如何用 Python 抓取 Google 地图数据

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（），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 ）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：

1. 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。
2. 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 ，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（）。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：

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：

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

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 。
• 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）：

1GOOGLE_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）。

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

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

步骤 2：安全加载 API 密钥

1load_dotenv()
2API_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。

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])

步骤 4：发起 API 请求

1def text_search(query, lat, lng, radius=3000, min_rating=4.0):
2    body = {
3        "textQuery": query,
4        "minRating": min_rating,  # 服务端筛选
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,  # 一定要设置！
19    }
20    r = httpx.post(URL, json=body, headers=headers, timeout=30)
21    r.raise_for_status()
22    return r.json()

步骤 5：处理分页并收集结果

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

步骤 6：用 Pandas 导出数据

1df = pd.DataFrame(collect_all_results("布鲁克林的咖啡店", 40.6782, -73.9442))
2df.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）。
• 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

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="搜索"]')
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

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

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)

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

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)

分析和汇总数据

示例：按街区计算平均评分

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)

导出为 Excel 或 CSV

1df.to_csv("brooklyn_top.csv", index=False)
2df.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：

1df.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 ——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 ，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：

**额外福利：**Thunderbit 已经受到全球超过 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（）。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（）。
• 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（）。
• 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

1import schedule, time
2from my_scraper import run_job
3schedule.every().day.at("03:00").do(run_job, query="布鲁克林的餐厅")
4schedule.every(6).hours.do(run_job, query="曼哈顿的咖啡店")
5while True:
6    schedule.run_pending()
7    time.sleep(30)

使用 APScheduler 做生产级调度

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),  # 凌晨 3:15 ± 10 分钟
7    kwargs={"query": "布鲁克林的餐厅"},
8    id="brooklyn_daily",
9    max_instances=1,
10    coalesce=True,
11    misfire_grace_time=3600,
12)
13sched.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 和我们的 。

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 ，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