", "places.userRatingCount",
"places.priceLevel", "places.types",
"places.nationalPhoneNumber", "places.websiteUri",
"nextPageToken",
])
步骤 4：发起 API 请求
def text_search(query, lat, lng, radius=3000, min_rating=4.0):
body = {
"textQuery": query,
"minRating": min_rating, # 服务端筛选
"includedType": "restaurant",
"openNow": False,
"pageSize": 20,
"locationBias": {
"circle": {
"center": {"latitude": lat, "longitude": lng},
"radius": radius,
}
},
}
headers = {
"Content-Type": "application/json",
"X-Goog-Api-Key": API_KEY,
"X-Goog-FieldMask": FIELD_MASK, # 一定要设置！
}
r = httpx.post(URL, json=body, headers=headers, timeout=30)
r.raise_for_status()
return r.json()
步骤 5：处理分页并收集结果
def collect_all_results(query, lat, lng, radius=3000, min_rating=4.0):
results = []
next_page_token = None
while True:
data = text_search(query, lat, lng, radius, min_rating)
places = data.get('places', [])
results.extend(places)
next_page_token = data.get('nextPageToken')
if not next_page_token:
break
return results
步骤 6：用 Pandas 导出数据
df = pd.DataFrame(collect_all_results("布鲁克林的咖啡店", 40.6782, -73.9442))
df.to_csv("brooklyn_coffee_shops.csv", index=False)
专业建议：
- 一定要设置
X-Goog-FieldMask请求头来控制成本。如果你请求评论或图片，每 1,000 次请求的价格可能会从 5 美元飙升到 25 美元（见定价详情）。 - 使用服务端筛选（例如
minRating、includedType、locationBias），避免把额度浪费在无关结果上。 - 缓存
place_id，方便去重和后续更新。
方案 2：抓取 Google 地图 HTML（适合教学/一次性使用）
**警告：**Google 地图是单页应用。你必须使用浏览器自动化（Playwright 或 Selenium），而且抓取 HTML 可能违反 Google 的条款。建议只用于研究，不要用于生产环境。
步骤 1：安装 Playwright 并启动浏览器
from playwright.sync_api import sync_playwright
import time, re
def scrape_maps(query, max_results=100):
with sync_playwright() as pw:
browser = pw.chromium.launch(headless=True)
ctx = browser.new_context(
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",
locale="en-US",
)
page = ctx.new_page()
page.goto("https://www.google.com/maps", timeout=60_000)
page.fill("#searchboxinput", query)
page.click('button[aria-label="搜索"]')
page.wait_for_selector('div[role="feed"]')
feed = page.locator('div[role="feed"]')
prev = 0
while True:
feed.evaluate("el => el.scrollBy(0, el.scrollHeight)")
time.sleep(2)
count = page.locator('div[role="feed"] > div > div[jsaction]').count()
if count == prev or count >= max_results:
break
prev = count
if page.locator("text=You've reached the end of the list").count():
break
rows = []
cards = page.locator('div[role="feed"] > div > div[jsaction]')
for i in range(cards.count()):
c = cards.nth(i)
name = c.locator("div.fontHeadlineSmall").inner_text() if c.locator("div.fontHeadlineSmall").count() else ""
rating_el = c.locator('span[role="img"]').first
raw = rating_el.get_attribute("aria-label") if rating_el.count() else ""
m = re.search(r"([\d.]+)\s+stars?\s+([\d,]+)\s+Reviews", raw or "")
rating = float(m.group(1)) if m else None
reviews = int(m.group(2).replace(",", "")) if m else None
rows.append({"name": name, "rating": rating, "reviews": reviews})
browser.close()
return rows
提示：
