____  ____  ____    _                    _   ____
 | __ )|___ \| __ )  | |    ___  __ _  __| | / ___|  ___ _ __ __ _ _ __   ___ _ __
 |  _ \  __) |  _ \  | |   / _ \/ _` |/ _` | \___ \ / __| '__/ _` | '_ \ / _ \ '__| 
 | |_) |/ __/| |_) | | |__|  __/ (_| | (_| |  ___) | (__| | | (_| | |_) |  __/ |
 |____/|_____|____/  |_____\___|\_,_|\__,_| |____/ \___|_|  \__,_| .__/ \___|_|
                                                                   |_|
                                                        v5.0 — Pro Edition

Motor de prospección B2B. Extrae leads verificados desde Google Maps con soporte para múltiples ciudades, múltiples nichos, extracción de emails, sistema de checkpoints y deduplicación inteligente.

---

⚡ Cómo funciona

El script genera automáticamente todas las combinaciones ciudad × nicho y ejecuta una búsqueda por cada una. Por cada negocio extrae:

• Nombre del negocio
• Categoría (Dental Office, Restaurant, etc.)
• Ciudad
• Dirección completa
• Teléfono
• Email ← nuevo en v5.0 — extraído directamente del sitio web del negocio
• Sitio Web
• URL de Google Maps

Todos los datos provienen directamente de Google Maps y los sitios web de los negocios — 100% verificados, sin suposiciones.

---

🚀 Inicio Rápido

cd lead-scraper
./venv/bin/python scraper.py

Primera vez (instalar navegador):

./venv/bin/python -m playwright install chromium

---

🎯 Menú (5 Pasos)

Paso	Pregunta	Ejemplo
1	¿Ciudad(es)?	Southlake TX, Keller TX o Durango, CDMX
2	¿Nicho(s)?	Dental Offices, Restaurants, Gyms
3	¿Nombre del Cliente/Proyecto?	Orbital Builders
4	¿Cuántos leads necesitas?	500 — Enter para máximo posible
5	¿Ejecutar en modo oculto?	y para background, n para debug visual

Ejemplo: 200 leads en Durango

Ciudad(es)  → Durango, Dgo
Nicho(s)    → Dentistas, Gimnasios, Restaurantes
Proyecto    → Cliente Durango
Meta leads  → 200
Headless    → y

El script genera 3 búsquedas y distribuye la meta equitativamente. Al terminar, guarda el Excel automáticamente.

---

📊 Datos que extrae

Campo	Fuente	Confiabilidad
Nombre del Negocio	Google Maps	✅ 100%
Categoría	Google Maps	✅ 100%
Ciudad	Google Maps	✅ 100%
Dirección	Google Maps	✅ 98%+
Teléfono	Google Maps	✅ 95%+
Email	Sitio web del negocio	✅ ~60% (depende si el sitio lo publica)
Sitio Web	Google Maps	✅ 95%+
Google Maps URL	Google Maps	✅ 100%

---

🆕 Novedades v5.0 Pro Edition

Feature	Descripción
✉️ Extracción de Emails	Entra al sitio web de cada negocio y extrae emails reales (info@, contact@, etc.)
♻️ Sistema de Checkpoint	Guarda el progreso después de cada búsqueda. Si el script se interrumpe, retoma donde se quedó
🔄 Reintentos automáticos	Si Maps no carga, reintenta hasta 3 veces antes de saltar esa búsqueda
🎭 Rotación de User-Agents	Usa 6 User-Agents reales distintos para evitar detección por parte de Google
🧠 Deduplicación Fuzzy	Detecta duplicados similares (ej. "Starbucks" vs "Starbucks Coffee") con 85% de similitud
👻 Modo Debug	Opción de ver el navegador en tiempo real para diagnosticar errores

---

🔢 Capacidad máxima por búsqueda

Google Maps devuelve hasta ~120 resultados por query. Para maximizar leads:

• Usa más ciudades → más combinaciones → más leads
• Usa nichos específicos → más densidad de resultados
• Ejemplo: 5 nichos × 10 ciudades = 50 búsquedas = hasta 6,000 leads

---

🛡️ Anti-Bloqueo

• Rotación automática de User-Agents en cada sesión.
• Scroll progresivo: para cuando Maps no carga más.
• Espera entre 6 y 12 segundos aleatorios entre búsquedas.
• Máximo recomendado: 300–500 leads por sesión continua.
• Si aparece un CAPTCHA: Detén el script, cambia de red o espera 30 minutos.

---

♻️ Sistema de Checkpoint

Si el script se interrumpe (luz, internet, Ctrl+C), al volver a ejecutarlo con el mismo nombre de proyecto detecta el archivo checkpoint_<proyecto>.json y pregunta si quieres retomar. Las búsquedas ya completadas se saltan automáticamente.

Al finalizar con éxito, el checkpoint se elimina solo.

---

📁 Estructura

B2B-Lead-Scraper/
├── lead-scraper/
│   ├── scraper.py              ← Script principal
│   ├── requirements.txt        ← Dependencias Python
│   ├── venv/                   ← Entorno virtual
│   ├── checkpoint_*.json       ← Guardado automático de progreso (temporal)
│   └── leads_*.xlsx            ← Archivos generados
└── README.md

---

🛠️ Dependencias

Librería	Uso
playwright	Navegación automatizada en Google Maps
openpyxl	Generación del Excel con formato profesional
rich	Interfaz visual en consola

Nota: urllib (extracción de emails) y difflib (deduplicación fuzzy) son librerías nativas de Python — no requieren instalación.

---

B2B Lead Scraper v5.0 — Pro Edition