Avaliação em Mundo Aberto

Melhores Scrapers do Instagram para Raspar Dados do Instagram

atualizado em 21 ago. 2026

O Instagram continua sendo uma das plataformas mais agressivas no bloqueio de raspagem automatizada devido a medidas antibot avançadas, como impressão digital TLS e verificações de reputação de IP.

Se você precisa de um scraper de alto desempenho API ou de um script Python personalizado, este guia avalia as principais ferramentas, incluindo Apify Instagram Scraper e Bright Data Instagram Scraper.

Fornecedor

Para

Bright Data

Tempo de resposta mais rápido e melhor custo-benefício em escala

Decodo

90%+ taxa de sucesso em metadados de perfil e postagem

Apify

Configuração sem código com "Actors" pré-construídos de mídias sociais para implantação rápida

As melhores ferramentas de scraper do Instagram de 2026

Raspadores	Páginas suportadas	Opções de raspagem	Formatos	Tipo de scraper
Bright Data	Comentários Posts Perfis Reels	Consulta URL	CSV JSON NDJSON JSON linhas	Especializada API
Apify	Comentários Posts Perfis Hashtags Reels	Consulta URL	Tabela JSON	Especializada API
Decodo	Posts Perfis Hashtags Reels	Consulta	Tabela JSON	Especializada API
Nimble	Sem modelos predefinidos para IG	Consulta	JHTML JSON	Propósito geral

Os fornecedores com links são patrocinadores da AIMultiple.

Especializada API: scraper API específica para Instagram, adaptada para coletar dados exclusivamente do Instagram. Por exemplo, a Bright Data oferece modelos adaptados a pontos de dados específicos do Instagram, como "instagram-comments-collect by URL".
Propósito geral: Oferece um scraper versátil que não é especializado para o Instagram, mas pode ser modificado para lidar com tarefas de raspagem da web do Instagram.
Tipos de páginas suportados: Páginas onde a ferramenta de raspagem do Instagram entrega dados em formato estruturado.

Resultados do benchmark de scrapers do Instagram

Compare o tempo de resposta mediano dos provedores e o número médio de campos que eles retornaram em nosso benchmark:

Estabilidade das taxas de sucesso dos scrapers do Instagram

Custo-benefício do scraper do Instagram por volume mensal

As opções de preços mensais desses provedores estão listadas abaixo.

Funcionalidades dos principais scrapers do Instagram

Bright Data

Bright Data oferece duas soluções para Instagram: uma Scraper API em tempo real para perfis, posts, comentários e reels, e Datasets pré-coletados para análise histórica em larga escala. Os tutoriais de Python nesta página usam a Dataset API.

Nossa Scraper API oferece os tempos de resposta mais rápidos e a melhor eficiência de custo em escala, com uma taxa de sucesso superior a 90% para metadados de perfil e postagem em nossos benchmarks. Você é cobrado apenas por resultados bem-sucedidos; solicitações com falha não são cobradas. A API inclui cinco endpoints específicos do Instagram: perfis, posts, reels, comentários e datasets.

Decodo

alvos do Instagram da Decodo (instagram_graphql_profile, instagram_graphql_user_posts, instagram_graphql_post) retornam JSON analisado via REST, disponível em planos avançados; os planos core retornam dados brutos da página sem análise específica do alvo.

A ferramenta alcançou uma alta taxa de sucesso em nosso benchmark, semelhante à Bright Data, com mais de 90% de precisão em metadados de perfil e postagem. No entanto, sua cobertura de endpoints é mais restrita que a da Bright Data ou da Apify, e atualmente não oferece suporte dedicado para alvos de reels ou hashtags.

Apify

O Actor apify/instagram-scraper da Apify é uma das oito ferramentas focadas no Instagram disponíveis na loja. Ele suporta raspagem de posts, reels, comentários, menções, perfis e hashtags, além de locais, e permite descoberta por palavras-chave além da entrada por URL.

O console no-code permite que os usuários colem uma URL ou palavra-chave e executem o scraper sem integração de API. Além da raspagem direta por URL, ele oferece descoberta por palavras-chave para hashtags, locais ou usuários. Respostas a comentários e ordenação de comentários do mais recente para o mais antigo estão disponíveis nos planos pagos, enquanto o plano gratuito é limitado a aproximadamente 15 comentários por post.