- Google 会每隔几周随机调整 CSS 类名，所以这段代码可能需要定期更新。
- 使用接近真人的延迟，并避免过快抓取，以降低被封禁的风险。
- 千万不要尝试绕过验证码或 Google 的 SearchGuard 系统——这可能带来法律风险。
不要盲目抓取：如何精准锁定你真正需要的数据
什么都抓，通常只会浪费时间，还会把数据集搞得臃肿。下面是如何只抓真正有价值的数据：
- 先生成精准的 URL 列表：先用 Google 地图自带的搜索过滤器（类别、位置、评分、当前营业）缩小结果范围，再开始抓取。
- 使用短语匹配：搜索具体的商家类型或关键词（例如 “奥斯汀的纯素烘焙店”）。
- 位置过滤：指定城市、街区，甚至坐标和半径，实现更精确的定位。
- 服务端筛选（API）：在 API 请求体中使用
minRating、includedType和locationBias。 - 客户端筛选（Python）：抓取完成后，用 pandas 筛选评分高于 4.0、评论数超过 50，或属于特定类别的商家。
示例：只筛选曼哈顿评分高于 4.0 的餐厅
df = pd.DataFrame(results)
filtered = df[(df['rating'] >= 4.0) & (df['types'].apply(lambda x: 'restaurant' in x))]
filtered.to_csv("manhattan_top_restaurants.csv", index=False)
用 Python 库整理并导出 Google 地图数据
当你抓到数据后，就该把它清洗、分析并导出给团队使用了。
用 Pandas 清洗和结构化数据
import pandas as pd
df = pd.read_json("brooklyn_restaurants.json")
df = (
df.dropna(subset=["name", "address"])
.drop_duplicates(subset=["place_id"])
.assign(
name=lambda d: d["name"].str.strip(),
phone=lambda d: d["phone"].astype(str)
.str.replace(r"\D", "", regex=True)
.str.replace(r"^1?(\d{10})$", r"+1\1", regex=True),
rating=lambda d: pd.to_numeric(d["rating"], errors="coerce"),
user_ratings_total=lambda d: pd.to_numeric(
d["user_ratings_total"], errors="coerce"
).fillna(0).astype("int32"),
)
)
分析和汇总数据
示例：按街区计算平均评分
by_neighborhood = (
df.groupby("neighborhood", as_index=False)
.agg(avg_rating=("rating", "mean"),
n_places=("place_id", "nunique"),
median_reviews=("user_ratings_total", "median"))
.sort_values("avg_rating", ascending=False)
)
导出为 Excel 或 CSV
df.to_csv("brooklyn_top.csv", index=False)
df.to_excel("brooklyn_top.xlsx", index=False, sheet_name="Top Rated")
**数据量很大？**可以用 Parquet 格式，速度更快、体积更小：
df.to_parquet("brooklyn_top.parquet", compression="zstd")
Thunderbit：AI 驱动的 Python Google 地图爬虫替代方案
如果你此刻在想：“为了一个简单的线索名单，这套准备工作是不是太多了？”你不是一个人。我们正是因为这个问题，才做了 Thunderbit——一款 AI 驱动、无需代码的网页爬虫，让你像点几下鼠标一样轻松提取 Google 地图数据（以及更多数据）。
为什么选 Thunderbit？
- 无需编程或 API 密钥：只要打开 Thunderbit Chrome 扩展，进入 Google 地图，然后点击“AI 智能推荐字段”。
- AI 字段识别：Thunderbit 的 AI 会读取页面并自动建议合适的列——名称、地址、评分、电话、网站等等。
- 子页面抓取：如果你想把每个商家网站上的信息补充到表格里，Thunderbit 可以自动访问每个子页面并提取额外信息。
- 导出到 Excel、Google Sheets、Airtable 或 Notion：不用再折腾 pandas，直接点“导出”，数据就能给团队使用。
- 定时抓取：设置周期性任务，自动监控竞争对手或刷新线索名单。
- 零维护：Thunderbit 的 AI 会自动适应网站变化，你不用反复修补失效脚本。
Thunderbit 与 Python 工作流对比：
| 步骤 | Python 爬虫 | Thunderbit |
|---|---|---|
| 安装工具 | 30–60 分钟（Python、pip、各类库） | 2 分钟（Chrome 扩展） |
| API 密钥设置 | 10–30 分钟（Cloud Console） | 不需要 |
| 字段选择 | 手写代码、字段掩码 | AI 智能推荐字段（1 次点击） |
| 数据提取 | 编写/运行脚本，处理错误 | 点击“抓取” |
| 导出 | 用 pandas 导出 CSV/Excel | 导出到 Excel/Sheets/Notion |
| 维护 | 网站变更时手动更新 | AI 自动适配 |
**额外福利：**Thunderbit 已经受到全球超过 3 万用户 信任，免费套餐可免费抓取最多 6 个页面（试用加成后可达 10 个）。
保持合规：Google 地图服务条款与抓取伦理
这部分往往是很多 Python 教程最容易过时、也最危险的地方。2026 年你需要知道这些：
- Google Maps Platform ToS §3.2.3 明确禁止通过官方 API 以外的方式抓取、缓存或导出数据（cloud.google.com）。唯一例外是：经纬度值最多可缓存 30 天；Place ID 可无限期保存。
- API 用户受合同约束：如果你使用了 API 密钥，就等于接受了 Google 的条款——即使你抓的是公开数据。
- 绕过技术限制（验证码、SearchGuard） 现在可能触发 DMCA §1201 违规，并可能带来刑事处罚（ppc.land）。
