Como scraper Google Maps país inteiro: guia completo

Google Maps contém milhões de fichas de empresas locais — endereços, telefones, emails, avaliações, horários. É uma base de dados comercial gratuita, acessível a todos. Mas como scraper Google Maps em um país inteiro sem passar dias codificando? Este guia compara duas abordagens: a técnica (Python, Octoparse, pandas) e a abordagem sem código através de uma base pré-indexada. Resultado: mesmo objetivo, mas diferenças consideráveis em tempo e volume.

---

Por que o Google Maps é uma mina de ouro para prospecção B2B

Google Maps lista centenas de milhões de estabelecimentos no mundo. Cada ficha contém dados estruturados: nome, categoria, endereço, telefone, avaliação, número de comentários, site, horários.

Para um vendedor, um growth marketer ou uma agência, é um diretório de empresas locais pronto para uso. O direcionamento é preciso: buscamos "encanador" na França, obtemos todos os encanadores listados.

O problema? Extrair algumas centenas de fichas manualmente é viável. Extrair 50.000, 100.000 ou 140.000 fichas em um país inteiro é outra história.

---

A limitação de 120 resultados no Google Maps

Antes de falar sobre o método, é preciso entender uma restrição técnica fundamental: o Google Maps exibe apenas 120 resultados por pesquisa.

Busque "restaurante Paris" no Google Maps — você obterá 120 fichas, não mais. Mesmo que Paris tenha milhares de restaurantes.

Para scraper um país inteiro, é necessário dividir a pesquisa em subáreas geográficas. Na França, isso significa realizar uma pesquisa por município — cerca de 36.000 municípios a serem processados um por um.

É aqui que o método técnico se torna complexo.

---

Método 1: scraper Google Maps com ferramentas técnicas

Essa abordagem é adequada para perfis técnicos que desejam controlar tudo. Ela ocorre em várias etapas.

Etapa 1: recuperar a lista de municípios

Impossível realizar 36.000 pesquisas manualmente. Primeiro, é necessário construir a lista de todos os municípios franceses.

Um site como communes.fr lista todos os municípios por departamento. Podemos criar um scraper — com Octoparse, por exemplo — para extrair automaticamente os nomes e códigos postais.

A configuração do scraper exige a criação de dois loops aninhados:

• Um loop sobre os 101 departamentos
• Um loop sobre os municípios de cada departamento

Expressões XPath permitem refinar a seleção dos elementos HTML. A limpeza dos dados (remoção da palavra "comuna" antes de cada nome, formatação dos códigos postais) é feita com Python e a biblioteca pandas.

Tempo de execução para esta única etapa: 48 minutos na nuvem, 1h05 localmente. Resultado: cerca de 36.000 linhas distribuídas em dois arquivos CSV (Excel não ultrapassa 20.000 linhas por arquivo).

Etapa 2: construir as palavras-chave de pesquisa

A lista de municípios não é suficiente. É necessário transformar cada município em uma consulta do Google Maps.

"Belley" se torna "restaurante próximo a Belley". Adicionamos um prefixo a cada linha. Com pandas, algumas linhas de código são suficientes — mas primeiro é preciso mesclar os dois arquivos CSV, remover duplicatas e, em seguida, aplicar a transformação.

import pandas as pd

df1 = pd.read_csv("communes_part1.csv")
df2 = pd.read_csv("communes_part2.csv")
df = pd.concat([df1, df2]).drop_duplicates(subset=["comuna"])
df["keyword"] = "restaurante próximo a " + df["comuna"]
df.to_csv("keywords.csv", index=False)

Etapa 3: iniciar o scraping do Google Maps

Com a lista de palavras-chave pronta, usamos um template do Octoparse para scraper o Google Maps. Inserimos as palavras-chave, definimos um tamanho de página (número de resultados por pesquisa) e iniciamos.

Restrição: o Octoparse é limitado a 10.000 palavras-chave por tarefa. Para 36.000 municípios, é necessário criar 4 tarefas distintas.

Tempo total de execução: 2 dias e 15 horas.

Etapa 4: limpar e mesclar os resultados

Quatro tarefas produzem quatro arquivos. É necessário mesclá-los e, em seguida, remover duplicatas — não em todas as colunas, mas no nome do estabelecimento e sua localização (um mesmo restaurante pode aparecer em várias pesquisas de municípios vizinhos).

