使用 google 电子表格抓取 Instagram 数据？

Question

我需要使用 google 电子表格的 public Instagram 帐户中的简历和帖子数量等数据。我能够提取关注者和关注者的数量。你能帮忙吗？

Answer 1

这个公式看起来真的很复杂，但实际上就是这样 - 是一个 importxml 公式，用于从 "script" 部分提取数据，其中包含您想要的部分...然后使用一堆regexreplace/extract 函数我将数据清理成可读格式：

以这个public页面为例：http://www.instagram.com/salesforce/

然后在 B1 或 C1 中输入：

=iferror(arrayformula(regexreplace({arrayformula(regexextract(transpose(split(regexreplace(regexreplace(concatenate(IMPORTXML(Sheet2!A1,"//script")),"\n",""),"(^.*""ProfilePage"": \[{""user"": {""username"": "")(.*)(nodes.*)",""),", """,false)),"(^.*)"": .*")),arrayformula(regexextract(transpose(split(regexreplace(regexreplace(concatenate(IMPORTXML(Sheet2!A1,"//script")),"\n",""),"(^.*""ProfilePage"": \[{""user"": {""username"": "")(.*)(nodes.*)",""),", """,false)),"^.*"": (.*)"))},"[""}{]","")))

我最终使用了一个文字数组，这样我就可以有效地将字段名称从值中分离出来，显然你可以按照你真正想要的方式进行格式化，但是请看这里的图片，它展示了它提取的字段：

另请注意，关注者 followed_by 和媒体：计数是您提到的字段（例如，帖子的数量称为媒体计数），然后传记当然是不言自明的

更新：在回答你的评论时 - 如果你想得到其他 2 个值，你可以在单个 regexextract 函数中完成，如下所示：

如果您使用原始导入数据，这些正则表达式有效：

媒体数：

=REGEXEXTRACT(concatenate(IMPORTDATA(E1)),"""media: {""count"": (\d+)page_info: {")

简历：

=REGEXEXTRACT(concatenate(IMPORTDATA(E1)),"biography: ""(.*)""full_name")

如果您使用 importxml 方法这些工作：

=REGEXEXTRACT(A1,"biography"": ""(.*)"", "".*""media"": {""count"": (\d+), ""page_info""")

这会创建 2 个捕获组，自动将它们放入它们自己的相邻单元格中，或者您可以单独进行它们，即：

传记：

=REGEXEXTRACT(A1,"biography"": ""(.*)"", "".*""media")

媒体数：

=REGEXEXTRACT(A1,"media"": {""count"": (\d+), ""page_info""")

使用 google 电子表格抓取 Instagram 数据？

Scraping Instagram data using google spreadsheet?

google-sheets

instagram