Is it legal to scrape Instagram?

Scraping publicly available Instagram data is allowed as long as you respect the platform’s terms and applicable laws for competitor analysis, brand monitoring, and sentiment analysis. However, always:* Follow Instagram’s Terms of Use* Avoid collecting personal data that is not intended to be public* Usan e Instagram scraping tool that complies with regional regulations

What Instagram data can you scrape?

You can scrape posts, public profiles, and comment data. This includes Instagram usernames, follower counts, posts count, engagement metrics, post details (likes, hashtags, media), and comment text with basic metadata.

Does Instagram block scraping?

Yes. Instagram blocks direct scraping, which is why our tutorial avoids hitting Instagram directly and uses a scraping API that handles blocking, rate limits, and fingerprinting for us.

Why not use the official Instagram API?

Instagram's API endpoints, like the Instagram Graph API, don’t provide the public profile, post, and comment data we scrape in this tutorial. It works for your own business account and requires permissions and app review, so we rely on scraper APIs instead.

Diesen Benchmark Zitieren

Beste Instagram-Scraper zum Scrapen von Instagram-Daten

Gulbahar Karatas

aktualisiert am 1. Juli 2026

Siehe unsere ethischen Normen

Diesen Benchmark Zitieren

Instagram bleibt eine der aggressivsten Plattformen, wenn es darum geht, automatisiertes Scraping zu blockieren, aufgrund fortschrittlicher Anti-Bot-Maßnahmen wie TLS-Fingerprinting und IP-Reputationsprüfungen.

Ob Sie eine leistungsstarke Scraper‑API oder ein eigenes Python-Skript benötigen, dieser Leitfaden bewertet die besten Tools, einschließlich Apify Instagram Scraper und Bright Data Instagram Scraper.

Anbieter

Für

Bright Data

Schnellste Antwortzeit und beste Kosteneffizienz bei großem Volumen

Decodo

90%+ Erfolgsquote bei Profil- und Beitragsmetadaten

Apify

No-Code-Setup mit vorgefertigten Social-Media-„Actors“ für schnelle Bereitstellung

Die besten Instagram-Scraper-Tools des Jahres 2026

Scraper	Unterstützte Seiten	Scrape-Optionen	Formate	Scraper-Typ
Bright Data	Kommentare Beiträge Profile Reels	Suchbegriff URL	CSV JSON NDJSON JSON Lines	Spezialisierte API ¹
Apify	Kommentare Beiträge Profile Hashtags Reels	Suchbegriff URL	Tabelle JSON	Spezialisierte API ²
Decodo	Beiträge Profile Hashtags Reels	Suchbegriff	Tabelle JSON	Spezialisierte API ³
Nimble	Keine vorgefertigten Templates für IG	Suchbegriff	JHTML JSON	Allgemein

Die verlinkten Anbieter sind Sponsoren von AIMultiple.

Spezialisierte API: Instagram-spezifische Scraper-API, die darauf zugeschnitten ist, Daten ausschließlich von Instagram zu sammeln. Zum Beispiel bietet Bright Data Templates an, die auf bestimmte Instagram-Datenpunkte zugeschnitten sind, wie etwa „instagram-comments-collect by URL“.
Allgemein: Bietet einen vielseitigen Scraper, der nicht auf Instagram spezialisiert ist, aber für Instagram-Web-Scraping-Aufgaben angepasst werden kann.
Unterstützte Seitentypen: Seiten, für die das Instagram-Scraping-Tool Daten in einem strukturierten Format liefert.

Benchmark-Ergebnisse der Instagram-Scraper

Vergleichen Sie die mediane Antwortzeit der Anbieter und die durchschnittliche Anzahl der zurückgegebenen Felder in unserem Benchmark:

Stabilität der Erfolgsquoten von Instagram-Scrapern im Zeitverlauf

Kosteneffizienz der Instagram-Scraper nach monatlichem Volumen

Die monatlichen Preisoptionen für diese Anbieter sind unten aufgeführt.

Funktionen der besten Instagram-Scraper

Bright Data

Bright Data bietet zwei Instagram-Lösungen: eine Echtzeit-Scraper-API für Profile, Beiträge, Kommentare und Reels sowie vorgesammelte Datasets für groß angelegte historische Analysen. Die Python-Tutorials auf dieser Seite verwenden die Dataset-API.

Unsere Scraper-API liefert die schnellsten Antwortzeiten und die beste Kosteneffizienz bei großem Volumen, mit einer Erfolgsquote von über 90% für Profil- und Beitragsmetadaten in unseren Benchmarks. Ihnen werden nur erfolgreiche Ergebnisse in Rechnung gestellt; fehlgeschlagene Anfragen werden nicht berechnet. Die API umfasst fünf Instagram-spezifische Endpunkte: Profile, Beiträge, Reels, Kommentare und Datasets.

Decodo

Decodos Instagram-Targets (instagram_graphql_profile, instagram_graphql_user_posts, instagram_graphql_post) geben geparstes JSON über REST zurück, verfügbar in den Advanced-Plänen; Core-Pläne liefern rohe Seitendaten ohne zielspezifische Verarbeitung.

