# Como coletar hashtags do Instagram em legendas e primeiros comentários

Colete o texto dos comentários de nível superior de uma publicação conhecida, verifique qual comentário pertence ao dono da publicação e, em seguida, extraia as hashtags. Um Actor é um programa hospedado de coleta de dados. Uma Task é uma predefinição de entrada salva. O Actor coleta as linhas de origem, e você faz a análise.

## Etapas de coleta

1. Selecione uma publicação conhecida e guarde a URL ou o código curto dela. Copie a legenda atual da fonte pública para um campo de legenda separado, com o horário da observação. O Actor de comentários não fornece legendas. Não use o endpoint antigo de pesquisas anteriores.
2. Execute uma amostra pequena na ordem padrão com `maxCommentsPerPost` definido como `3` para o piloto. Defina `postUrls` como a URL pública conhecida da publicação ou do Reel, `collectAllAvailable` como `false` e `commentSortMode` como `default`. Inspecione a identidade do alvo, o texto e `OUTPUT`. `savedRows` e `cappedTargets` são totais da execução. As entradas de alvo guardam, por alvo, `resultState`, `sampleHealth` e `stopReason`. O controle atual verificado, com limite de três linhas, verifica apenas a identidade da origem, o texto e as datas. Ele não prova a recuperação do comentário do dono nem o primeiro comentário em ordem cronológica. Não prometa um comentário do dono a partir de um limite mais alto. Aumente o limite somente para uma publicação conhecida justificada. Se a amostra pública ocultar o comentário necessário, marque a evidência da tag do primeiro comentário como desconhecida e inspecione a publicação pública manualmente.
3. Identifique a conta do dono a partir da publicação de origem. Corresponda `ownerId` quando estiver presente, porque [um nome de usuário sozinho pode mudar](/pt-BR/articles/remover-perfis-duplicados-do-instagram/). Um comentário que marca o criador não foi escrito pelo criador. Mantenha correspondências ambíguas de autor sem resolução.
4. Guarde, de cada comentário candidato escrito pelo dono, `commentId`, `text`, `createdAt`, `ownerId`, `ownerUsername`, `ownerVerified`, `likesCount`, `repliesCount`, `collectedAt` e a URL de origem. Observe que `repliesCount` é uma contagem exibida, não uma exportação de respostas. Verifique manualmente se ele é o comentário inicial de hashtags pretendido. A ordem do mais antigo para o mais recente apenas ordena a amostra pública coletada. Ela não pode estabelecer o verdadeiro primeiro comentário. Não rotule um candidato incerto como primeiro.
5. Extraia os tokens de hashtag visíveis, mantenha a grafia original e crie uma chave de comparação separada em casefold. Use uma regra clara de token. Para o inglês, aceite o símbolo de cerquilha seguido de letras, dígitos ou um sublinhado. A pontuação encerra o token. Outros sistemas de escrita precisam de uma regra correspondente e de verificações manuais. Exclua menções de usuário, endereços de e-mail e símbolos de cerquilha isolados.
6. Monte uma tabela de proveniência. Inclua a chave da publicação, a chave do comentário ou a origem da legenda, a verificação do autor, a tag bruta, a chave normalizada, `collectedAt` e o status. Não misture a tag de outro usuário com as tags do dono.
7. Compare as chaves de tag da legenda com as chaves de tag do comentário verificado do dono. Informe os conjuntos só da legenda, só do comentário e compartilhado. Mantenha a evidência indisponível do comentário do dono fora da afirmação de conjunto vazio. Isso mostra o posicionamento observado das tags, não uma prova de alcance.

## Exemplo resolvido fictício

Este é um exemplo fictício original para mostrar como a tabela funciona. A publicação fictícia P1 tem a legenda "Garden notes #LeafCare #HomeGarden." Um comentário C1, verificado como do dono, diz "More tags: #HomeGarden #SoilMix #LeafCare #SoilMix." Uma conta diferente, C2, diz "Nice #PlantSale."