Nimble

Nem todos os provedores nesta comparação funcionam como scrapers do Instagram da mesma forma que os três mencionados acima. Por exemplo, a Nimble não oferece um endpoint ou schema específico para o Instagram. Em vez disso, é uma Web API geral que processa qualquer URL por meio de um parser orientado por IA e retorna JSON estruturado. A saída depende do que o model extrai da página no momento da solicitação, em vez de um conjunto fixo de campos.

A Nimble não publica preços por registro do Instagram; o acesso é baseado em cotação. É uma opção adequada se você precisa de uma única API para vários sites e pode acomodar alterações de schema.

Instagram scraper API vs código Python

A raspagem básica em Python não funciona no Instagram devido aos fortes sistemas antibot, então dependemos de APIs de scraper que lidam com proxies, simulação de navegador e limites de taxa.
Construímos três scrapers em Python: perfis, posts e comentários, cada um usando jobs de API baseados em snapshot e saídas CSV limpas.
Usamos a Pesquisa do Google para descobrir URLs de posts do Instagram dentro de filtros de palavras-chave e datas de forma confiável.
Nosso sistema de polling lida com estados de snapshot, downloads de fallback, análise de linhas JSON e timeouts de 15 minutos.

Construa um scraper de seguidores do Instagram com Python

Etapa 1: Configuração e preparação

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]

Esta etapa:

Importa as bibliotecas Python para requisições HTTP, JSON e pandas.
Defina seu token de API e o ID do dataset de perfis do Instagram.
Define profile_urls, a lista de contas do Instagram que você deseja raspar (aqui é langchain.ai, mas você pode adicionar quantas quiser).

Etapa 2: Enviando URLs de perfis para o 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()

Aqui você inicia o job de raspagem de perfis:

Cada URL de perfil é envolvida como um objeto em data e enviada ao dataset de perfis.
A API responde com um snapshot_id que representa este job; você o usará na próxima etapa para obter os dados raspados do perfil.

Etapa 3: Fazendo polling da API até os dados do perfil estarem prontos

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()

Este loop:

Verifica o status do snapshot a cada 10 segundos, até um timeout de 15 minutos.
Lida com os formatos "ready with download_url" e "items embedded in the response", além de um endpoint de download de fallback.
Coleta todos os registros de perfil retornados na lista items antes de prosseguir.

Etapa 4: Processando e salvando dados de perfis do 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')

Por fim, você transforma os registros brutos da API em um dataset limpo:

Analisa com segurança campos numéricos como followers, posts_count e avg_engagement.
Mantém atributos úteis do perfil: IDs de conta, flags business/professional, status de verificação, bio, nome completo e URL externa.
Armazena tudo em um DataFrame do pandas e grava em instagram_profiles_data.csv para análises ou relatórios adicionais.

Deixe nossa equipe automatizar um dos seus processos de negócio com agentes de IA, gratuitamente.

Automatizar um processo

Scraper de posts do Instagram (tutorial em Python)

Etapa 1: Configuração e preparação

Neste exemplo, usaremos a API do dataset do Instagram mais proxies para coletar posts do Instagram que correspondem a uma palavra-chave dentro de um intervalo de datas.

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"

Este bloco:

Importa as bibliotecas Python para análise de URL, requisições HTTP, manipulação de JSON e análise de dados com pandas.
Defina seu token de API e o ID do dataset do Instagram.
Configura o proxy para raspagem do Instagram.
Define os parâmetros de busca: KEYWORD, o número de posts a buscar (NUM_POSTS) e a janela de datas (DATE_START → DATE_END).

Etapa 2: Encontrando posts do Instagram via pesquisa do Google

Usamos a Pesquisa do Google para encontrar posts relevantes do Instagram que correspondem aos nossos critérios dentro de um intervalo de datas específico.