Das Tool erzielte in unserem Benchmark eine hohe Erfolgsquote, vergleichbar mit Bright Data, mit über 90% Genauigkeit bei Profil- und Beitragsmetadaten. Die Endpunkt-Abdeckung ist jedoch schmaler als bei Bright Data oder Apify, und es bietet derzeit keine dedizierte Unterstützung für Reels oder Hashtag-Targets.

Apify

Apifys apify/instagram-scraper Actor ist eines von acht auf Instagram ausgerichteten Tools im Store. Es unterstützt das Scraping von Beiträgen, Reels, Kommentaren, Erwähnungen, Profilen und Hashtags sowie Orten und ermöglicht neben der URL-Eingabe auch eine Keyword-basierte Erkundung.

Die No-Code-Konsole erlaubt es, eine URL oder ein Keyword einzufügen und den Scraper ohne API-Integration auszuführen. Neben dem direkten URL-Scraping bietet sie eine Keyword-basierte Ermittlung für Hashtags, Orte oder Nutzer. Kommentarantworten und die neuesten Kommentare zuerst sind in kostenpflichtigen Plänen verfügbar, während der kostenlose Plan auf etwa 15 Kommentare pro Beitrag begrenzt ist.

Nimble

Nicht alle Anbieter in diesem Vergleich funktionieren auf die gleiche Weise als Instagram-Scraper wie die drei oben genannten. Zum Beispiel bietet Nimble keinen Instagram-spezifischen Endpunkt oder Schema an. Stattdessen handelt es sich um eine allgemeine Web-API, die beliebige URLs über einen KI-gesteuerten Parser verarbeitet und strukturiertes JSON zurückgibt. Die Ausgabe hängt davon ab, was das Modell zum Zeitpunkt der Anfrage aus der Seite extrahiert, und nicht von einem festen Satz von Feldern.

Nimble veröffentlicht keine Preisgestaltung pro Datensatz für Instagram; der Zugang erfolgt auf Angebotsbasis. Es ist eine geeignete Option, wenn Sie eine einzige API für mehrere Websites benötigen und Schemaänderungen in Kauf nehmen können.

Instagram-Scraper-API vs. Python-Code

Einfaches Python-Scraping funktioniert auf Instagram wegen der starken Anti-Bot-Systeme nicht, daher setzen wir auf Scraper-APIs, die Proxys, Browser-Simulation und Ratenbegrenzungen handhaben.
Wir haben drei Scraper in Python erstellt: Profile, Beiträge und Kommentare, die jeweils Snapshot-basierte API-Jobs und saubere CSV-Ausgaben verwenden.
Wir nutzten Google Search, um Instagram-Beitrags-URLs innerhalb von Keyword- und Datumsfiltern zuverlässig zu entdecken.
Unser Polling-System bearbeitet Snapshot-Zustände, Fallback-Downloads, JSON-Line-Parsing und 15-Minuten-Timeouts.

Instagram-Follower-Scraper mit Python erstellen

Schritt 1: Einrichtung und Konfiguration

1import time
2import json
3import pandas as pd
4import requests
5import urllib3
6
7urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
8
9API_TOKEN = "your_api_token_here"
10INSTAGRAM_PROFILES_DATASET_ID = "dataset_id_for_instagram_profiles_from_brightdata"
11
12profile_urls = [
13    "https://www.instagram.com/langchain.ai/",
14]

Dieser Schritt:

Importiert die Python-Bibliotheken für HTTP-Anfragen, JSON und pandas.
Setzt Ihren API-Token und die ID des Instagram-Profile-Datasets.
Definiert profile_urls, die Liste der Instagram-Konten, die Sie scrapen möchten (hier ist es langchain.ai, aber Sie können beliebig viele hinzufügen).

Schritt 2: Einreichen der Profil-URLs an den Web-Scraper

1trigger_url = "api_trigger_endpoint_url"
2headers = {
3    "Authorization": f"Bearer {API_TOKEN}",
4    "Content-Type": "application/json",
5}
6params = {
7    "dataset_id": INSTAGRAM_PROFILES_DATASET_ID,
8    "include_errors": "true",
9}
10
11data = [{"url": u} for u in profile_urls]
12
13try:
14    response = requests.post(trigger_url, headers=headers, params=params, json=data)
15
16    if response.status_code == 200:
17        result = response.json()
18        snapshot_id = result.get("snapshot_id")
19    else:
20        exit()
21
22except Exception as e:
23    exit()

Hier starten Sie den Profil-Scraping-Job:

Jede Profil-URL wird als Objekt in data verpackt und an das Profil-Dataset gesendet.
Die API antwortet mit einer snapshot_id, die diesen Job repräsentiert; Sie verwenden sie im nächsten Schritt, um die gescrapten Profildaten abzurufen.

