LoginSignup
3
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

@Yu2yasui(Yasui Yuto)

Instagramのアカウントからプロファイルを取得する

Posted at

概要

Instagramの投稿に付帯しているハッシュタグから投稿者のIDを取得し、そこから投稿者のプロファイルを取得します。公式のInstagram APIを使わずに他人の投稿数、フォロー・フォロワー数、バイオグラフィーなどを取得することができます。今回はRでの方法を紹介します。ただしFaceBook関連のAPIはたびたびの制限により使用できなくなっているので、その点ご了承ください。

作業手順

１．投稿から投稿者のIDを取得する

今回はInstaCrawlRを使用しました。ここからダウンロードできます。
https://github.com/JonasSchroeder/InstaCrawlR

２．投稿者のIDから投稿者名を取得する

GraphQLでクエリを実行し結果を返信させます。
：https://www.instagram.com/graphql/query/?query_hash=c9100bf9110dd6361671f113dd02e7d6&variables={"user_id":"ここにIDを入れる","include_chaining":false,"include_reel":true,"include_suggested_users":false,"include_logged_out_extras":false,"include_highlight_reels":false,"include_related_profiles":false}

３．投稿者名からプロファイルを取得する

投稿者名から、各プロファイルを取得します。
https://www.instagram.com/"ここに投稿者名を入れる"/?__a=1

導入例

順を追って実行していきます。まずInstaCrawlRを実行します。

jsonReader.R

# ------------------------------------------------------------------------
# Part of InstaCrawlR
# Git Hub: https://github.com/JonasSchroeder/InstaCrawlR
# Code by Jonas Schröder
# See ReadME for instructions and examples
# Version 3: Additional column for export (post_url based on shortlinks)
# Last Updated July 2019
# ------------------------------------------------------------------------

library(jsonlite)
library(stringr)
library("jpeg")
library(tidyr)
library(utf8)

# ---------------------------------------------------------
# Download JSON File from Instagram for a specific Hashtag
# ---------------------------------------------------------
hashtag <- "sponsored" #ここに調べたいハッシュタグを入れる
url_start <- str_glue("http://instagram.com/explore/tags/{hashtag}/?__a=1")
json <- fromJSON(url_start)
edge_hashtag_to_media <- json$graphql$hashtag$edge_hashtag_to_media
end_cursor <- edge_hashtag_to_media$page_info$end_cursor
posts <- edge_hashtag_to_media$edges$node

# -----------------------------
# Extract Information per Post
# -----------------------------
index <- 1
post_id <- list()
post_url <- list()
post_text <- list()
post_time <- list()
post_likes <- list()
post_owner <- list()
post_img_url <- list()

extractInfo <- function(index){
    print("extractInfo function called")
    maxrows <- nrow(posts)
    for(i in 1:maxrows){
        if(i == maxrows){
            assign("index", index, envir = .GlobalEnv)
            assign("post_id", post_id, envir = .GlobalEnv)
            assign("post_text", post_text, envir = .GlobalEnv)
            assign("post_time", post_time, envir = .GlobalEnv)
            assign("post_img_url", post_img_url, envir = .GlobalEnv)
            assign("post_url", post_url, envir = .GlobalEnv)
            assign("post_likes", post_likes, envir = .GlobalEnv)
            assign("post_owner", post_owner, envir = .GlobalEnv)
            getNewPosts(index)
        } else {
            if(length(posts$edge_media_to_caption$edges[[i]][["node"]][["text"]])==0){
                post_text[index] <- "no-text"
                print("no text in post")
            } else {
                temp <- posts$edge_media_to_caption$edges[[i]][["node"]][["text"]]
                post_text[index] <- gsub("\n", " ", temp)
            }
            
            post_id_temp <- posts[i,5]
            post_url[index] <-  str_glue("http://instagram.com/p/{post_id_temp}")
            post_id[index] <- post_id_temp
            post_time[index] <- toString(as.POSIXct(posts[i,7], origin="1970-01-01"))
            post_img_url[index] <- posts[i,9]
            post_likes[index] <- posts[i,11]
            post_owner[index] <- posts[i,12]
            
            #optional: download image
            #img_dir <- str_glue("images/{index}_{hashtag}_post_img.jpg")
            #download.file(posts[i,8], img_dir, mode = 'wb')
            
            index <- index + 1
            #手動でコードを止める設定なので
            #自動で止めたい場合はstop()を入れる
        }
    }    
}

