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.

Citer Ce Benchmark

Meilleurs scrapers Instagram pour extraire des données Instagram

Gulbahar Karatas

mis à jour le 1 juil. 2026

Consultez nos normes éthiques

Citer Ce Benchmark

Instagram reste l’une des plateformes les plus agressives pour bloquer le scraping automatisé en raison de mesures anti-bots avancées comme la prise d’empreintes TLS et les vérifications de réputation IP.

Que vous ayez besoin d’un scraper API haute performance ou d’un script Python personnalisé, ce guide évalue les meilleurs outils, y compris le scraper Instagram Apify et Bright Data Instagram Scraper.

Fournisseur

Pour

Bright Data

Temps de réponse le plus rapide et meilleur rapport coût-efficacité à grande échelle

Decodo

Taux de réussite supérieur à 90% sur les métadonnées de profil et de publication

Apify

Configuration sans code avec des « Acteurs » de médias sociaux préconstruits pour un déploiement rapide

Les meilleurs outils de scraping Instagram en 2026

Scrapers	Pages prises en charge	Options de scraping	Formats	Type de scraper
Bright Data	Commentaires Publications Profils Reels	Requête URL	CSV JSON NDJSON lignes JSON	API spécialisée ¹
Apify	Commentaires Publications Profils Hashtags Reels	Requête URL	Tableau JSON	API spécialisée ²
Decodo	Publications Profils Hashtags Reels	Requête	Tableau JSON	API spécialisée ³
Nimble	Pas de modèles prédéfinis pour IG	Requête	JHTML JSON	Usage général

Les fournisseurs avec des liens sont sponsors de AIMultiple.

API spécialisée : API de scraper spécifique à Instagram, conçue pour collecter des données exclusivement à partir d’Instagram. Par exemple, Bright Data propose des modèles adaptés à des points de données Instagram spécifiques, tels que « instagram-comments-collect by URL ».
Usage général : Fournit un scraper polyvalent qui n’est pas spécialisé pour Instagram mais qui peut être modifié pour gérer des tâches de scraping web Instagram.
Types de pages prises en charge : Pages où l’outil de scraping Instagram fournit des données dans un format structuré.

Résultats du benchmark des scrapers Instagram

Comparez le temps de réponse médian des fournisseurs et le nombre moyen de champs qu’ils ont retournés dans notre benchmark :

Stabilité des taux de réussite des scrapers Instagram dans le temps

Rapport coût-efficacité du scraper Instagram par volume mensuel

Les options de tarification mensuelle pour ces fournisseurs sont listées ci-dessous.

Fonctionnalités des meilleurs scrapers Instagram

Bright Data

Bright Data propose deux solutions Instagram : une API de scraper en temps réel pour les profils, publications, commentaires et reels, et des Datasets pré-collectés pour une analyse historique à grande échelle. Les tutoriels Python de cette page utilisent l’API Dataset.

Notre API de scraper offre les temps de réponse les plus rapides et le meilleur rapport coût-efficacité à grande échelle, avec un taux de réussite supérieur à 90% pour les métadonnées de profil et de publication dans nos benchmarks. Vous êtes facturé uniquement pour les résultats réussis ; les requêtes échouées ne sont pas comptabilisées. L’API inclut cinq endpoints spécifiques à Instagram : profils, publications, reels, commentaires et datasets.

Decodo

Les cibles Instagram de Decodo (instagram_graphql_profile, instagram_graphql_user_posts, instagram_graphql_post) renvoient du JSON parsé via REST, disponibles sur les plans avancés ; les plans de base renvoient les données de page brutes sans parsing spécifique à la cible.

L’outil a atteint un taux de réussite élevé dans notre benchmark, similaire à Bright Data, avec une précision supérieure à 90% sur les métadonnées de profil et de publication. Cependant, sa couverture de endpoints est plus étroite que celle de Bright Data ou Apify, et il ne propose actuellement pas de support dédié pour les cibles reels ou hashtags.

Apify

L’Acteur apify/instagram-scraper de Apify est l’un des huit outils axés sur Instagram disponibles dans le store. Il prend en charge le scraping des publications, reels, commentaires, mentions, profils et hashtags, ainsi que les lieux, et permet la découverte par mots-clés en plus de la saisie d’URL.