Schritt 3: Polling der API, bis die Profildaten bereit sind

1snapshot_url = f"api_snapshot_endpoint_url/{snapshot_id}"
2headers = {"Authorization": f"Bearer {API_TOKEN}"}
3
4start_time = time.time()
5max_wait_seconds = 15 * 60
6
7items = []
8while True:
9    elapsed = time.time() - start_time
10    if elapsed > max_wait_seconds:
11        exit()
12
13    try:
14        response = requests.get(snapshot_url, headers=headers)
15
16        if response.status_code not in [200, 202]:
17            time.sleep(10)
18            continue
19
20        if response.status_code == 202:
21            time.sleep(10)
22            continue
23
24        try:
25            data = response.json()
26            status = data.get("status")
27
28            if status in ["ready", "done", "complete"]:
29                download_url = data.get("download_url")
30                if download_url:
31                    download_response = requests.get(download_url)
32
33                    for line in download_response.text.strip().split('\n'):
34                        if line.strip():
35                            try:
36                                items.append(json.loads(line))
37                            except json.JSONDecodeError:
38                                pass
39
40                if items:
41                    break
42
43            items = data.get("items", [])
44            if items:
45                break
46
47            download_response = requests.get(
48                f"api_download_endpoint/{snapshot_id}/download",
49                headers=headers
50            )
51
52            for line in download_response.text.strip().split('\n'):
53                if line.strip():
54                    try:
55                        items.append(json.loads(line))
56                    except:
57                        pass
58
59            if items:
60                break
61            else:
62                exit()
63
64            elif status == "failed":
65                exit()
66
67        except json.JSONDecodeError:
68            for line in response.text.strip().split('\n'):
69                if line.strip():
70                    try:
71                        items.append(json.loads(line))
72                    except:
73                        pass
74
75            if items:
76                break
77
78        time.sleep(10)
79
80    except Exception as e:
81        time.sleep(10)
82
83if not items:
84    exit()

Diese Schleife:

Überprüft den Snapshot-Status alle 10 Sekunden, bis zu einem 15-Minuten-Timeout.
Behandelt sowohl das Format „bereit mit download_url“ als auch das Format „Elemente in der Antwort eingebettet“ sowie einen Fallback-Download-Endpunkt.
Sammelt alle zurückgegebenen Profildatensätze in der items-Liste, bevor es weitergeht.

Schritt 4: Verarbeitung und Speicherung der Instagram-Profil-Daten

1csv_data = []
2
3for item in items:
4    try:
5        followers = int(item.get('followers', 0))
6    except (ValueError, TypeError):
7        followers = 0
8
9    try:
10        posts_count = int(item.get('posts_count', 0))
11    except (ValueError, TypeError):
12        posts_count = 0
13
14    try:
15        avg_engagement = float(item.get('avg_engagement', 0.0))
16    except (ValueError, TypeError):
17        avg_engagement = 0.0
18
19    csv_data.append({
20        'account': item.get('account', 'N/A'),
21        'fbid': item.get('fbid', 'N/A'),
22        'id': item.get('id', 'N/A'),
23        'followers': followers,
24        'posts_count': posts_count,
25        'is_business_account': item.get('is_business_account', False),
26        'is_professional_account': item.get('is_professional_account', False),
27        'is_verified': item.get('is_verified', False),
28        'avg_engagement': avg_engagement,
29        'external_url': item.get('external_url', 'N/A'),
30        'biography': item.get('biography', 'N/A'),
31        'full_name': item.get('full_name', 'N/A')
32    })
33
34df = pd.DataFrame(csv_data)
35output_filename = 'instagram_profiles_data.csv'
36df.to_csv(output_filename, index=False, encoding='utf-8-sig')

Schließlich wandeln Sie die rohen API-Datensätze in einen sauberen Datensatz um:

Parst numerische Felder wie Follower, posts_count und avg_engagement sicher.
Behält nützliche Profilattribute bei: Account-IDs, Geschäfts-/Profi-Flags, Verifizierungsstatus, Bio, vollständiger Name und externe URL.
Speichert alles in einem pandas DataFrame und schreibt es in instagram_profiles_data.csv zur weiteren Analyse oder Berichterstattung.

Instagram-Beiträge-Scraper (Python-Tutorial)

Schritt 1: Einrichtung und Konfiguration

In diesem Beispiel verwenden wir die Instagram Dataset-API plus Proxys, um Instagram-Beiträge zu sammeln, die ein Keyword innerhalb eines Datumsbereichs enthalten.

1import urllib.parse
2import re
3import time
4import json
5import pandas as pd
6import requests
7import urllib3
8from datetime import datetime
9
10urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
11
12API_TOKEN = "your_api_token_here"
13INSTAGRAM_DATASET_ID = "dataset_id_for_instagram_from_brightdata"
14
15proxy = {
16    "http": 'http://your_proxy_url',
17    "https": 'http://your_proxy_url'
18}
19
20KEYWORD = "Agentic AI Frameworks"
21NUM_POSTS = 5
22DATE_START = "11.05.2025"
23DATE_END = "11.10.2025"

Dieser Block:

Importiert die Python-Bibliotheken für URL-Parsing, HTTP-Anfragen, JSON-Verarbeitung und Datenanalyse mit pandas.
Setzt Ihren API-Token und die Instagram-Dataset-ID.
Konfiguriert den Proxy für das Instagram-Scraping.
Definiert die Suchparameter: KEYWORD, die Anzahl der abzurufenden Beiträge (NUM_POSTS) und das Datumsfenster (DATE_START → DATE_END).

Schritt 2: Auffinden von Instagram-Beiträgen über Google Search

Wir verwenden Google Search, um relevante Instagram-Beiträge zu finden, die unseren Kriterien innerhalb eines bestimmten Datumsbereichs entsprechen.