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()

Esta etapa usa a Pesquisa do Google para encontrar posts. O script:

Constrói uma consulta como site:instagram.com/p/ "{KEYWORD}" after: DATE_START before: DATE_END e pagina pelos resultados do Google.
Usa padrões regex para extrair URLs de posts do Instagram do HTML, normaliza-as (www.instagram.com vs instagram.com) e remove duplicatas.
Para quando tiver coletado NUM_POSTS URLs únicas ou quando atingir o número máximo de páginas de resultados do Google.

Etapa 3: Enviando URLs de posts do Instagram para a API para raspagem

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()

Esta etapa inicia o job de raspagem real:

Envia todas as URLs do Instagram coletadas para o dataset do Instagram em uma única solicitação em lote.
A API retorna um snapshot_id que identifica este job de raspagem e é usado na próxima etapa para obter os resultados quando o processamento for concluído.

Etapa 3: Fazendo polling dos resultados e salvando os dados

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')

Scraper de comentários do Instagram (Python)

Etapa 1: Configuração e preparação

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"

Esta etapa:

Importa bibliotecas para manipulação de URL, expressões regulares, requisições HTTP e pandas.
Defina o ID do dataset de comentários e o API_TOKEN.
Configura o proxy a ser usado e define os parâmetros de busca: palavra-chave, o número de posts de onde extrair comentários e a janela de datas.

Etapa 2: Encontrando posts do Instagram via pesquisa do Google

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

Aqui você:

Use a Pesquisa do Google com a consulta site:instagram.com/p/query e seus filtros de palavra-chave e data para encontrar posts relevantes.
Extraia e normalize URLs de posts do Instagram com regex, deduplica-as e pare quando tiver NUM_POSTS posts.
Armazene a lista final em instagram_urls, que alimentará o scraper de comentários.

Etapa 3: Enviando URLs de posts para a API do scraper de comentários

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()

Esta etapa:

Envia todas as URLs do Instagram para o dataset de comentários do Instagram em um único lote.
Cada URL é envolvida como {"url": ...} para que a API saiba de qual post raspar comentários.
A API retorna um snapshot_id que identifica este job de raspagem de comentários.

Etapa 4: Fazendo polling dos resultados e salvando os dados de comentários

Verificamos continuamente se a raspagem está concluída e, em seguida, processamos e salvamos os dados de comentários.

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')

Esta seção faz polling da API a cada 10 segundos até a raspagem ser concluída. Uma vez pronto, recupera todos os dados de comentários, extraindo informações-chave como o nome de usuário do comentarista, texto do comentário, curtidas, respostas, hashtags usadas e usuários marcados. Os dados são estruturados em um DataFrame do pandas e salvos como um arquivo CSV.

Não perca os nossos benchmarks e insights baseados em dados. O botão abre o Google; selecionar a AIMultiple confirma que deseja ver a AIMultiple com mais frequência nos resultados de pesquisa do Google.

Adicionar como fonte preferencial

Como o Instagram detecta scrapers (por que scripts Python básicos falham)

Scripts Python simples usando requests falham imediatamente porque não têm comportamento real de navegador e dependem de um único IP que é bloqueado em minutos. A plataforma pode detectar web scrapers do Instagram instantaneamente por meio de múltiplas camadas de defesas:

Sem execução de JavaScript: O Instagram carrega a página dinamicamente, e scripts Python não conseguem executar JavaScript, então as páginas aparecem vazias. Isso revela instantaneamente comportamento não humano.
Limite de taxa: Usuários humanos não fazem 50 solicitações por segundo. Scrapers básicos tentam novamente com timing previsível, e o Instagram bloqueia isso imediatamente.
Reputação de IP: O Instagram mantém pontuações de confiança de IP em tempo real, IPs de datacenter e duplicação de IP. Não use proxies gratuito; eles são bloqueados após algumas solicitações.

Usamos uma web scraper API que lida com simulação de navegador, rotação de IP, JavaScript, limites de taxa e resolução de captchas.

Proxies, limites de taxa & execução do seu scraper do Instagram em escala

O Instagram banirá qualquer script que reutilize o mesmo IP repetidamente. Para raspar o Instagram em escala, você deve usar proxies residenciais rotativos, respeitar os limites de taxa, introduzir delays e evitar solicitações diretas ao Instagram. Veja como usamos proxies ao raspar dados do Instagram:

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

Em escala, o Instagram realiza verificações de velocidade (muitas solicitações rápido demais) e verificações de concorrência (muitas solicitações ao mesmo tempo). Nosso tutorial evita isso:

dormindo entre as páginas de Pesquisa do Google (time.sleep(2))
fazendo polling das APIs a cada 10 segundos,
nunca acessando o Instagram diretamente.

