如何用 Python 获取 Instagram 用户帖子并实现分页
很多人第一次写 Instagram 采集,会把时间线当成普通目录:先拿第 1 页,再传 page=2 或 offset=12,以为能稳稳接到后面十二条。这个接口没有第 2 页参数。 user-posts 只认用户名(或数字 ID),第一页之后只认你自己造不出来的 pagination_token。令牌是不透明的。把 Instagram 写成 page=2,不是少传了 limit,而是整次请求从未被定义过——网关不会帮你把整数页码翻译成游标。
下面用一段 Python 把令牌原样带回:自己设页预算,token 缺失或重复就停,窗口重叠按媒体 ID 去重。打开本文或复制代码不会发请求;换成真实密钥并执行后才会调用、才会扣额度。
Instagram 数据 API 只读公开表面,不是带 OAuth 的官方 Insights:私密账号帖子拿不到,不保证完整历史,like_count / comment_count 只是采集当下的快照。红人筛选、竞品监测都可以用这条链路,但入库的是公开快照,不是账号后台。
没有第 2 页这回事
user-posts 没有 page、没有 offset、也不能由客户端指定页长。下一页的唯一合法输入,是上一页 data 上带回的 pagination_token。不要拆、不要截断、不要自增,也不要把 user-reels(或话题、评论里用的 next_page / end_cursor)的令牌塞进这个操作。相邻页可能重叠。页大小以实际 items 长度为准——现场曾见过 12 条,那是观察值,不是合同。空数组加上仍在的 token,也不等于「这一页坏了可以重试」:先按业务信封判断,再决定是否续翻。
登录后从控制台复制有权使用的 Key,放在服务端环境变量 OPENDATA_API_KEY。查询串里带 key,日志、截图、异常栈都要脱敏,不要写进前端。若你手写 URL,用 YOUR_API_KEY 占位即可,它不是可用密钥。生产环境把循环放在服务端跑,浏览器里拼带密钥的 GET 等于把额度公开。
每次响应有两层状态。HTTP 4xx/5xx 是传输、鉴权或额度问题。HTTP 200 不等于成功:网关信封仍是 code / message / data,业务成功看 code=200。用户名不存在时,HTTP 仍可能是 200,而 data 里只有 {"detail":"Not found"}。这是业务层未找到:记下,停后续,不要当资料入库,也不要当抖动去重试。code 不是 200 时看 message,不要把信封本身当成帖子列表。
用户名进去,token 出来
参数名是 username_or_id。用户名 instagram 和数字 ID 25025320 指向同一公开账号。每页都可以传用户名;用户名会改,user-info 返回的数字 id 更稳,长期任务通常解析一次就存下来,后续 user-posts 直接吃这个 ID。命中时还有 username、follower_count、is_verified、is_private。is_private 为真就不要排队拉帖——资料标记可见,帖子仍不可得。预检失败(detail 为 Not found)同样不要进入翻页:没有账号,就没有合法 token。
第一页只传用户名或 ID,不要带 pagination_token,也不要传空字符串以外的占位符去「占坑」。帖子在 data.items,作者摘要在 data.user,续翻字段就在这份 data 的 pagination_token。有令牌就原样带回;没有就结束。作者摘要用来核对归属,混采多个账号时尤其不要省略。
import os
import time
import requests
BASE = "https://api.opendata-api.com/api/project/instagram"
API_KEY = os.environ["OPENDATA_API_KEY"]
def call(operation, **params):
response = requests.get(
f"{BASE}/{operation}",
params={k: v for k, v in {**params, "key": API_KEY}.items() if v},
timeout=30,
)
if not response.ok:
raise RuntimeError(f"HTTP {response.status_code}")
gateway = response.json()
if gateway.get("code") != 200:
raise RuntimeError(f"Gateway business failure: {gateway.get('message')}")
return gateway.get("data")
def resolve_user(username_or_id):
data = call("user-info", username_or_id=username_or_id)
if not isinstance(data, dict) or data.get("detail"):
return None # business-level miss, e.g. detail Not found
return data
resolve_user("instagram") 是可选预检。下面的循环既可以吃用户名,也可以吃存下来的数字 ID。
页预算、重复 token、媒体 ID 去重
只靠「没有 token」停手,循环仍可能跑飞:上游偶发把同一游标再吐一次,或者你的任务调度把未过期的 token 又喂回去。同一段循环里放三道闸:页预算(max_pages,按额度买页,不要一次扫到历史尽头)、同一 token 再次出现就停、按媒体 id 去重(相邻窗口会重叠,定时任务尤其明显)。写入 _collected_at:互动数字会变,观察时刻属于这条记录。不要按文案或时间戳去重,那两条都会撞车。
条目里值得留下的:id(去重和关联)、code(短码,给 URL 和后面的 post-detail)、taken_at、caption.text、media_type(1 图 / 2 视频 / 8 轮播)、like_count / comment_count / play_count,以及需要素材时的 image_versions2 / video_versions / carousel_media。这些媒体链接会过期,不是归档;要长期展示就另存文件,过期后再拉。归因前看 data.user。页与页之间可稍停,但停顿替代不了上面三道闸。
def iter_user_posts(username_or_id, max_pages=5):
"""Yield unique posts, following opaque pagination tokens safely."""