1all_urls = []
2start = 0
3max_pages = 5
4
5while len(all_urls) < NUM_POSTS and start < max_pages * 10:
6    query = f'site:instagram.com/p/ "{KEYWORD}" after:2025-05-11 before:2025-10-11'
7    encoded_query = urllib.parse.quote(query)
8    url = f"https://google.com/search?q={encoded_query}&start={start}&gl=us&hl=en&num=20"
9
10    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'}
11
12    try:
13        response = requests.get(url, headers=headers, proxies=proxy, verify=False, timeout=30)
14        html = response.text
15    except Exception as e:
16        break
17
18    patterns = [
19        r'https://www\.instagram\.com/p/[A-Za-z0-9_-]+/?',
20        r'https://instagram\.com/p/[A-Za-z0-9_-]+/?',
21    ]
22
23    found_urls = []
24    seen_urls = set()
25
26    for pattern in patterns:
27        matches = re.findall(pattern, html)
28        for match in matches:
29            clean_url = match.split('?')[0].split('#')[0].rstrip('/')
30
31            if 'www.instagram.com' not in clean_url:
32                clean_url = clean_url.replace('instagram.com', 'www.instagram.com')
33
34            if clean_url not in seen_urls:
35                seen_urls.add(clean_url)
36                found_urls.append(clean_url)
37
38    if not found_urls:
39        break
40
41    for found_url in found_urls:
42        if found_url not in all_urls:
43            all_urls.append(found_url)
44            if len(all_urls) >= NUM_POSTS:
45                break
46
47    if len(all_urls) >= NUM_POSTS:
48        break
49
50    start += 10
51    time.sleep(2)
52
53instagram_urls = all_urls[:NUM_POSTS]
54
55if not instagram_urls:
56    exit()

Dieser Schritt nutzt Google Search, um Beiträge zu finden. Das Skript:

Erstellt eine Abfrage wie site:instagram.com/p/ „{KEYWORD}“ after: DATE_START before: DATE_END und paginiert durch die Google-Ergebnisse.
Extrahiert Instagram-Beitrags-URLs mit Regex-Mustern aus dem HTML, normalisiert sie (www.instagram.com vs. instagram.com) und entfernt Duplikate.
Stoppt, wenn es NUM_POSTS eindeutige URLs gesammelt hat oder die maximale Anzahl von Google-Ergebnisseiten erreicht ist.

Schritt 3: Senden der Instagram-Beitrags-URLs an die API zum Scraping

1trigger_url = "api_trigger_endpoint_url"
2headers = {
3    "Authorization": f"Bearer {API_TOKEN}",
4    "Content-Type": "application/json",
5}
6params = {
7    "dataset_id": INSTAGRAM_DATASET_ID,
8    "include_errors": "true",
9}
10
11data = [{"url": u} for u in instagram_urls]
12
13try:
14    response = requests.post(trigger_url, headers=headers, params=params, json=data)
15
16    if response.status_code == 200:
17        result = response.json()
18        snapshot_id = result.get("snapshot_id")
19    else:
20        exit()
21
22except Exception as e:
23    exit()

Dieser Schritt startet den eigentlichen Scraping-Job:

Sendet alle gesammelten Instagram-URLs in einer einzigen Batch-Anfrage an das Instagram-Dataset.
Die API gibt eine snapshot_id zurück, die diesen Scraping-Job identifiziert und im nächsten Schritt verwendet wird, um die Ergebnisse abzurufen, sobald die Verarbeitung abgeschlossen ist.

Schritt 3: Polling auf Ergebnisse und Speichern der Daten

1snapshot_url = f"api_snapshot_endpoint_url/{snapshot_id}"
2headers = {"Authorization": f"Bearer {API_TOKEN}"}
3
4start_time = time.time()
5max_wait_seconds = 15 * 60
6
7items = []
8while True:
9    elapsed = time.time() - start_time
10    if elapsed > max_wait_seconds:
11        exit()
12
13    try:
14        response = requests.get(snapshot_url, headers=headers)
15
16        if response.status_code not in [200, 202]:
17            time.sleep(10)
18            continue
19
20        if response.status_code == 202:
21            time.sleep(10)
22            continue
23
24        try:
25            data = response.json()
26            status = data.get("status")
27
28            if status in ["ready", "done", "complete"]:
29                download_url = data.get("download_url")
30                if download_url:
31                    download_response = requests.get(download_url)
32
33                    for line in download_response.text.strip().split('\n'):
34                        if line.strip():
35                            try:
36                                items.append(json.loads(line))
37                            except json.JSONDecodeError:
38                                pass
39
40                if items:
41                    break
42
43            items = data.get("items", [])
44            if items:
45                break
46
47            download_response = requests.get(
48                f"api_download_endpoint/{snapshot_id}/download",
49                headers=headers
50            )
51
52            for line in download_response.text.strip().split('\n'):
53                if line.strip():
54                    try:
55                        items.append(json.loads(line))
56                    except:
57                        pass
58
59            if items:
60                break
61            else:
62                exit()
63
64            elif status == "failed":
65                exit()
66
67        except json.JSONDecodeError:
68            for line in response.text.strip().split('\n'):
69                if line.strip():
70                    try:
71                        items.append(json.loads(line))
72                    except:
73                        pass
74
75            if items:
76                break
77
78        time.sleep(10)
79
80    except Exception as e:
81        time.sleep(10)
82
83if not items:
84    exit()
85
86csv_data = []
87
88for item in items:
89    try:
90        likes = int(item.get('likes', 0))
91    except (ValueError, TypeError):
92        likes = 0
93
94    try:
95        num_comments = int(item.get('num_comments', 0))
96    except (ValueError, TypeError):
97        num_comments = 0
98
99    hashtags = item.get('hashtags', [])
100    hashtags_str = ', '.join(hashtags) if isinstance(hashtags, list) else str(hashtags)
101
102    photos = item.get('photos', [])
103    photos_str = ', '.join(photos) if isinstance(photos, list) else str(photos)
104
105    videos = item.get('videos', [])
106    videos_str = ', '.join(videos) if isinstance(videos, list) else str(videos)
107
108    csv_data.append({
109        'user_posted': item.get('user_posted', 'N/A'),
110        'description': item.get('description', 'N/A'),
111        'date_posted': item.get('date_posted', 'N/A'),
112        'likes': likes,
113        'num_comments': num_comments,
114        'hashtags': hashtags_str,
115        'location': item.get('location', 'N/A'),
116        'photos': photos_str,
117        'videos': videos_str
118    })
119
120df = pd.DataFrame(csv_data)
121output_filename = f'instagram_{KEYWORD.replace(" ", "_").lower()}_posts.csv'
122df.to_csv(output_filename, index=False, encoding='utf-8-sig')