Scrapers do Instagram usados no benchmark

Nosso benchmark testou as soluções dedicadas de scraper API do Instagram listadas abaixo. Para saber mais, veja a metodologia para web scraping APIs.

Tipo de página	Apify	Bright Data	Oxylabs	Smartproxy	Zyte
Post do Instagram	apify/instagram-scraper	Instagram – Posts-collect by URL	✕	Social Media Scraping API – instagram_grap hql_post	✕
Perfil do Instagram	apify/instagram-profile-scraper	Instagram – Profiles – collect by URL	✕	Social Media Scraping API – instagram_grap hql_post	✕

Veja quais grandes empresas de infraestrutura web oferecem scrapers específicos para páginas do Instagram:

Fornecedor	Post do Instagram	Perfil do Instagram
Bright Data	✓	✓
Apify	✓	✓
Decodo	✓	✓
Oxylabs	✕	✕
Zyte	✕	✕

O que é raspagem do Instagram?

A raspagem do Instagram se refere ao processo de usar software automatizado, como bots ou scripts, para coletar dados públicos de páginas do Instagram, incluindo posts, hashtags e comentários.

Em vez de ter uma pessoa visitando manualmente um perfil para copiar a bio e colá-la no Excel, um script automatiza esse processo milhares de vezes, organizando os dados em um formato estruturado como CSV ou JSON para análise.

Perguntas frequentes

Raspar dados publicamente disponíveis do Instagram é permitido desde que você respeite os termos da plataforma e as leis aplicáveis para análise de concorrentes, monitoramento de marca e análise de sentimento. No entanto, sempre:

* Siga os Termos de Uso do Instagram
* Evite coletar dados pessoais que não se destinam a ser públicos
* Use uma ferramenta de raspagem do Instagram que esteja em conformidade com as regulamentações regionais

Você pode raspar posts, perfis públicos e dados de comentários. Isso inclui nomes de usuário do Instagram, contagem de seguidores, contagem de posts, métricas de engajamento, detalhes do post (curtidas, hashtags, mídia) e texto do comentário com metadados básicos.

Sim. O Instagram bloqueia a raspagem direta, por isso nosso tutorial evita acessar o Instagram diretamente e usa uma API de scraping que lida com bloqueio, limites de taxa e fingerprinting para nós.

Os endpoints da API do Instagram, como a Instagram Graph API, não fornecem os dados públicos de perfil, post e comentários que raspamos neste tutorial. Ela funciona para sua própria conta comercial e exige permissões e revisão do aplicativo, então dependemos de APIs de scraper.

Cite esta pesquisa

Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.

Gulbahar Karatas (2026) - "Melhores Scrapers do Instagram para Raspar Dados do Instagram". Publicado on-line em AIMultiple.com. Acessado em 21 agosto 2026, em: https://aimultiple.com/instagram-scraping [Recurso on-line]

Karatas, G. (2026, 21 agosto). Melhores Scrapers do Instagram para Raspar Dados do Instagram. AIMultiple. https://aimultiple.com/instagram-scraping

@misc{karatas2026,
  author = {Karatas, Gulbahar},
  title  = {{Melhores Scrapers do Instagram para Raspar Dados do Instagram}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/instagram-scraping}},
  note   = {AIMultiple. Acessado em 21 agosto 2026}
}

Baixar todos os dados

Resultados e carimbos de data/hora de 11 pontos de dados. Baixe os dados resumidos exibidos nos gráficos e tabelas deste artigo como um arquivo ZIP contendo 3 arquivos CSV.