Resultados do método técnico

Para os restaurantes em toda a França:

Indicador	Resultado
Linhas brutas	68.389
Após deduplicação	52.658
Colunas	7
Tempo total	~3 dias

As 7 colunas obtidas: categoria, título, avaliação, número de comentários, localização, horários de funcionamento (apenas o primeiro intervalo), telefone.

Sem email. Sem site. Sem redes sociais. Os horários estão incompletos — recuperamos apenas o primeiro intervalo exibido, não a grade completa da semana.

---

As limitações reais do método técnico

Sejamos diretos sobre o que esse método não faz.

Sem enriquecimento. Os dados brutos do Google Maps não contêm emails. Para obtê-los, seria necessário visitar cada site individualmente — uma etapa adicional que multiplica o tempo de processamento.

Dados incompletos. Os horários de funcionamento, fotos, avaliações detalhadas, redes sociais: nada disso é extraído adequadamente com um scraper genérico.

Manutenção constante. O Google altera regularmente a estrutura de suas páginas. Um scraper que funciona hoje pode ser quebrado em 3 semanas. É preciso monitorar, corrigir e reiniciar.

Habilidades necessárias. Python, pandas, XPath, gerenciamento de ambientes virtuais, manipulação de arquivos CSV grandes. Não é acessível a todos.

Risco de bloqueio. O Google detecta comportamentos automatizados. Sem rotação de proxies e gerenciamento de tempos, o scraper é bloqueado.

---

Método 2: uma base pré-indexada para exportar em poucos minutos

A alternativa ao método técnico é usar uma base de dados já construída. Esse é o princípio do IBLead.

O IBLead já scraipou e indexou mais de 50 milhões de negócios no Google Maps em 37 países. Tudo é pré-processado, enriquecido e atualizado a cada semana. O usuário não faz scraping — ele filtra e exporta.

Como funciona na prática

1. Escolher uma categoria (ex: "restaurante")
2. Selecionar a área geográfica — cidade, departamento, região ou país inteiro
3. Aplicar filtros
4. Exportar em CSV

Sem código. Sem espera de vários dias. A exportação é instantânea.

Os filtros disponíveis

O IBLead permite filtrar por:

• Avaliação do Google: direcionar apenas para estabelecimentos com 4+ estrelas, ou ao contrário, os mal avaliados (oportunidade comercial)
• Número de comentários: distinguir estabelecimentos estabelecidos de novos entrantes
• Presença de um site: indispensável para oferecer serviços digitais
• Presença de um email: para campanhas de email marketing
• Tecnologias detectadas: mais de 160 tecnologias analisadas — CMS (WordPress, Shopify, Wix), pixels publicitários (Facebook Pixel, Google Ads), ferramentas de email marketing (Mailchimp, HubSpot), soluções de pagamento (Stripe, PayPal)
• Número de telefone: móvel ou fixo
• Ficha reivindicada ou não no Google Maps

Esse último filtro é particularmente útil para agências: uma ficha não reivindicada sinaliza um proprietário que não gerencia ativamente sua presença online — uma porta de entrada para oferecer serviços.

Os dados incluídos em cada exportação

Enquanto o método técnico produz 7 colunas, o IBLead exporta mais de 50 campos por ficha:

• Nome, endereço completo, telefone (móvel/fixo diferenciados), email enriquecido a partir do site
• Site, categorias do Google Maps, avaliação média, número de comentários
• Avaliações do Google: texto completo, avaliação, data, autor — até 500 avaliações por ficha
• Redes sociais (Facebook, Instagram, YouTube, LinkedIn, Twitter)
• Horários completos (7 dias), fotos, coordenadas GPS
• Tecnologias detectadas (mais de 160 tecnologias)
• ID do Google Place, CID
• SIRET, SIREN, código APE, nome do diretor (apenas na França)

Resultados comparativos

Para os restaurantes em toda a França:

Indicador	Método técnico	IBLead
Linhas	52.658	~140.000
Colunas	7	50+
Emails	Não	Sim
Tecnologias	Não	Sim (160+)
Avaliações detalhadas	Não	Sim (até 500)
Tempo	~3 dias	Alguns minutos
Habilidades necessárias	Python, XPath, pandas	Nenhuma

Quanto custa

44€ por 10.000 leads — ou seja, 0,004€ por contato enriquecido com email, tecnologias, avaliações e dados SIRET.