Entdecken Sie weitere unserer Benchmarks und datengestützten Erkenntnisse in der Google-Suche.

Als bevorzugte Quelle hinzufügen

Instagram-Kommentare-Scraper (Python)

Schritt 1: Einrichtung und Konfiguration

1import urllib.parse
2import re
3import time
4import json
5import pandas as pd
6import requests
7import urllib3
8from datetime import datetime
9
10urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
11
12API_TOKEN = "your_api_token_here"
13INSTAGRAM_COMMENTS_DATASET_ID = "dataset_id_for_instagram_comments_from_brightdata"
14
15proxy = {
16    "http": 'http://your_proxy_url',
17    "https": 'http://your_proxy_url'
18}
19
20KEYWORD = "Agentic AI Frameworks"
21NUM_POSTS = 5
22DATE_START = "11.05.2025"
23DATE_END = "11.10.2025"

Dieser Schritt:

Importiert Bibliotheken für URL-Verarbeitung, reguläre Ausdrücke, HTTP-Anfragen und pandas.
Setzt Ihre Kommentare-Dataset-ID und API_TOKEN.
Konfiguriert den zu verwendenden Proxy und definiert die Suchparameter: Keyword, Anzahl der Beiträge, aus denen Kommentare gezogen werden sollen, und das Datumsfenster.

Schritt 2: Auffinden von Instagram-Beiträgen über Google Search

1all_urls = []
2start = 0
3max_pages = 5
4
5while len(all_urls) < NUM_POSTS and start < max_pages * 10:
6    query = f'site:instagram.com/p/ "{KEYWORD}" after:2025-05-11 before:2025-10-11'
7    encoded_query = urllib.parse.quote(query)
8    url = f"https://google.com/search?q={encoded_query}&start={start}&gl=us&hl=en&num=20"
9
10    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'}
11
12    try:
13        response = requests.get(url, headers=headers, proxies=proxy, verify=False, timeout=30)
14        html = response.text
15    except Exception as e:
16        break
17
18    patterns = [
19        r'https://www\.instagram\.com/p/[A-Za-z0-9_-]+/?',
20        r'https://instagram\.com/p/[A-Za-z0-9_-]+/?',
21    ]
22
23    found_urls = []
24    seen_urls = set()
25
26    for pattern in patterns:
27        matches = re.findall(pattern, html)
28        for match in matches:
29            clean_url = match.split('?')[0].split('#')[0].rstrip('/')
30
31            if 'www.instagram.com' not in clean_url:
32                clean_url = clean_url.replace('instagram.com', 'www.instagram.com')
33
34            if clean_url not in seen_urls:
35                seen_urls.add(clean_url)
36                found_urls.append(clean_url)
37
38    if not found_urls:
39        break
40
41    for found_url in found_urls:
42        if found_url not in all_urls:
43            all_urls.append(found_url)
44            if len(all_urls) >= NUM_POSTS:
45                break
46
47    if len(all_urls) >= NUM_POSTS:
48        break
49
50    start += 10

Hier:

Nutzen Sie Google Search mit der site:instagram.com/p/-Abfrage und Ihren Keyword- und Datumsfiltern, um relevante Beiträge zu finden.
Extrahieren und normalisieren Sie Instagram-Beitrags-URLs mit Regex, deduplizieren Sie sie und stoppen Sie, sobald Sie NUM_POSTS Beiträge haben.
Speichern Sie die endgültige Liste in instagram_urls, die in den Kommentare-Scraper einfließt.

