Instagram 按主页 URL 采集 Reels

定价

Try for free

Instagram 按主页 URL 采集 Reels

coreclaw/instagram-all-reel-scraper

通过 Instagram URL 批量提取公开 Reel 数据，包括作者用户名、标题、标签、评论数、点赞数、浏览量、播放量、互动数等数据。支持导出数据、API 调用或与第三方工具集成。

免费试用

Instagram 按主页 URL 采集 Reels

从任意公开 Instagram 用户主页 URL 采集 Reels（可选附带普通 Posts），输出结构化记录，支持 UTC 起始日期筛选、去重合并与流式推送。

能用它做什么

按发布时间倒序，把某个公开 Instagram 主页的全部 Reels 采集为结构化记录。
把一批创作者主页转换成 Reels 数据集，用于趋势分析、竞品监测或内容研究。
在同一次运行中，可选地同时采集普通图片帖和轮播帖。
按 UTC 起始日期筛选媒体，构建按时间段切分的活动或报表快照。
通过 Instagram 媒体 PK 或 shortcode 排除已采集内容，支持增量、去重采集。
将结果导出为 CSV、JSON、JSONL、XLSX、XLS、XML、HTML 或 RSS，接入下游流水线。

提取哪些数据

每条 Reel（或 Post）输出一条记录。成功记录的 content_type 固定为 Reels 或 Posts。

字段	类型	说明
`url`	link	规范的 Instagram 媒体 URL（Reels 为 `/reel/<shortcode>/`，Posts 为 `/p/<shortcode>/`）
`content_type`	string	`Reels` 或 `Posts`
`owner`	object	作者账号详情（见下）
`description`	string	媒体文案正文
`hashtags`	array	从文案中提取的标签
`num_comments`	number	评论数
`date_posted`	number	Instagram 发布时间戳（Unix 秒）
`likes_count`	number	点赞数
`video_play_count`	number	视频播放 / 观看数（取 Instagram 暴露的第一个计数器）
`top_comments`	object	第一条预览评论（见下）
`post_id`	string	Instagram 媒体主键（PK）
`thumbnail`	image	主媒体缩略图 URL
`shortcode`	string	Instagram 媒体 shortcode
`content_id`	string	兼容用内容标识（与 shortcode 相同）
`product_type`	string	Instagram 产品类型（如 `clips`、`feed`）
`coauthor_producers`	array	Instagram 返回的合作者记录
`tagged_users`	array	媒体中被标记的用户（见下）
`duration`	string	主视频时长
`video_url`	link	主视频 URL
`audio_url`	link	Instagram 音频页 URL（暴露音频资源时）
`media`	array	帖子内归一化的图片与视频项（见下）
`alt_text`	string	媒体无障碍文案
`photos_number`	number	图片项数量
`dimensions_height`	number	主媒体高度
`dimensions_width`	number	主媒体宽度
`is_paid_partnership`	boolean	是否为付费合作
`error`	string	错误信息——仅出现在终止失败行
`error_code`	string	机读错误码——仅出现在终止失败行

owner 对象字段：id、username、full_name、profile_url、profile_picture、is_verified、is_private、followers_count、following_count、posts_count。当媒体作者与请求的主页一致时，主页级计数（followers_count、following_count、posts_count）从主页元数据填充。

top_comments 对象字段：comments（正文）、user_commenting（作者用户名）、likes_count、profile_picture。无预览评论时为空对象。

tagged_users 项字段：full_name、id、is_verified、profile_pic_url、username。

media 项字段：type（image 或 video）、url、thumbnail、width、height。

数组字段（hashtags、media、tagged_users、coauthor_producers）始终输出数组。
top_comments 始终输出对象。
如果主页加载失败或没有媒体符合筛选条件，脚本只输出一条包含 error 和 error_code 的终止记录。