Última atualização: 20 setembro 2026

Baixar

Quer os dados granulares por trás disso? Assine o Premium

Registro de alterações

8 atualizações

26 dez
Adicionada uma seção, Estabilidade das taxas de sucesso dos raspadores do Instagram ao longo do tempo.
19 nov
Expandido o artigo com exemplos de código Python para extrair perfis, posts e comentários do Instagram.
11 nov
Removida a seção de visão geral do desempenho da API do raspador do Instagram.
12 mar
Adicionado Instagram scrapers used in benchmark à seção Instagram scraper APIs benchmark results.
17 fev
Atualizada a metodologia de benchmark na introdução.

Gulbahar Karatas

Analista do Setor

Gülbahar é analista do setor da AIMultiple com foco em coleta de dados da web, aplicações de dados da web e segurança de aplicações.

Ver perfil completo

Comentários 1

Compartilhe suas ideias

Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.

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?

As melhores ferramentas de scraper do Instagram de 2026

Resultados do benchmark de scrapers do Instagram

Custo-benefício do scraper do Instagram por volume mensal

Funcionalidades dos principais scrapers do Instagram

Instagram scraper API vs código Python

Construa um scraper de seguidores do Instagram com Python

Scraper de posts do Instagram (tutorial em Python)

Scraper de comentários do Instagram (Python)

Como o Instagram detecta scrapers (por que scripts Python básicos falham)

Proxies, limites de taxa & execução do seu scraper do Instagram em escala

Scrapers do Instagram usados no benchmark

O que é raspagem do Instagram?

Perguntas frequentes

Cite esta pesquisa

Registro de alterações

Seguimos normas éticas & nosso processo para objetividade. Os assinantes dos serviços de avaliação comparativa da AIMultiple em Extração de dados de mídias sociais incluem Bright Data, Decodo, Apify.

A seguir, leia

Proxies da Web

Comparação de Recursos

24 jul

Melhores Scrapers do Instagram para Raspar Dados do Instagram

As melhores ferramentas de scraper do Instagram de 2026

Resultados do benchmark de scrapers do Instagram

Estabilidade das taxas de sucesso dos scrapers do Instagram

Custo-benefício do scraper do Instagram por volume mensal

Funcionalidades dos principais scrapers do Instagram

Bright Data

Decodo

Apify

Nimble

Instagram scraper API vs código Python

Construa um scraper de seguidores do Instagram com Python

Etapa 1: Configuração e preparação

Etapa 2: Enviando URLs de perfis para o web scraper

Etapa 3: Fazendo polling da API até os dados do perfil estarem prontos

Etapa 4: Processando e salvando dados de perfis do Instagram

Scraper de posts do Instagram (tutorial em Python)

Etapa 1: Configuração e preparação

Etapa 2: Encontrando posts do Instagram via pesquisa do Google

Etapa 3: Enviando URLs de posts do Instagram para a API para raspagem

Etapa 3: Fazendo polling dos resultados e salvando os dados

Scraper de comentários do Instagram (Python)

Etapa 1: Configuração e preparação

Etapa 2: Encontrando posts do Instagram via pesquisa do Google

Etapa 3: Enviando URLs de posts para a API do scraper de comentários

Etapa 4: Fazendo polling dos resultados e salvando os dados de comentários

Como o Instagram detecta scrapers (por que scripts Python básicos falham)

Proxies, limites de taxa & execução do seu scraper do Instagram em escala

Scrapers do Instagram usados no benchmark

O que é raspagem do Instagram?

Perguntas frequentes

É legal raspar o Instagram?

Quais dados do Instagram você pode raspar?

O Instagram bloqueia a raspagem?

Por que não usar a API oficial do Instagram?

Cite esta pesquisa

Link com atribuiçãoHTML, para posts de blog, artigos do LinkedIn e newsletters. Recomendado.

APA 7ª ediçãoPara artigos acadêmicos e relatórios de analistas no estilo APA 7ª.

BibTeXPara documentos LaTeX e gerenciadores de referências acadêmicas.

Comentários 1

Compartilhe suas ideias

A seguir, leia

NodeMaven Proxies: Preços e Capacidades

Melhores Proxies do Google: Benchmark

Top 6 LLM Scrapers: ChatGPT, Perplexity e Gemini

Os Melhores Provedores de Datasets de E-commerce

Melhores Proxies de Vídeo: Resultados do Benchmark

Melhores alternativas ao ScrapeBox

Bright Data

Decodo

Apify

Nimble