Schritt 3: Einreichen der Beitrags-URLs an die Kommentare-Scraper-API

1trigger_url = "api_trigger_endpoint_url"
2headers = {
3    "Authorization": f"Bearer {API_TOKEN}",
4    "Content-Type": "application/json",
5}
6params = {
7    "dataset_id": INSTAGRAM_COMMENTS_DATASET_ID,
8    "include_errors": "true",
9}
10
11data = [{"url": u} for u in instagram_urls]
12
13try:
14    response = requests.post(trigger_url, headers=headers, params=params, json=data)
15
16    if response.status_code == 200:
17        result = response.json()
18        snapshot_id = result.get("snapshot_id")
19    else:
20        exit()
21
22except Exception as e:
23    exit()

Dieser Schritt:

Sendet alle Instagram-URLs in einem einzigen Batch an das Instagram-Kommentare-Dataset.
Jede URL ist als {“url”: …} verpackt, damit die API weiß, von welchem Beitrag die Kommentare gescrapt werden sollen.
Die API gibt eine snapshot_id zurück, die diesen Kommentare-Scraping-Job identifiziert.

Schritt 4: Polling auf Ergebnisse und Speichern der Kommentardaten

Wir prüfen kontinuierlich, ob das Scraping abgeschlossen ist, verarbeiten dann die Kommentardaten und speichern sie.

1snapshot_url = f"api_snapshot_endpoint_url/{snapshot_id}"
2headers = {"Authorization": f"Bearer {API_TOKEN}"}
3
4start_time = time.time()
5max_wait_seconds = 15 * 60
6
7items = []
8while True:
9    elapsed = time.time() - start_time
10    if elapsed > max_wait_seconds:
11        exit()
12
13    try:
14        response = requests.get(snapshot_url, headers=headers)
15
16        if response.status_code not in [200, 202]:
17            time.sleep(10)
18            continue
19
20        if response.status_code == 202:
21            time.sleep(10)
22            continue
23
24        try:
25            data = response.json()
26
27            status = data.get("status")
28
29            if status in ["ready", "done", "complete"]:
30                download_url = data.get("download_url")
31                if download_url:
32                    download_response = requests.get(download_url)
33
34                    for line in download_response.text.strip().split('\n'):
35                        if line.strip():
36                            try:
37                                items.append(json.loads(line))
38                            except json.JSONDecodeError:
39                                pass
40
41                    if items:
42                        break
43
44                items = data.get("items", [])
45                if items:
46                    break
47
48                download_response = requests.get(
49                    f"api_download_endpoint/{snapshot_id}/download",
50                    headers=headers
51                )
52
53                for line in download_response.text.strip().split('\n'):
54                    if line.strip():
55                        try:
56                            items.append(json.loads(line))
57                        except:
58                            pass
59
60                if items:
61                    break
62                else:
63                    exit()
64
65            elif status == "failed":
66                exit()
67
68        except json.JSONDecodeError:
69            for line in response.text.strip().split('\n'):
70                if line.strip():
71                    try:
72                        items.append(json.loads(line))
73                    except:
74                        pass
75
76            if items:
77                break
78
79        time.sleep(10)
80
81    except Exception as e:
82        time.sleep(10)
83
84if not items:
85    exit()
86
87csv_data = []
88
89for item in items:
90    try:
91        likes_number = int(item.get('likes_number', 0))
92    except (ValueError, TypeError):
93        likes_number = 0
94
95    try:
96        replies_number = int(item.get('replies_number', 0))
97    except (ValueError, TypeError):
98        replies_number = 0
99
100    hashtag_comment = item.get('hashtag_comment', [])
101    hashtag_comment_str = ', '.join(hashtag_comment) if isinstance(hashtag_comment, list) else str(hashtag_comment)
102
103    tagged_users = item.get('tagged_users_in_comment', [])
104    tagged_users_str = ', '.join(tagged_users) if isinstance(tagged_users, list) else str(tagged_users)
105
106    csv_data.append({
107        'url': item.get('url', 'N/A'),
108        'comment_user': item.get('comment_user', 'N/A'),
109        'comment_user_url': item.get('comment_user_url', 'N/A'),
110        'comment_date': item.get('comment_date', 'N/A'),
111        'comment': item.get('comment', 'N/A'),
112        'likes_number': likes_number,
113        'replies_number': replies_number,
114        'hashtag_comment': hashtag_comment_str,
115        'tagged_users_in_comment': tagged_users_str
116    })
117
118df = pd.DataFrame(csv_data)
119output_filename = f'instagram_{KEYWORD.replace(" ", "_").lower()}_comments.csv'
120df.to_csv(output_filename, index=False, encoding='utf-8-sig')

Dieser Abschnitt pollt die API alle 10 Sekunden, bis das Scraping abgeschlossen ist. Sobald es fertig ist, ruft er alle Kommentardaten ab und extrahiert wichtige Informationen wie den Benutzernamen des Kommentierenden, den Kommentartext, Likes, Antworten, verwendete Hashtags und getaggte Nutzer. Die Daten werden in einem pandas DataFrame strukturiert und als CSV-Datei gespeichert.