La console sans code permet aux utilisateurs de coller une URL ou un mot-clé et de lancer le scraper sans intégration d’API. En plus du scraping direct par URL, il offre une découverte par mots-clés pour les hashtags, les lieux ou les utilisateurs. Les réponses aux commentaires et le tri des commentaires du plus récent au plus ancien sont disponibles sur les plans payants, tandis que le plan gratuit est limité à environ 15 commentaires par publication.

Nimble

Tous les fournisseurs de cette comparaison ne fonctionnent pas comme des scrapers Instagram de la même manière que les trois mentionnés ci-dessus. Par exemple, Nimble ne propose pas de endpoint ou de schéma spécifique à Instagram. Il s’agit plutôt d’une API web générale qui traite n’importe quelle URL via un analyseur piloté par l’IA et renvoie du JSON structuré. La sortie dépend de ce que le modèle extrait de la page au moment de la requête, plutôt que d’un ensemble fixe de champs.

Nimble ne publie pas de tarification par enregistrement pour Instagram ; l’accès est basé sur un devis. C’est une option adaptée si vous avez besoin d’une seule API pour plusieurs sites et que vous pouvez vous adapter aux changements de schéma.

API de scraper Instagram vs code Python

Le scraping Python basique ne fonctionne pas sur Instagram en raison des systèmes anti-bots puissants ; nous nous appuyons donc sur des APIs de scraper qui gèrent les proxies, la simulation de navigateur et les limites de débit.
Nous avons construit trois scrapers en Python : profils, publications et commentaires, chacun utilisant des tâches d’API basées sur des snapshots et des sorties CSV propres.
Nous avons utilisé Google Search pour découvrir les URL de publications Instagram dans les filtres de mots-clés et de dates de manière fiable.
Notre système de polling gère les états de snapshot, les téléchargements de secours, le parsing des lignes JSON et les timeouts de 15 minutes.

Créer un scraper de followers Instagram avec Python

Étape 1 : Configuration

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]

Cette étape :

Importe les bibliothèques Python pour les requêtes HTTP, le JSON et pandas.
Définit votre token d’API et l’ID du dataset de profils Instagram.
Définit profile_urls, la liste des comptes Instagram que vous souhaitez scraper (ici c’est langchain.ai, mais vous pouvez en ajouter autant que vous le souhaitez).

Étape 2 : Soumission des URL de profil au scraper web

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()

Ici vous démarrez la tâche de scraping de profils :

Chaque URL de profil est encapsulée sous forme d’objet dans data et envoyée au dataset de profils.
L’API répond avec un snapshot_id proxy cette tâche ; vous l’utiliserez à l’étape suivante pour récupérer les données de profil scrapées.

Étape 3 : Polling de l’API jusqu’à ce que les données de profil soient prêtes

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()

Cette boucle :

Vérifie le statut du snapshot toutes les 10 secondes, jusqu’à un timeout de 15 minutes.
Gère à la fois les formats « ready with download_url » et « items embedded in the response », ainsi qu’un endpoint de téléchargement de secours.
Collecte tous les enregistrements de profil retournés dans la liste items avant de passer à la suite.

Étape 4 : Traitement et sauvegarde des données de profil Instagram

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')

Enfin, vous transformez les enregistrements bruts de l’API en un dataset propre :

Parse en toute sécurité les champs numériques comme followers, posts_count et avg_engagement.
Conserve les attributs de profil utiles : identifiants de compte, indicateurs business/professionnel, statut de vérification, bio, nom complet et URL externe.
Stocke le tout dans un DataFrame pandas et l’écrit dans instagram_profiles_data.csv pour une analyse ou un reporting ultérieur.

Scraper de publications Instagram (tutoriel Python)

Étape 1 : Configuration

Dans cet exemple, nous utiliserons l’API de dataset Instagram ainsi que des proxies pour collecter des publications Instagram correspondant à un mot-clé dans une plage de dates.

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"

Ce bloc :

Importe les bibliothèques Python pour l’analyse d’URL, les requêtes HTTP, la manipulation de JSON et l’analyse de données avec pandas.
Définit votre token d’API et l’ID du dataset Instagram.
Configure le proxy pour le scraping Instagram.
Définit les paramètres de recherche : KEYWORD, le nombre de publications à récupérer (NUM_POSTS) et la fenêtre de dates (DATE_START → DATE_END).

