Como implementar web scraping e automação em Python

"Você é um especialista em Python. Crie um script Python completo e otimizado para web scraping que, dada uma lista de URLs de páginas de produtos de um e-commerce genérico (simulando uma necessidade de monitoramento de preços/estoque), extraia as seguintes informações de cada URL: nome do produto, preço atual, disponibilidade (em estoque/esgotado) e URL da imagem principal do produto. O script deve:

1.  Utilizar bibliotecas populares e eficientes como `requests` e `BeautifulSoup`.
2.  Implementar boas práticas de web scraping (e.g., `User-Agent` customizado, tratamento de erros para URLs inacessíveis ou elementos não encontrados, `time.sleep()` entre requisições para evitar bloqueio).
3.  Armazenar os dados extraídos em um formato estruturado (e.g., lista de dicionários ou DataFrame do Pandas) e, opcionalmente, exportá-los para um arquivo CSV.
4.  Ser robusto o suficiente para lidar com pequenas variações na estrutura HTML (assumindo que os seletores CSS/XPath são razoavelmente estáveis dentro do mesmo e-commerce).
5.  Incluir comentários explicativos no código e um breve `README.md` (embutido como string multilinha no script ou como comentário inicial) explicando como usar o script e quais seletores CSS/XPath foram usados (com exemplos genéricos como `.product-title`, `.price`, etc.).

Considere um cenário onde as informações estão dentro de tags HTML comuns como `<h1>`, `<span class="price">`, `<div class="availability">`, `<img src="...">`. O script não precisa ser específico para um site real, mas deve ser funcional com base em seletores genéricos que você inferiria de uma página de produto típica."