Wie Instagram Scraper erkennt (warum einfache Python-Skripte scheitern)

Einfache Python-Skripte mit requests scheitern sofort, weil sie kein echtes Browserverhalten aufweisen und sich auf eine einzige IP verlassen, die innerhalb von Minuten gesperrt wird. Die Plattform kann Instagram-Web-Scraper sofort durch mehrere Verteidigungsschichten erkennen:

Keine JavaScript-Ausführung: Instagram lädt die Seite dynamisch, und Python-Skripte können JavaScript nicht ausführen, sodass Seiten leer erscheinen. Das verrät sofort nicht-menschliches Verhalten.
Ratenbegrenzung: Menschliche Nutzer stellen nicht 50 Requests pro Sekunde. Einfache Scraper wiederholen mit vorhersehbarem Timing, und Instagram blockiert dies sofort.
IP-Reputation: Instagram führt Echtzeit-IP-Vertrauenswerte, Rechenzentrums-IPs und IP-Duplikationsprüfungen durch. Verwenden Sie keine kostenlosen Proxys; diese werden nach wenigen Requests gesperrt.

Wir verwendeten eine Web-Scraper-API, die Browser-Simulation, IP-Rotation, JavaScript, Ratenbegrenzungen und Captcha-Lösung handhabt.

Proxys, Rate-Limits & Betrieb Ihres Instagram-Scrapers im großen Maßstab

Instagram sperrt jedes Skript, das dieselbe IP wiederholt verwendet. Um Instagram in großem Umfang zu scrapen, müssen Sie rotierende Residential-Proxys nutzen, Ratenbegrenzungen respektieren, Verzögerungen einführen und direkte Requests an Instagram vermeiden. So haben wir Proxys beim Scrapen von Instagram-Daten verwendet:

1proxy = {
2    "http": 'http://your_proxy_url',
3    "https": 'http://your_proxy_url'
4}

In großem Maßstab führt Instagram Geschwindigkeitsprüfungen (zu viele Requests zu schnell) und Gleichzeitigkeitsprüfungen (zu viele Requests gleichzeitig) durch. Unser Tutorial vermeidet dies durch:

Pausen zwischen den Google-Suchseiten (time.sleep(2))
Polling der APIs alle 10 Sekunden,
keinen direkten Zugriff auf Instagram.

Im Benchmark verwendete Instagram-Scraper

Unser Benchmark testete die unten aufgeführten dedizierten Instagram-Scraper-API-Lösungen. Weitere Informationen finden Sie in der Benchmark-Methodik für Web-Scraping-APIs.

Seitentyp	Apify	Bright Data	Oxylabs	Smartproxy	Zyte
Instagram-Post	apify/instagram-scraper	Instagram – Beiträge sammeln nach URL	❌	Social Media Scraping API – instagram_grap hql_post	❌
Instagram-Profil	apify/instagram-profile-scraper	Instagram – Profile – sammeln nach URL	❌	Social Media Scraping API – instagram_grap hql_post	❌

Sehen Sie, welche großen Web-Infrastrukturanbieter spezifische Scraper für Instagram-Seiten anbieten:

Anbieter	Instagram-Post	Instagram-Profil
Bright Data	✅	✅
Apify	✅	✅
Decodo	✅	✅
NetNut	❌	❌
Oxylabs	❌	❌
Zyte	❌	❌

Was ist Instagram-Scraping?

Instagram-Scraping bezeichnet den Prozess, bei dem automatisierte Software wie Bots oder Skripte verwendet wird, um öffentliche Daten von Instagram-Seiten zu sammeln, einschließlich Beiträgen, Hashtags und Kommentaren.

Anstatt dass ein Mensch manuell ein Profil besucht, um die Bio zu kopieren und in Excel einzufügen, automatisiert ein Skript diesen Vorgang tausendfach und organisiert die Daten in einem strukturierten Format wie CSV oder JSON für die Analyse.

FAQs

Das Scraping öffentlich zugänglicher Instagram-Daten ist erlaubt, solange Sie die Nutzungsbedingungen der Plattform und die geltenden Gesetze für Wettbewerbsanalysen, Markenbeobachtung und Sentiment-Analyse respektieren. Beachten Sie jedoch stets:

* Halten Sie sich an die Nutzungsbedingungen von Instagram
* Vermeiden Sie das Sammeln personenbezogener Daten, die nicht für die Öffentlichkeit bestimmt sind
* Verwenden Sie ein Instagram-Scraping-Tool, das den regionalen Vorschriften entspricht

Sie können Beiträge, öffentliche Profile und Kommentardaten scrapen. Dazu gehören Instagram-Benutzernamen, Follower-Zahlen, Anzahl der Beiträge, Engagement-Metriken, Beitragsdetails (Likes, Hashtags, Medien) sowie Kommentartexte mit grundlegenden Metadaten.

Ja. Instagram blockiert direktes Scraping, weshalb unser Tutorial Instagram nicht direkt anspricht und eine Scraping-API nutzt, die Blockaden, Ratenbegrenzungen und Fingerprinting für uns handhabt.

Die API-Endpunkte von Instagram, wie die Instagram Graph API, liefern nicht die öffentlichen Profil-, Beitrags- und Kommentardaten, die wir in diesem Tutorial scrapen. Sie funktioniert nur für Ihr eigenes Geschäftskonto und erfordert Berechtigungen sowie eine App-Prüfung, daher setzen wir stattdessen auf Scraper-APIs.