输入参数

每个任务接收一行主页 URL及其选项。url 字段是行数组（requestListSource），每个任务只处理一行。

字段	类型	必填	默认值	说明
`url`	URL	是	—	Instagram 用户主页 URL，例如 `https://www.instagram.com/nasa/`。不接受 Post、Reel、Hashtag 或 Explore URL。
`include_posts`	Boolean	否	`false`	为 `true` 时，在 Reel 之外同时采集普通图片帖和轮播帖。
`max_results`	Integer	否	`100`	当前主页 Reel 与 Post 合并后的最大成功结果数。非正数或非法值回退为默认值。
`excluded_post_ids`	String / Array	否	`""`	需要排除的 Instagram 媒体 PK 或 shortcode，可用英文逗号、换行分隔，或以数组提供。
`start_date`	String（日期）	否	`""`	UTC 起始日期，包含当天。支持 `DD/MM/YYYY`、`MM-DD-YYYY`、`YYYY-MM-DD`、`MM/DD/YYYY`、`YYYY/MM/DD`。

`url`

公开 Instagram 账号的主页 URL。仅接受 instagram.com、www.instagram.com 或 m.instagram.com 上的 http://、https:// 链接。路径必须是单段用户名——Instagram 保留路径（accounts、direct、explore、p、reel、reels、stories、tv）会被拒绝。两段路径在第二段为 reels 或 tagged 时也可接受（如 https://www.instagram.com/nasa/reels/）。

✅ 推荐：

text

https://www.instagram.com/nasa/
https://instagram.com/natgeo/

❌ 不支持（会被拒绝）：

text

https://www.instagram.com/reel/Cabc123/      # 单条 Reel
https://www.instagram.com/p/Cabc123/          # 单条 Post
https://www.instagram.com/explore/tags/sunrise/
https://www.instagram.com/accounts/login/

`include_posts`

默认关闭，即只采集 Reels。设为 true 可同时采集普通 Post（图片与轮播）。开启后，Reel 与 Post 候选项按发布时间倒序合并并按媒体 ID 去重，合并后的成功输出总数不超过 max_results。

text

"include_posts": false   # 只采集 Reels（默认）
"include_posts": true    # Reels + 普通 Post

`max_results`

限制该主页返回的成功记录数，是每个主页的上限，不是全局上限。非正数或非整数值会静默回退为 100。

✅ 推荐：

text

"max_results": 50
"max_results": 200

`excluded_post_ids`

跳过已采集过的媒体，按 Instagram 媒体 PK 或 shortcode 标识。接受英文逗号或换行分隔的字符串，或 JSON 数组。PK（数字）与 shortcode（如 Cabc123XYZ）两种形式都会匹配。

示例：逗号分隔字符串

"excluded_post_ids": "3421567890123456789,Cabc123XYZ,Cdef456UVW"

示例：JSON 数组

json

"excluded_post_ids": ["3421567890123456789", "Cabc123XYZ", "Cdef456UVW"]

`start_date`

可选的 UTC 起始日期，包含当天。设置后，没有有效发布时间的媒体会被排除；当某一整页都早于起始日期时，分页会提前停止（见筛选与上限的行为规则）。

任一格式均可：

格式	示例
`DD/MM/YYYY`	`01/07/2026`
`MM-DD-YYYY`	`07-01-2026`
`YYYY-MM-DD`	`2026-07-01`
`MM/DD/YYYY`	`07/01/2026`
`YYYY/MM/DD`	`2026/07/01`

示例：完整可运行的任务行

json

{
  "url": "https://www.instagram.com/nasa/",
  "include_posts": true,
  "max_results": 25,
  "excluded_post_ids": "",
  "start_date": "01/01/2026"
}

输出

记录视图（表格）

每行是一条 Reel 或 Post。下表列出部分列，完整字段见 JSON 记录。

`content_type`	`owner.username`	`shortcode`	`likes_count`	`video_play_count`	`video_url`
Reels	`nasa`	`Cabc123XYZ`	1284000	5210000	`https://...mp4`
Posts	`nasa`	`Cdef456UVW`	96210	—	—