- GDPR 和隐私法：如果你从 Google 地图收集个人数据（邮箱、电话、评论者姓名等），你必须有合法依据，并尊重删除请求。法国 CNIL 曾在 2024 年因抓取 LinkedIn 联系人而对 KASPR 罚款 20 万欧元（edpb.europa.eu）。
- 最佳实践：
- 尽量优先使用 Places API。
- 限制请求频率（API ≤10 QPS，HTML 抓取每秒 1–2 次）。
- 绝不绕过验证码或技术封锁。
- 不要再分发抓取到的个人数据。
- 尊重退订和删除请求。
- 始终检查当地法律——GDPR、CCPA 等都在被积极执行。
**结论：**如果你担心合规，最好坚持使用 API，并尽量减少采集的数据。对大多数业务用户来说，像 Thunderbit 这样的无代码工具可以显著降低风险面（无需 API 密钥，也没有再分发风险）。
用 Python 对 Google 地图抓取进行定时与自动化
如果你需要保持数据新鲜——比如每周监控竞争对手，或每月更新线索名单——自动化就是你的好帮手。
使用 schedule 做简单调度
import schedule, time
from my_scraper import run_job
schedule.every().day.at("03:00").do(run_job, query="布鲁克林的餐厅")
schedule.every(6).hours.do(run_job, query="曼哈顿的咖啡店")
while True:
schedule.run_pending()
time.sleep(30)
使用 APScheduler 做生产级调度
from apscheduler.schedulers.background import BackgroundScheduler
from apscheduler.triggers.cron import CronTrigger
sched = BackgroundScheduler(timezone="America/New_York")
sched.add_job(
run_job,
CronTrigger(hour=3, minute=15, jitter=600), # 凌晨 3:15 ± 10 分钟
kwargs={"query": "布鲁克林的餐厅"},
id="brooklyn_daily",
max_instances=1,
coalesce=True,
misfire_grace_time=3600,
)
sched.start()
安全自动化小建议
- 给调度任务加上随机抖动，避免形成可预测的模式。
- 对 HTML 抓取来说，绝不要超过每秒 1–2 次请求。
- 对 API 使用来说，要监控配额并设置计费提醒。
- 一定要记录错误，并为失败请求保留“死信”文件。
**Thunderbit 额外福利：**使用 Thunderbit，你可以直接在界面里设置周期性抓取——不用代码、不要 cron 任务，也不用搭服务器。
关键结论：高效、精准、合规地提取 Google 地图数据
最后我们来回顾一下重点：
- Google 地图是商业位置数据的头号来源，从线索开发到市场研究都离不开它。
- Python 抓取很灵活、可控，但也伴随着搭建、维护和合规成本——尤其是在 Google 的反爬措施和法律执行越来越严格的情况下。
- 基于 API 的提取对大多数团队来说最安全、也最可扩展。一定要使用字段掩码和服务端筛选来控制成本。
- HTML 抓取脆弱且有风险——只适合一次性研究，千万不要绕过技术限制。
- 要精准锁定你的数据：用短语匹配、位置筛选和 pandas 工作流，只提取你真正需要的内容。
- Thunderbit 是非技术用户最快的路径：AI 驱动、无需配置、可立即导出，还内置定时抓取。
- 合规很重要：遵守 Google 条款、隐私法规和速率限制，才能避免法律麻烦。
更多教程和技巧，可以查看 Thunderbit 博客 和我们的 YouTube 频道。
常见问题
1. 2026 年用 Python 抓取 Google 地图数据合法吗？
通过官方 API 抓取 Google 地图数据，在遵守 Google 条款、配额限制且不再分发受限数据的前提下是允许的。Google 明确禁止 HTML 抓取 Google 地图；如果你绕过技术限制，或者在未经同意的情况下收集个人数据，法律风险会更高。务必查看当地法律（GDPR、CCPA 等），并遵循最佳合规实践。
2. 使用 Google Maps API 和抓取 HTML 有什么区别？
API 稳定、授权明确，且就是为数据提取而设计的，但需要 API 密钥，并受配额和费用约束。HTML 抓取则依赖浏览器自动化从渲染后的页面提取数据，但它很脆弱（网站经常变），也可能违反条款，法律风险更高。对大多数业务场景来说，API 是更推荐的路径。
3. 2026 年用 Python 提取 Google 地图数据要花多少钱？
Google Places API 按每 1,000 次请求计费，价格从 5 美元（Essentials）到 25 美元（Enterprise+Atmosphere）不等，具体取决于你请求的字段。虽然有每月免费阈值（Essentials 10,000 次、Pro 5,000 次、Enterprise 1,000 次），但大规模抓取的成本会很快累积。一定要用字段掩码和服务端筛选来控制费用。
4. Thunderbit 和基于 Python 的 Google 地图爬虫相比如何？
Thunderbit 是一款无需代码、AI 驱动的网页爬虫，无需编程、API 密钥或维护，就能提取 Google 地图数据（以及更多内容）。它非常适合需要快速、稳定导出到 Excel、Google Sheets、Airtable 或 Notion 的销售和营销团队。对需要自定义逻辑的技术用户来说，Python 更灵活，但也需要更多配置和合规管理。
5. 我怎么自动化定期提取 Google 地图数据？
使用 Python 时，可以用 schedule 或 APScheduler 这类调度库，按固定间隔（每天、每周等）运行爬虫。记得加入随机抖动，避免被识别，并监控 API 配额。使用 Thunderbit 时，你可以直接在界面里设置周期性抓取——无需代码，也不用服务器配置。
准备好把 Google 地图变成你的销售和营销超级武器了吗？无论你是 Python 爱好者，还是想要最快的无代码方案，2026 年你都已经有了现成工具。试试 Thunderbit，体验即时的 AI 驱动抓取——或者直接卷起袖子，深入 API 世界。无论哪种方式，愿你的线索名单保持新鲜、导出干净利落，营销活动里满是高转化的本地潜客。祝你抓取顺利！
了解更多