token = None
seen_tokens = set()
seen_media = set()
for _ in range(max_pages): # user-configurable page budget
payload = call(
"user-posts",
username_or_id=username_or_id,
pagination_token=token or "",
)
if isinstance(payload, dict) and payload.get("detail"):
break # business-level miss
for item in (payload or {}).get("items") or []:
media_id = item.get("id")
if media_id and media_id not in seen_media:
seen_media.add(media_id)
item["_collected_at"] = int(time.time())
yield item
token = (payload or {}).get("pagination_token")
if not token or token in seen_tokens:
break # no usable continuation, or the token repeated
seen_tokens.add(token)
profile = resolve_user("instagram")
if profile is None or profile.get("is_private"):
posts = []
else:
posts = list(iter_user_posts(str(profile.get("id") or "instagram"), max_pages=3))
print(f"collected {len(posts)} unique posts")
只要 Reels,用 user-reels:同样的 username_or_id,同样的不透明令牌,但不要把 user-posts 的 token 拿去复用——那是另一本账。不要用「页长 × 页数」估总量,合并只认 id。预算用完时即使还有 token 也该收工,下次从新的第一页再走,靠媒体 ID 把窗口拼起来,而不是把旧 token 存进配置文件当书签。
循环后再补一条 shortcode
user-posts 已经带了文案、类型和互动快照。列表页够做发帖频率和互动抽样时,就不必再打详情。post-detail 只为单条短码或完整链接服务:补媒体 URL、地点、Reels 的 clips_metadata。放在循环之后,对真正需要的那一个 code 调用,不要在预算里逐条打详情——那会把页预算悄悄乘上一倍以上。示例短码 DeM-xDCA2W5 是文档里的查找值,不保证每次运行仍能解析。
instagram.com/p/...(以及 /reel/、/tv/)整段 URL 也可以当 code_or_url。先核对 data.user 再归因。数字媒体 id 请留下,后面接评论、点赞时用得上。详情同样可能 HTTP 200 但业务未找到:按 miss 处理,不要用列表里的旧字段去「补全」一条已经消失的帖。
def enrich_shortcode(code_or_url):
data = call("post-detail", code_or_url=code_or_url)
if not isinstance(data, dict) or data.get("detail"):
return None
return data
if posts:
extra = enrich_shortcode(posts[0].get("code") or "DeM-xDCA2W5")
if extra:
print(extra.get("id"), (extra.get("user") or {}).get("username"))
整条链路就是这样:用户名进去,密封 token 绕着有预算的循环转,需要时再补一条短码。
脚本能跑之后仍常见的错:继续传 page=2 / offset / 自制 token;解码或截短 pagination_token;把同一条 token 在 user-posts 和 user-reels 之间混用;HTTP 200 且 detail 为 Not found 还当资料;对这次未找到原地重试;循环里逐条打详情;默认每页十二条;把会过期的媒体 URL 当永久素材;把 like_count 当成官方 Insights;把带 Key 的完整 URL 打进日志。先把这些停掉,再去接评论、话题或地点——那些路由的翻页字段本来就不同,混用等于换了件衣服的 page=2。
参考 user-posts、user-info、user-reels、post-detail。单次调用费用见定价。