Instagramのハッシュタグから画像をスクレイプ

Instagram Graph APIを用いてハッシュタグから、画像や情報を抽出する方法をメモ

流れとしては、

①ハッシュタグからハッシュIDを抽出
②ハッシュIDから投稿情報を抽出
③投稿情報から画像を抽出

の3段階で実施。①と②についてはGraph APIを活用

①ハッシュタグからハッシュIDを抽出
②ハッシュIDから投稿情報を抽出
③投稿情報から画像を抽出
サンプル

①ハッシュタグからハッシュIDを抽出

/ig_hashtag_searchを用いて、ハッシュタグからハッシュIDを抽出
トークンの詳細は以下

USER_ID = 認証したuserのid
HASH_QUERY = 抽出したいハッシュタグ
ACCESS_TOKEN = サードトークン

https://graph.facebook.com/v9.0/ig_hashtag_search?user_id={USER_ID}&q={HASH_QUERY}&access_token={ACCESS_TOKEN}

例: 「winter」というハッシュタグの場合以下のようなレスポンス

{
   "data": [
      {
         "id": "17843863474034241"
      }
   ]
}

idがハッシュidに相当のものである

②ハッシュIDから投稿情報を抽出

先ほどのハッシュidを用いて、投稿情報を抽出

HASH_ID = 先ほどのハッシュid
SEARCH_TYPE = ソート方法. top_media:人気順、recent_media:新規順
USER_ID = 認証したuserのid
FIELDS = 抽出したい情報
ACCESS_TOKEN = サードトークン

https://graph.facebook.com/v9.0/{HASH_ID}/{SEARCH_TYPE}?user_id={USER_ID}&fields={FIELDS}&access_token={ACCESS_TOKEN}

FIELDはmedia_url,media_type,permalink,caption,like_count,comments_count,timestampを選択、詳細は以下を参照
https://developers.facebook.com/docs/instagram-api/reference/ig-hashtag/recent-media

③投稿情報から画像を抽出

②より以下の情報がJSON形式で取れる

{
  "data": [
    {
      "id": "hoge",
      "ig_id": "hoge",
      "username": "hoge",
      "caption": "hoge",
      "comments_count": 0,
      "is_comment_enabled": true,
      "like_count": 0,
      "media_product_type": "FEED",
      "media_url": "https://<URL>", ・・・これ
      "media_type": "CAROUSEL_ALBUM",
      "permalink": "https://www.instagram.com/p/<URL>/",
      "owner": {
        "id": "hoge"
      },
      "shortcode": "hoge",
      "timestamp": "yyyy-mm-ddThh:mm:ss+0000"
    },
  ],
  "paging": {
    "cursors": {
      "before": "hoge",
      "after": "hoge"
    },
    "next": "hoge"
  }
}

media_url内に時限のCDNリンクが載ってあるのでダウンロードをすれば端末に落とすことが可能
pythonでの実装例

with open(file) as fd:
    insta_data = json.load(fd)
    medias = insta_data["data"]
    for media in medias:
        #IMAGEデータのみ分析する
        if not media["media_type"] == "IMAGE":
            continue
        #画像のダウンロード
        media_url = media["media_url"]
        response = requests.get(media_url)
        image = response.content
        with open(image_dir/f"image{counter}.jpg" , "wb") as imd:
            imd.write(image)
        counter+=1