A identidade do dono corresponde a C1, e o posicionamento inicial dele foi verificado na publicação pública. O conjunto da legenda tem leafcare e homegarden. O conjunto do comentário do dono tem homegarden, soilmix e leafcare. As tags compartilhadas são leafcare e homegarden. Só do comentário é soilmix. O conjunto só da legenda está vazio.

Seis ocorrências de hashtag na legenda e no comentário se tornam três chaves distintas usadas pelo dono. A ocorrência duplicada de soilmix permanece nos dados de proveniência. A tag plant sale de C2 é excluída do conjunto usado pelo dono, mas permanece nos dados de origem. Se C1 não puder ser visto em outra execução, diga que as tags do comentário do dono estão indisponíveis, em vez de dizer que o dono não usou nenhuma hashtag no comentário.

Na tabela abaixo, `Manual post-owner match` é uma verificação do leitor de que o `ownerId` do comentário corresponde à conta dona da publicação. Esse rótulo corresponde ao cabeçalho Correspondência manual publicação-dono. O `ownerVerified` nativo é o campo do selo público, não uma prova de propriedade da publicação. Os valores do selo não foram fornecidos nos dados fictícios, então são mantidos como desconhecidos. Os valores `Active` e `Excluded` da tabela, mostrados como Ativo e Excluído, representam decisões de revisão do leitor, não um status nativo do conjunto de dados, porque o Actor não tem um campo de status do conjunto de dados. Os campos nativos `postUrl`, `postId` e `postShortCode` são mantidos em cada linha real de proveniência; a chave de publicação do leitor P1 é usada na ficção, e URLs e identificadores reais não fornecidos são marcados como desconhecidos, em vez de fabricados.

| Chave da publicação | URL da publicação | ID da publicação | Código curto da publicação | Origem | Correspondência manual publicação-dono | Tag bruta | Chave normalizada | Coletado em | Status |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| P1 | Desconhecido | Desconhecido | Desconhecido | Legenda | Verdadeiro | #LeafCare | leafcare | 2026-10-13 | Ativo |
| P1 | Desconhecido | Desconhecido | Desconhecido | Legenda | Verdadeiro | #HomeGarden | homegarden | 2026-10-13 | Ativo |
| P1 | Desconhecido | Desconhecido | Desconhecido | C1 | Verdadeiro | #HomeGarden | homegarden | 2026-10-13 | Ativo |
| P1 | Desconhecido | Desconhecido | Desconhecido | C1 | Verdadeiro | #SoilMix | soilmix | 2026-10-13 | Ativo |
| P1 | Desconhecido | Desconhecido | Desconhecido | C1 | Verdadeiro | #LeafCare | leafcare | 2026-10-13 | Ativo |
| P1 | Desconhecido | Desconhecido | Desconhecido | C1 | Verdadeiro | #SoilMix | soilmix | 2026-10-13 | Ativo |
| P1 | Desconhecido | Desconhecido | Desconhecido | C2 | Falso | #PlantSale | plantsale | 2026-10-13 | Excluído |

## Próxima ação

Execute sua amostra piloto com o Actor [Instagram Comments Scraper](https://apify.com/chronometrica/instagram-comments-scraper) e a entrada predefinida da [Task](https://apify.com/chronometrica/instagram-comments-scraper/examples/instagram-comments-scraper) para coletar linhas de comentários de nível superior antes de verificar a proveniência das tags.

## Fontes e leituras adicionais

- [Actor Instagram Comments Scraper](https://apify.com/chronometrica/instagram-comments-scraper)
- [Task Instagram Comments Scraper](https://apify.com/chronometrica/instagram-comments-scraper/examples/instagram-comments-scraper)
- [Pergunta de pesquisa histórica](https://www.reddit.com/r/webscraping/comments/aefai8/how_can_i_webscrape_instagram_hashtags_that_are/)