Étape 2 : Trouver des publications Instagram via Google Search

Nous utilisons Google Search pour trouver des publications Instagram pertinentes correspondant à nos critères dans une plage de dates spécifique.

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()

Cette étape utilise Google Search pour trouver des publications. Le script :

Construit une requête comme site:instagram.com/p/ « {KEYWORD} » after: DATE_START before: DATE_END et pagine à travers les résultats Google.
Utilise des motifs regex pour extraire les URL de publications Instagram du HTML, les normalise (www.instagram.com vs instagram.com) et supprime les doublons.
S’arrête lorsqu’il a collecté NUM_POSTS URL uniques ou lorsqu’il atteint le nombre maximum de pages de résultats Google.

Étape 3 : Envoi des URL de publications Instagram à l’API pour 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()

Cette étape lance la tâche de scraping réelle :

Elle envoie toutes les URL Instagram collectées au dataset Instagram dans une seule requête batch.
L’API retourne un snapshot_id qui identifie cette tâche de scraping et est utilisé à l’étape suivante pour récupérer les résultats une fois le traitement terminé.

Étape 3 : Polling pour les résultats et sauvegarde des données

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')

Découvrez davantage de nos benchmarks et analyses basées sur les données dans la recherche Google.

Ajouter comme source préférée

Scraper de commentaires Instagram (Python)

Étape 1 : Configuration

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"

Cette étape :

Importe les bibliothèques pour la manipulation d’URL, les expressions régulières, les requêtes HTTP et pandas.
Définit l’ID de votre dataset de commentaires et API_TOKEN.
Configure le proxy à utiliser et définit les paramètres de recherche : mot-clé, nombre de publications à partir desquelles extraire les commentaires et la fenêtre de dates.

Étape 2 : Trouver des publications Instagram via 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

Ici vous :

Utilisez Google Search avec la requête site:instagram.com/p/ et vos filtres de mot-clé et de date pour trouver des publications pertinentes.
Extrayez et normalisez les URL de publications Instagram avec regex, les dédupliquez et vous arrêtez une fois que vous avez NUM_POSTS publications.
Stockez la liste finale dans instagram_urls, qui alimentera le scraper de commentaires.

Étape 3 : Soumission des URL de publications à l’API du scraper de commentaires

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()

Cette étape :

Envoie toutes les URL Instagram au dataset de commentaires Instagram dans un lot unique.
Chaque URL est encapsulée sous la forme {“url”: …} afin que l’API sache de quelle publication extraire les commentaires.
L’API retourne un snapshot_id qui identifie cette tâche de scrape de commentaires.

Étape 4 : Polling pour les résultats et sauvegarde des données de commentaires

Nous vérifions continuellement si le scraping est terminé, puis nous traitons et sauvegardons les données de commentaires.

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')

Cette section interroge l’API toutes les 10 secondes jusqu’à ce que le scraping soit terminé. Une fois prête, elle récupère toutes les données de commentaires, en extrayant les informations clés telles que le nom d’utilisateur du commentateur, le texte du commentaire, les likes, les réponses, les hashtags utilisés et les utilisateurs tagués. Les données sont structurées dans un DataFrame pandas et sauvegardées sous forme de fichier CSV.

Comment Instagram détecte les scrapers (pourquoi les scripts Python basiques échouent)

Les scripts Python simples utilisant requests échouent immédiatement car ils ne reproduisent pas le comportement d’un vrai navigateur et s’appuient sur une seule IP qui est bloquée en quelques minutes. La plateforme peut détecter instantanément les scrapers web Instagram grâce à plusieurs couches de défenses :

Pas d’exécution JavaScript : Instagram charge la page dynamiquement, et les scripts Python ne peuvent pas exécuter JavaScript, si bien que les pages apparaissent vides. Cela révèle instantanément un comportement non humain.
Limitation de débit : Les utilisateurs humains ne font pas 50 requêtes par seconde. Les scrapers basiques réessayent avec un timing prévisible, et Instagram bloque cela immédiatement.
Réputation IP : Instagram maintient des scores de confiance IP en temps réel, des IP de datacenter et la duplication d’IP. N’utilisez pas de proxies gratuits ; ceux-ci se font bloquer après quelques requêtes.