Para testar, o IBLead oferece um bônus de 200 créditos inclusos (sem cartão necessário).

---

Casos de uso: quem precisa scraper um país inteiro?

Agências digitais

Uma agência que prospecta restaurantes sem site ou com um mau ranqueamento precisa de um volume significativo. Filtrar por "sem site" ou "tecnologias obsoletas" em toda a França produz listas de vários milhares de prospects qualificados.

Editoras de software SaaS

Um SaaS que visa cabeleireiros, encanadores ou advogados pode extrair todo o mercado endereçado na França em poucos minutos. Filtrar por tecnologia permite até identificar prospects que já utilizam um concorrente.

Vendedores de campo

Um vendedor que cobre uma região pode extrair todos os prospects de um departamento, filtrar por avaliação e número de comentários, e obter uma lista priorizada em 5 minutos.

Growth marketers

Construir uma lista de 50.000 prospects enriquecidos com emails para uma campanha de cold email é o caso de uso central. O CSV é importado diretamente para Lemlist, Instantly ou qualquer outra ferramenta de email marketing.

---

Legalidade do scraping do Google Maps

A questão surge frequentemente. Aqui está o que você precisa saber.

Os dados presentes no Google Maps são públicos. Qualquer um pode consultá-los manualmente. O scraping automatizado de dados públicos é geralmente considerado legal na maioria das jurisdições europeias.

Por outro lado, os termos de uso do Google proíbem o scraping automatizado de seus serviços. É uma distinção importante: legal do ponto de vista do direito, mas potencialmente em desacordo com os termos de uso do Google.

Para bases pré-indexadas como o IBLead, a questão do scraping em tempo real não se aplica — os dados já estão coletados e armazenados.

Sobre o RGPD: os dados de contato de empresas (email profissional, telefone profissional) são considerados dados B2B, distintos dos dados pessoais em sentido estrito. A prospecção B2B por email permanece autorizada sob certas condições (opt-out disponível, relevância da mensagem).

---

FAQ: scraper Google Maps em um país inteiro

Quanto tempo leva para scraper Google Maps em um país inteiro com Python?

Com Octoparse e pandas, conte cerca de 3 dias de processamento para extrair ~52.000 restaurantes na França. Isso inclui a recuperação dos municípios (1h), a construção das palavras-chave, 4 tarefas de scraping (2 dias 15h cada em paralelo) e a limpeza dos dados.

Por que o Google Maps limita a 120 resultados por pesquisa?

É uma limitação técnica imposta pelo Google para evitar sobrecarga em seus servidores e desencorajar o scraping em massa. Para contornar essa limitação, é necessário multiplicar as pesquisas geográficas — uma por município, por exemplo.

É possível scraper Google Maps sem codificar?

Sim. Bases pré-indexadas como o IBLead permitem exportar milhares de fichas sem escrever uma linha de código. Filtramos por categoria, área geográfica e critérios de qualidade, e depois exportamos em CSV.

Quais dados podem ser extraídos do Google Maps?

Com um scraper técnico: nome, avaliação, número de comentários, localização, telefone, primeiro intervalo de horário. Com uma base enriquecida: nome, endereço, telefone, email, site, redes sociais, horários completos, avaliações detalhadas, tecnologias do site, dados legais (SIRET, diretor para a França).

Quanto custa a extração de 10.000 leads do Google Maps?

Com o IBLead: 44€ por 10.000 leads enriquecidos. Com o método técnico: gratuito em teoria, mas vários dias de trabalho e dados menos completos (sem emails, sem tecnologias).

---

Conclusão

Scraper Google Maps em um país inteiro é tecnicamente possível com Python, Octoparse e pandas. Mas o custo real — em tempo, habilidades e qualidade dos dados — é alto. Três dias de processamento para 52.000 linhas e 7 colunas, sem emails ou tecnologias.

Uma base pré-indexada produz 140.000 linhas e 50+ colunas em poucos minutos, com enriquecimento incluído.

A escolha depende de seus recursos. Se você tem um desenvolvedor disponível e uma necessidade pontual muito específica, o método técnico pode funcionar. Se você precisa de volume, regularidade e dados enriquecidos, uma base pré-indexada é mais eficaz.

Para testar o IBLead em seu setor e país-alvo: créditos gratuitos — 200 créditos inclusos