telegram采集注意点-python3实现

首先需要有一个telegram账号，

可以使用虚拟手机号注册：textnow或者gv

准备环境：

目前是python37，

# 安装 Telethon 包
pip install Telethon

编写登录代码：

from telethon import TelegramClient, utils, errors
from telethon.sessions import StringSession
import asyncio

“”“
api_id，和hash，需要去
 https://my.telegram.org/auth?to=apps
上面注册一个app，注册一次即可，不需要每一个账号都注册，

id和hash是表示是什么软件接入telegram服务器的，可以在官方提供的app中提取，毕竟源码是开源的，
”“”
api_id =""
api_hash=""
phone =""
password = "" # 二次验证的密码，如果没有，为空即可
"""
PROXY_TYPE_SOCKS4 = SOCKS4 = 1
PROXY_TYPE_SOCKS5 = SOCKS5 = 2
PROXY_TYPE_HTTP = HTTP = 3
"""
# 目前我使用的是socket5 的代理
p = (2, "127.0.0.1", 1080)
# 如果是多线程采集的情况下，需要指定事件循环，在单线程的情况，可以不要loop参数
loop = asyncio.new_event_loop()
“”“
登录 session,这里有两个选择，
一个是.session 文件，这种保存session的方式，不是很推荐，在后面机器部署的时候，需要同步每一个账号的session，文件，这种只需要指定一个文件的路径即可，例如：/home/xxx.session,

另外一个是将session，保存成一个字符串，这样可以在数据库中保存，例如，
需要导入session包
from telethon.sessions import StringSession

StringSession("xxx")

”“

session = StringSession("xxx")
client = TelegramClient(session, api_id, api_hash,
                                        proxy=p, loop=loop,
                                        auto_reconnect=True,
                         )
client.start(phone=phone, password=password)
print(client.get_me())

## 如何保存session 字符串数据了？
# 需要登录后的账号，然后执行下面的命令，便可以把session的token保存为字符串
print(StringSession.save(client.session))

# 使用监听的方式 采集消息
from telethon import TelegramClient, events
# 登录代码同上

client.add_event_handler(callback=msg_event_handler,
                                      event=events.NewMessage(incoming=True))


async def msg_event_handler( event: events.NewMessage.Event):
        message = event.message
                # 判断是否是群组或者频道发送的消息       
        if event.is_channel or event.is_group:
                    ## 获取消息的id，
                if isinstance(message.to_id, types.PeerChannel):
                    to_id = message.to_id.channel_id
                else:
                    to_id = message.to_id.chat_id
               ## 自定义处理

# 使用api的方式查询聊天记录

username = "群组｜频道 的username或者id"
min_id = 0 # 开启的消息id
limit =1000 # 检索的消息数量
“”“
telegram使用的是群组｜频道+ 消息id来标示唯一消息的，而且消息id是从1-无穷的
”“”

messages = client.iter_messages(username, min_id=min_id, reverse=True, limit=limit)
        # 进行消息处理
async for message in messages:
    print(message)

# 例子：
async def dow():
    dialog = await client.get_entity("fordarknetspiderbot")
    old = datetime.datetime.now()
    zero_today = old - datetime.timedelta(days=0, hours=old.hour, minutes=old.minute, seconds=old.second,
                                          microseconds=old.microsecond)
    async for msg in client.iter_messages(dialog, min_id=2110, offset_date=zero_today, reverse=True):
        # user = await client.get_entity(msg.from_id)
        print(" 时间：{} id:{}  消息：{}，   ".format(
            (msg.date + datetime.timedelta(hours=8)).strftime("%Y-%m-%d %H:%M:%S"), msg.id, msg.message))
    now = datetime.datetime.now()
    t = now - old
    print(t)


client.loop.run_until_complete(dow())

总结：一般来说监听的方式比查询api的方式要快，而且要好，查询api会被限流，目前我是两个方式一起用的，因为有一些账号被封了的时候，新账号又不想去理会，可以新开一个线程去轮训服务器中的群组列表，我们只需要当前登录的账号中都没有添加这些群组的群组，这样子就不和监听的方式冲突了，

# 设置监听后，可以新开一个任务去轮训群组，
client.loop.create_task(task_Handler())
client.run_until_disconnected()
async def task_Handler():
  pass