Nous avons utilisé une API de scraper web qui gère la simulation de navigateur, la rotation d’IP, JavaScript, les limites de débit et la résolution de captcha.

Proxies, limites de débit & exécution de votre scraper Instagram à grande échelle

Instagram bannira tout script qui réutilise la même IP de façon répétée. Pour scraper Instagram à grande échelle, vous devez utiliser des proxies résidentiels rotatifs, respecter les limites de débit, introduire des délais et éviter les requêtes directes vers Instagram. Voici comment nous avons utilisé les proxies lors du scraping de données Instagram :

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

À grande échelle, Instagram effectue des vérifications de vélocité (trop de requêtes trop rapides) et de concurrence (trop de requêtes simultanées). Notre tutoriel évite cela en :

faisant une pause entre les pages de Google Search (time.sleep(2))
interrogeant les APIs toutes les 10 secondes,
ne contactant jamais Instagram directement.

Scrapers Instagram utilisés dans le benchmark

Notre benchmark a testé les solutions d’API de scraper Instagram dédiées listées ci-dessous. Pour en savoir plus, consultez la méthodologie du benchmark pour les APIs de scraping web.

Type de page	Apify	Bright Data	Oxylabs	Smartproxy	Zyte
Publication Instagram	apify/instagram-scraper	Instagram – Posts-collect by URL	❌	Social Media Scraping API – instagram_grap hql_post	❌
Profil Instagram	apify/instagram-profile-scraper	Instagram – Profiles – collect by URL	❌	Social Media Scraping API – instagram_grap hql_post	❌

Voir quelles grandes entreprises d’infrastructure web proposent des scrapers spécifiques pour les pages Instagram :

Fournisseur	Publication Instagram	Profil Instagram
Bright Data	✅	✅
Apify	✅	✅
Decodo	✅	✅
NetNut	❌	❌
Oxylabs	❌	❌
Zyte	❌	❌

Qu’est-ce que le scraping Instagram ?

Le scraping Instagram désigne le processus d’utilisation de logiciels automatisés, tels que des bots ou des scripts, pour collecter des données publiques à partir des pages Instagram, y compris les publications, les hashtags et les commentaires.

Plutôt que de demander manuellement à un humain de visiter un profil pour copier la bio et la coller dans Excel, un script automatise ce processus des milliers de fois, en organisant les données dans un format structuré tel que CSV ou JSON pour analyse.

FAQ

Le scraping de données Instagram publiquement accessibles est autorisé tant que vous respectez les conditions de la plateforme et les lois applicables pour l’analyse concurrentielle, le suivi de marque et l’analyse de sentiment. Cependant, vous devez toujours :

* Respecter les conditions d’utilisation d’Instagram
* Éviter de collecter des données personnelles qui ne sont pas destinées à être publiques
* Utiliser un outil de scraping Instagram conforme aux réglementations régionales

Vous pouvez scraper des publications, des profils publics et des données de commentaires. Cela inclut les noms d’utilisateur Instagram, le nombre d’abonnés, le nombre de publications, les métriques d’engagement, les détails des publications (likes, hashtags, médias) et le texte des commentaires avec les métadonnées de base.

Oui. Instagram bloque le scraping direct, c’est pourquoi notre tutoriel évite de contacter Instagram directement et utilise une API de scraping qui gère pour nous les blocages, les limites de débit et le fingerprinting.

Les endpoints de l’API d’Instagram, comme Instagram Graph API, ne fournissent pas les données de profil public, de publication et de commentaire que nous scrapeons dans ce tutoriel. Elle fonctionne pour votre propre compte professionnel et nécessite des autorisations et un examen de l’application, nous nous appuyons donc plutôt sur des APIs de scraper.

Citez ce benchmark

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

Gulbahar Karatas (2026) - "Meilleurs scrapers Instagram pour extraire des données Instagram". Publié en ligne sur AIMultiple.com. Consulté le 1 Juillet 2026, à : https://aimultiple.com/instagram-scraping [Ressource en ligne]

Karatas, G. (2026, 1 Juillet). Meilleurs scrapers Instagram pour extraire des données Instagram. AIMultiple. https://aimultiple.com/instagram-scraping

@misc{karatas2026,
  author = {Karatas, Gulbahar},
  title  = {{Meilleurs scrapers Instagram pour extraire des données Instagram}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/instagram-scraping}},
  note   = {AIMultiple. Consulté le 1 Juillet 2026}
}

Liens de référence

Instagram

Gulbahar Karatas

Analyste du secteur

Suivre

Gülbahar est analyste chez AIMultiple, spécialisée dans la collecte de données web, les applications des données web et la sécurité des applications.