完整 JSON 记录

一条成功的 Reel 记录如下。每个键都是 schema 中的真实输出列，值使用占位标识符与保留域名。

json

{
  "url": "https://www.instagram.com/reel/Cabc123XYZ/",
  "content_type": "Reels",
  "owner": {
    "id": "1234567890",
    "username": "nasa",
    "full_name": "NASA",
    "profile_url": "https://www.instagram.com/nasa/",
    "profile_picture": "https://scontent.cdninstagram.com/example/profile.jpg",
    "is_verified": true,
    "is_private": false,
    "followers_count": 67400000,
    "following_count": 81,
    "posts_count": 4821
  },
  "description": "New views of the cosmos. #space #nasa",
  "hashtags": ["#space", "#nasa"],
  "num_comments": 4821,
  "date_posted": 1768531200,
  "likes_count": 1284000,
  "video_play_count": 5210000,
  "top_comments": {
    "comments": "Incredible footage!",
    "user_commenting": "jane_doe",
    "likes_count": 312,
    "profile_picture": "https://scontent.cdninstagram.com/example/jane.jpg"
  },
  "post_id": "3421567890123456789",
  "thumbnail": "https://scontent.cdninstagram.com/example/thumb.jpg",
  "shortcode": "Cabc123XYZ",
  "content_id": "Cabc123XYZ",
  "product_type": "clips",
  "coauthor_producers": [],
  "tagged_users": [
    {
      "full_name": "Example Agency",
      "id": "9876543210",
      "is_verified": true,
      "profile_pic_url": "https://scontent.cdninstagram.com/example/agency.jpg",
      "username": "example.agency"
    }
  ],
  "duration": "28.5",
  "video_url": "https://scontent.cdninstagram.com/example/video.mp4",
  "audio_url": "https://www.instagram.com/reels/audio/1234567890/",
  "media": [
    {
      "type": "video",
      "url": "https://scontent.cdninstagram.com/example/video.mp4",
      "thumbnail": "https://scontent.cdninstagram.com/example/thumb.jpg",
      "width": 1080,
      "height": 1920
    }
  ],
  "alt_text": "A Reel of distant galaxies.",
  "photos_number": 0,
  "dimensions_height": 1920,
  "dimensions_width": 1080,
  "is_paid_partnership": false,
  "error": "",
  "error_code": ""
}

终止失败行（主页加载失败或无匹配媒体时输出）保持相同结构，但只携带标识与错误字段：

json

{
  "url": "https://www.instagram.com/example-user/",
  "content_type": "",
  "owner": {},
  "error": "Unable to load the Instagram profile.",
  "error_code": "403",
  "post_id": "",
  "shortcode": "",
  "...其余字段为空": ""
}

字段详解

标识与类型 —— url 是规范的媒体 URL（Reels 为 /reel/<shortcode>/，Posts 为 /p/<shortcode>/）。content_type 为 Reels 或 Posts。post_id 是 Instagram 媒体 PK；shortcode 与 content_id 均为 shortcode。product_type 是 Instagram 原始产品类型（如 clips、feed）。

作者（owner） —— id、username、full_name、profile_url、profile_picture、is_verified、is_private、followers_count、following_count、posts_count。当媒体作者与请求的主页一致时，主页级计数从主页元数据填充。

文案与可发现性 —— description 是文案正文；hashtags 从中提取。alt_text 是无障碍文案。

互动 —— num_comments、likes_count、video_play_count 为 Instagram 暴露的计数。top_comments 是第一条预览评论，含 comments（正文）、user_commenting（作者）、likes_count、profile_picture；无预览评论时为空对象。

媒体资源 —— thumbnail 是主图 URL。video_url 是主视频 URL。audio_url 是 Instagram 音频页 URL（暴露音频资源时）。duration 是主视频时长。media 是轮播与 Post 的逐项明细，每项含 type（image/video）、url、thumbnail、width、height。photos_number、dimensions_height、dimensions_width 描述主媒体。

人物与赞助 —— tagged_users 列出被标记账号（full_name、id、is_verified、profile_pic_url、username）。coauthor_producers 列出 Instagram 返回的合作者记录。is_paid_partnership 标识付费合作。

时间与错误 —— date_posted 是 Instagram 发布时间戳（Unix 秒）。error 与 error_code 在成功时为空，仅在终止失败行上填充。