# ------------------------------
# Get New Posts from Instagram
# ------------------------------
getNewPosts <- function(index){
    print("getNewPosts function called")
    url_next <- str_glue("{url_start}&max_id={end_cursor}")
    json <- fromJSON(url_next)
    edge_hashtag_to_media <- json$graphql$hashtag$edge_hashtag_to_media
    end_cursor <- edge_hashtag_to_media$page_info$end_cursor
    posts <- edge_hashtag_to_media$edges$node
    assign("end_cursor", end_cursor, envir = .GlobalEnv)
    assign("posts", posts, envir = .GlobalEnv)
    print(index)
    Sys.sleep(1)
    extractInfo(index)
}

# Start the Madness
extractInfo(index)

ここまで実行すると、入力したハッシュタグが付帯している投稿をクロールしてきます。
コード内でも書いたように、実行しても自動で停止することはないので、必要なクロール数に達したらSTOPボタンを押すか、コードを書き換える必要があります。

jsonReader.R
# -----------------------------
# Export Dataframe to CSV()
# -----------------------------
table <- do.call(rbind.data.frame, Map('c', post_id, post_url, post_img_url, post_likes, post_owner, post_text, post_time))
colnames(table) <- c("ID", "Post_URL", "Img_URL", "Likes", "Owner", "Text", "Date")
# time <- Sys.time()
# filename <- str_glue("table-{hashtag}-{time}.csv")
# write.csv(table, 'filename', fileEncoding = "UTF-8")

すぐにCSVに保存する必要はありませんが、データフレームを作成しておくと便利です。
投稿者のIDはここのpost_ownerに入っています。

次にこのpost_ownerから投稿者名（いわゆるユーザー名）を取得し、投稿者のプロファイルを取得します。今回は投稿者名、バイオグラフィー、フォロー・フォロワー数、投稿数、ハイライトリール数を取得します。
コードとしては単純で、上記と同じfromJSONを使用します。

crawlUserName.R
# -----------------------------
# Extract User Name From User ID
# -----------------------------
User_Name <- list()
Biography <- list()
Follower <- list()
Following <- list()
Count_Post <- list()
Count_HighlightReel <- list()

maxrows <- nrow(table)
for(j in 1:maxrows){
    
    Owner_id <- table[j,5]
    url_username <- paste("https://www.instagram.com/graphql/query/?query_hash=c9100bf9110dd6361671f113dd02e7d6&variables={%22user_id%22:%22",Owner_id,"%22,%22include_chaining%22:false,%22include_reel%22:true,%22include_suggested_users%22:false,%22include_logged_out_extras%22:false,%22include_highlight_reels%22:false,%22include_related_profiles%22:false}",sep="")
    json2 <- fromJSON(url_username)
    User_Name[j] <- json2[["data"]][["user"]][["reel"]][["user"]][["username"]]
    
    print(j)
    Sys.sleep(1)
    #APIのリクエスト制限を回避するため
    #スクリプトの停止を行う
}

上下のコードは同一のforループ内で記述できます。
（あえて記述していない理由は後述します）

crawlProfile.R
 
for (k in 1:maxrows) {
    url_profile <- paste("https://www.instagram.com/",User_Name[k] ,"/?__a=1",sep="")
    json3 <- fromJSON(url_profile)
    
    Biography[k] <- json3[["graphql"]][["user"]][["biography"]]
    Follower[k] <- json3[["graphql"]][["user"]][["edge_followed_by"]][["count"]]
    Following[k] <- json3[["graphql"]][["user"]][["edge_follow"]][["count"]]
    Count_Post[k] <- json3[["graphql"]][["user"]][["edge_owner_to_timeline_media"]][["count"]]
    Count_HighlightReel[k] <- json3[["graphql"]][["user"]][["highlight_reel_count"]]
    
    print(k)
    Sys.sleep(1)
    #APIのリクエスト制限を回避するため
    #スクリプトの停止を行う
    
}

table2 <- do.call(rbind.data.frame, Map('c', User_Name, Biography, Follower, Following, Count_Post, Count_HighlightReel))
colnames(table2) <- c("User_Name", "Bio", "Follower", "Following", "Count_Post", "Count_HR")

table2 <- table2[!duplicated(table2$User_Name),] #重複した投稿者を削除

未解決の問題点

コード内にも記述しましたが、実行するとAPIのリクエスト制限によるエラーが（どこかで）発生します。
私が行った場合だとcrawlUserName.Rは制限にかかりませんでしたが、crawlProfile.Rは200回ほど行ったところでエラーを吐きました。とほほ。

Sys.sleep()の変数を調整するか、他の解決方法を見つけてくださるとうれしいです。

お世話になった参考文献

Instagram のあるアカウントの Follower をクロールする
https://qiita.com/kon_now/items/aa6fdd58c86664d55113

Instagram？__ a = 1 URLが機能しなくなり、データを取得するgraphql / queryの問題
https://www.it-swarm.dev/ja/javascript/instagram？-a-1-urlが機能しなくなり、データを取得するgraphql-queryの問題/837511091/

3
3
1

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
3
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?