Zitieren Sie diesen Benchmark

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

Gulbahar Karatas (2026) - "Beste Instagram-Scraper zum Scrapen von Instagram-Daten". Online veröffentlicht auf AIMultiple.com. Abgerufen am 1. Juli 2026, von: https://aimultiple.com/instagram-scraping [Online-Ressource]

Karatas, G. (2026, 1. Juli). Beste Instagram-Scraper zum Scrapen von Instagram-Daten. AIMultiple. https://aimultiple.com/instagram-scraping

@misc{karatas2026,
  author = {Karatas, Gulbahar},
  title  = {{Beste Instagram-Scraper zum Scrapen von Instagram-Daten}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/instagram-scraping}},
  note   = {AIMultiple. Abgerufen am 1. Juli 2026}
}

Referenzlinks

Instagram

Gulbahar Karatas

Branchenanalyst

Folgen auf

Gülbahar ist eine KI-Branchenanalystin bei AIMultiple mit Schwerpunkt auf Webdatenerfassung, Anwendungen von Webdaten und Anwendungssicherheit.

Vollständiges Profil anzeigen

Kommentare 1

Teilen Sie Ihre Gedanken

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Alyaa Anter

Mar 15, 2023 at 14:03

Could you help me in collecting data from Instagram

Bardia Eshghi

Sep 11, 2023 at 05:52

Hello, Alyaa, Doesn't the article help you with that?

Die besten Instagram-Scraper-Tools des Jahres 2026

Benchmark-Ergebnisse der Instagram-Scraper

Kosteneffizienz der Instagram-Scraper nach monatlichem Volumen

Funktionen der besten Instagram-Scraper

Instagram-Scraper-API vs. Python-Code

Instagram-Follower-Scraper mit Python erstellen

Instagram-Beiträge-Scraper (Python-Tutorial)

Instagram-Kommentare-Scraper (Python)

Wie Instagram Scraper erkennt (warum einfache Python-Skripte scheitern)

Proxys, Rate-Limits & Betrieb Ihres Instagram-Scrapers im großen Maßstab

Im Benchmark verwendete Instagram-Scraper

Was ist Instagram-Scraping?

FAQs

Zitieren Sie diesen Benchmark

Wir folgen ethischen Normen & unserem Prozess für Objektivität. Zu den Kunden von AIMultiple in Social-media-scraping gehört Bright Data, Oxylabs, Decodo, Apify, SerpApi.

Entdecken Sie weitere unserer Benchmarks und datengestützten Erkenntnisse in der Google-Suche.

Als bevorzugte Quelle hinzufügen

Als nächstes lesen

Web-Proxys6. Jul

Beste Instagram-Scraper zum Scrapen von Instagram-Daten

Die besten Instagram-Scraper-Tools des Jahres 2026

Benchmark-Ergebnisse der Instagram-Scraper

Stabilität der Erfolgsquoten von Instagram-Scrapern im Zeitverlauf

Kosteneffizienz der Instagram-Scraper nach monatlichem Volumen

Funktionen der besten Instagram-Scraper

Bright Data

Decodo

Apify

Nimble

Instagram-Scraper-API vs. Python-Code

Instagram-Follower-Scraper mit Python erstellen

Schritt 1: Einrichtung und Konfiguration

Schritt 2: Einreichen der Profil-URLs an den Web-Scraper

Schritt 3: Polling der API, bis die Profildaten bereit sind

Schritt 4: Verarbeitung und Speicherung der Instagram-Profil-Daten

Instagram-Beiträge-Scraper (Python-Tutorial)

Schritt 1: Einrichtung und Konfiguration

Schritt 2: Auffinden von Instagram-Beiträgen über Google Search

Schritt 3: Senden der Instagram-Beitrags-URLs an die API zum Scraping

Schritt 3: Polling auf Ergebnisse und Speichern der Daten

Instagram-Kommentare-Scraper (Python)

Schritt 1: Einrichtung und Konfiguration

Schritt 2: Auffinden von Instagram-Beiträgen über Google Search

Schritt 3: Einreichen der Beitrags-URLs an die Kommentare-Scraper-API

Schritt 4: Polling auf Ergebnisse und Speichern der Kommentardaten

Wie Instagram Scraper erkennt (warum einfache Python-Skripte scheitern)

Proxys, Rate-Limits & Betrieb Ihres Instagram-Scrapers im großen Maßstab

Im Benchmark verwendete Instagram-Scraper

Was ist Instagram-Scraping?

FAQs

Ist es legal, Instagram zu scrapen?

Welche Instagram-Daten können Sie scrapen?

Blockiert Instagram Scraping?

Warum nicht die offizielle Instagram-API verwenden?

Zitieren Sie diesen Benchmark

Link mit QuellenangabeHTML, für Blogbeiträge, LinkedIn-Artikel und Newsletter. Empfohlen.

APA 7. AusgabeFür wissenschaftliche Arbeiten und Analystenberichte im APA-7-Stil.

BibTeXFür LaTeX-Dokumente und akademische Literaturverwaltungen.

Referenzlinks

Kommentare 1

Teilen Sie Ihre Gedanken

Als nächstes lesen

IPv6-Proxy-Anbieter verglichen nach Preis & Leistung

Telegram Proxy-Einstellung: Kostenlose Links & Schritt-für-Schritt

Beste Google Shopping APIs

Die besten Managed Data Services

Ist Web-Scraping legal? Gesetze & Best Practices

So verstecken Sie Ihre IP-Adresse: Windows 11, iPhone 17 & Android

Bright Data

Decodo

Apify

Nimble