进阶用法

按时间段采集 Reels

只采集某个 UTC 起始日期当天及之后发布的 Reels，边界包含起始当天。

示例 1：2026 年 1 月起的 Reels

json

{
  "url": "https://www.instagram.com/nasa/",
  "include_posts": false,
  "max_results": 100,
  "excluded_post_ids": "",
  "start_date": "01/01/2026"
}

示例 2：自某日期起的 Reels + Posts

json

{
  "url": "https://www.instagram.com/natgeo/",
  "include_posts": true,
  "max_results": 200,
  "excluded_post_ids": "",
  "start_date": "2026-06-01"
}

带排除的增量采集

把上一次已采集媒体的 PK 或 shortcode 传入即可跳过。两种形式都会匹配，可混用。

示例 3：排除三条已采集媒体

json

{
  "url": "https://www.instagram.com/nasa/",
  "include_posts": true,
  "max_results": 50,
  "excluded_post_ids": "3421567890123456789,Cabc123XYZ,Cdef456UVW",
  "start_date": ""
}

筛选与上限的行为规则

start_date 边界按 UTC 计算，包含起始日期的整天。
设置 start_date 时，没有有效发布时间的媒体会被排除。
当某一整页都早于 start_date 时，分页会提前停止（避免把极老的主页从头翻到底）。首页出现的较旧置顶内容不会触发提前停止。
开启 include_posts 后，Reel 与 Post 候选项按发布时间倒序合并并去重；合并后的成功输出总数不超过 max_results。

可靠性

三级媒体解析：列表接口预取 → 媒体详情 HTML 页 → media/<pk>/info 接口，单一接口缺口不会丢失记录。
Reels 时间线回退：当 Reels clips 接口提前结束（瞬时故障或游标缺失），主页时间线作为独立恢复数据源。
重试策略：覆盖瞬时代理、HTTP（403、408、425、429、500、502、503、504）或页面结构异常的失败重试，带退避。
流式输出：每条记录解析完成后立即按顺序推送，无需等待整轮运行结束。

常见问题

可以传入单条 Reel 或 Post URL 吗？
不可以。url 字段只接受 Instagram 主页 URL。单条 Reel（/reel/...）、单条 Post（/p/...）、Hashtag、Explore URL 都会被拒绝。

一次能处理多少个 URL？
每个 worker 任务只处理一行主页 URL。如需采集多个主页，请按主页提交多个任务，或调度多次运行。

max_results 会分别限制 Reels 和 Posts 吗？
不会。max_results 是该主页成功记录的合并上限。开启 include_posts 后，Reels 与 Posts 在合并去重后共享这一上限。

支持哪些日期格式？
DD/MM/YYYY、MM-DD-YYYY、YYYY-MM-DD、MM/DD/YYYY、YYYY/MM/DD。start_date 可省略。

日期筛选用哪个时区？
UTC。边界按 UTC 包含起始日期的整天。

脚本会下载视频或图片吗？
脚本返回规范的资源 URL（video_url、thumbnail 与 media 数组），但不会下载二进制文件。请在自己的下载环节使用导出的 URL。

主页是私密的或被封锁时怎么办？
脚本会输出一条携带 error 和 error_code 的终止记录（例如 Instagram 拦截请求时为 403），而不是返回残缺数据。

能当作 REST API 使用吗？
可以。CoreClaw 通过 OpenAPI v2 REST API 暴露该 worker。Base URL 为 https://openapi.coreclaw.com，所有路径以 /api/v2 开头，鉴权 Authorization: Bearer <API_KEY>（legacy api-key header 与 ?token= query 仍兼容）。典型流程：获取输入 schema → POST /api/v2/workers/{workerId}/runs（输入放在 input.parameters.custom，可设 callback_url）→ 保存 data.run_slug → GET /api/v2/worker-runs/{runId} 查状态 → GET /api/v2/worker-runs/{runId}/result 取结果，或 /result/export 导出下载。也可通过 CoreClaw MCP server 在 AI 工具中驱动。