Voir le profil complet

Commentaires 1

Partagez vos idées

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

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?

Les meilleurs outils de scraping Instagram en 2026

Résultats du benchmark des scrapers Instagram

Rapport coût-efficacité du scraper Instagram par volume mensuel

Fonctionnalités des meilleurs scrapers Instagram

API de scraper Instagram vs code Python

Créer un scraper de followers Instagram avec Python

Scraper de publications Instagram (tutoriel Python)

Scraper de commentaires Instagram (Python)

Comment Instagram détecte les scrapers (pourquoi les scripts Python basiques échouent)

Proxies, limites de débit & exécution de votre scraper Instagram à grande échelle

Scrapers Instagram utilisés dans le benchmark

Qu’est-ce que le scraping Instagram ?

FAQ

Citez ce benchmark

Nous suivons des normes éthiques et notre processus pour garantir l'objectivité. Parmi les clients d'AIMultiple dans la catégorie Extraction De Données Des Réseaux Sociaux figurent Bright Data, Oxylabs, Decodo, Apify, SerpApi.

Découvrez davantage de nos benchmarks et analyses basées sur les données dans la recherche Google.

Ajouter comme source préférée

Meilleurs scrapers Instagram pour extraire des données Instagram

Les meilleurs outils de scraping Instagram en 2026

Résultats du benchmark des scrapers Instagram

Stabilité des taux de réussite des scrapers Instagram dans le temps

Rapport coût-efficacité du scraper Instagram par volume mensuel

Fonctionnalités des meilleurs scrapers Instagram

Bright Data

Decodo

Apify

Nimble

API de scraper Instagram vs code Python

Créer un scraper de followers Instagram avec Python

Étape 1 : Configuration

Étape 2 : Soumission des URL de profil au scraper web

Étape 3 : Polling de l’API jusqu’à ce que les données de profil soient prêtes

Étape 4 : Traitement et sauvegarde des données de profil Instagram

Scraper de publications Instagram (tutoriel Python)

Étape 1 : Configuration

Étape 2 : Trouver des publications Instagram via Google Search

Étape 3 : Envoi des URL de publications Instagram à l’API pour scraping

Étape 3 : Polling pour les résultats et sauvegarde des données

Scraper de commentaires Instagram (Python)

Étape 1 : Configuration

Étape 2 : Trouver des publications Instagram via Google Search

Étape 3 : Soumission des URL de publications à l’API du scraper de commentaires

Étape 4 : Polling pour les résultats et sauvegarde des données de commentaires

Comment Instagram détecte les scrapers (pourquoi les scripts Python basiques échouent)

Proxies, limites de débit & exécution de votre scraper Instagram à grande échelle

Scrapers Instagram utilisés dans le benchmark

Qu’est-ce que le scraping Instagram ?

FAQ

Est-il légal de scraper Instagram ?

Quelles données Instagram pouvez-vous scraper ?

Instagram bloque-t-il le scraping ?

Pourquoi ne pas utiliser l’API officielle d’Instagram ?

Citez ce benchmark

Lien avec attributionHTML, pour les billets de blog, articles LinkedIn et newsletters. Recommandé.

APA 7e éditionPour les articles universitaires et rapports d'analystes selon le style APA 7e.

BibTeXPour les documents LaTeX et les gestionnaires de références académiques.

Liens de référence

Commentaires 1

Partagez vos idées

À lire ensuite

Top Spotify Proxy Servers & Proxy Settings

Configuration du proxy Telegram: liens gratuits et guide étape par étape

DataImpulse Services de proxy: Fonctionnalités et tarifs

Benchmark des meilleurs proxies UK

Meilleures Google Shopping APIs

Meilleurs jeux de données YouTube: Bright Data, Oxylabs & Grepsr

Bright Data

Decodo

Apify

Nimble