使用 Python 完整抓取 Instagram 单篇帖子全部评论的实战教程

本文详解如何绕过 instaloader 的评论数量限制，通过模拟浏览器+graphql api 调用，稳定获取 instagram 公开帖的全部评论（含嵌套回复），附完整可运行代码与关键注意事项。

instagram 官方未开放公开评论的完整 API 接口，且 instaloader 默认仅拉取前 100 条顶层评论（不包含子回复），也无法自动翻页加载更多。要获取全部评论（含深层嵌套、点赞数、时间戳、用户信息等），需结合浏览器自动化与 Instagram 内部 GraphQL 查询机制——这是当前最稳定、免依赖第三方账号权限的方案。

✅ 核心原理说明

Instagram 网页版在加载评论时，实际向以下 GraphQL 端点发起请求：

https://www.instagram.com/graphql/query/?query_hash={hash}&variables={encoded_json}

其中 query_hash 是固定哈希值（对应“获取帖子评论”逻辑），variables 包含 shortcode 及分页/深度参数。我们通过 Selenium 模拟登录后访问该 URL，即可获得结构化 json 响应。

✅ 完整可运行代码（含错误处理与注释）

import json import time from urllib.parse import quote, urlparse from selenium import webdriver from selenium.webdriver.chrome.options import Options from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from bs4 import BeautifulSoup  def extract_shortcode(url: str) -> str:     """从 Instagram 帖子 URL 提取 shortcode（如 C2SGS95NQH_）"""     path = urlparse(url).path.strip('/')     if path.startswith('p/'):         return path.split('/')[1]     raise ValueError("Invalid Instagram post URL format")  def build_graphql_url(shortcode: str) -> str:     """构建 GraphQL 请求 URL，启用全量评论加载"""     variables = {         "shortcode": shortcode,         "child_comment_count": 10000,      # 子回复上限（每条评论下的回复）         "fetch_comment_count": 10000,       # 首次加载的顶层评论数         "parent_comment_count": 10000,       # 顶层评论总数（用于分页）         "has_threaded_comments": True     }     query_hash = "b3055c01b4b222b8a47dc12b090e4e64"     encoded_vars = quote(json.dumps(variables))     return f"https://www.instagram.com/graphql/query/?query_hash={query_hash}&variables={encoded_vars}"  def setup_driver() -> webdriver.Chrome:     """配置无头 Chrome 驱动（推荐关闭 headless 以便手动登录）"""     options = Options()     options.add_argument("--start-maximized")     options.add_argument("--disable-blink-features=AutomationControlled")     options.add_experimental_option("excludeSwitches", ["enable-automation"])     options.add_experimental_option('useAutomationExtension', False)     driver = webdriver.Chrome(options=options)     # 隐藏 WebDriver 特征（降低被识别为爬虫概率）     driver.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument', {         'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'     })     return driver  def wait_for_manual_login(driver: webdriver.Chrome):     """暂停等待用户完成 Instagram 登录（关键步骤）"""     print("✅ 请在打开的浏览器中手动登录 Instagram 账号...")     print("⚠️  登录后，请确保页面跳转至目标帖子（如 https://www.instagram.com/p/...）")     input("按回车键继续 → ")  def fetch_comments_data(driver: webdriver.Chrome, graphql_url: str) -> dict:     """访问 GraphQL URL 并解析返回的 JSON 数据"""     try:         driver.get(graphql_url)         # 等待 
 标签加载（GraphQL 响应直接渲染为 pre 标签）         WebDriverWait(driver, 20).until(             EC.presence_of_element_located((By.TAG_NAME, "pre"))         )         soup = BeautifulSoup(driver.page_source, "html.parser")         pre_tag = soup.find("pre")         if not pre_tag or not pre_tag.text.strip():             raise RuntimeError("GraphQL response not found in 
 tag")         return json.loads(pre_tag.text)     except Exception as e:         raise RuntimeError(f"Failed to fetch comments: {e}")  def save_comments_to_file(data: dict, filename: str = "instagram_comments.json"):     """保存原始响应数据到 JSON 文件（便于后续解析）"""     with open(filename, "w", encoding="utf-8") as f:         json.dump(data, f, indent=2, ensure_ascii=False)     print(f"✅ 评论数据已保存至 {filename}")  # —— 主流程 —— if __name__ == "__main__":     POST_URL = "https://www.instagram.com/p/C2SGS95NQH_/"  # 替换为你需要的帖子链接      try:         shortcode = extract_shortcode(POST_URL)         print(f"? 解析 shortcode: {shortcode}")          driver = setup_driver()         driver.get(POST_URL)         wait_for_manual_login(driver)          graphql_url = build_graphql_url(shortcode)         print(f"? 正在请求 GraphQL 接口: {graphql_url[:80]}...")          comments_data = fetch_comments_data(driver, graphql_url)         save_comments_to_file(comments_data)          # ✨ 示例：提取前 5 条顶层评论（含用户名、文本、时间、子回复数）         edges = comments_data.get("data", {}).get("shortcode_media", {}).get("edge_media_to_parent_comment", {}).get("edges", [])         print(f"n? 获取到 {len(edges)} 条顶层评论示例：")         for i, edge in enumerate(edges[:5]):             node = edge["node"]             username = node["owner"]["username"]             text = node["text"][:60] + "..." if len(node["text"]) > 60 else node["text"]             created_at = node["created_at"]             reply_count = node["edge_comment_to_child_comment"]["count"]             print(f"[{i+1}] @{username} ({time.strftime('%Y-%m-%d', time.gmtime(created_at))}): {text} [回复数: {reply_count}]")      except Exception as e:         print(f"❌ 执行出错: {e}")     finally:         driver.quit()
⚠️ 关键注意事项

 必须手动登录：Instagram 对未登录会话返回空评论，且登录状态需保持（session cookie 有效）；
 反爬策略：代码已加入 WebDriver 特征隐藏，但仍建议使用真实账号、避免高频请求（单帖间隔 ≥ 5 秒）；
 评论结构：返回 JSON 中 data.shortcode_media.edge_media_to_parent_comment.edges 为顶层评论列表；每个 node.edge_comment_to_child_comment.edges 为该评论下的嵌套回复；
 合规提醒：仅限抓取公开帖子，遵守 Instagram Terms of Use 及 GDPR/CCPA 相关条款，禁止存储敏感用户信息或用于商业群发。

✅ 后续建议

如需持续采集，可封装为函数支持批量 URL 输入；
结合 instaloader 获取帖子元数据（发布时间、点赞数、作者信息），与评论数据关联分析；
对大规模评论做情感分析时，建议先清洗（过滤 emoji、URL、广告词）再送入 nlp 模型。

掌握此方法，你将能可靠获取任意公开 Instagram 帖子的全量、结构化评论数据，为舆情分析、用户行为研究提供坚实基础。
立即学习“Python免费学习笔记（深入）”；