从0看Telethon做Telegram相册/文件爬虫(Telegram Album and Replies Crawler On Telethon)

1. 什么是 Telethon#

Telethon is an asyncio Python 3 MTProto library to interact with Telegram’s API as a user or through a bot account (bot API alternative).

2.Telethon 缺点#

下载死慢，官方 API 限速

3.Telethon 官方文档#

注：你可以在官方开发文档中获取到一些本文所讲述的内容，如有疑问可以先查询该文档。
https://docs.telethon.dev/en/stable/
pip 包名：telethon

4. 学习 Telethon Client#

公式化代码块

api_id = 123456789
api_hash = 'a1b2c3d4'
phone = '+11145141919'
#telegram客户端连接
client = TelegramClient(phone, api_id, api_hash)
client.connect()
if not client.is_user_authorized():
    client.send_code_request(phone)
    client.sign_in(phone, input('Enter the code: '))

5. 学习 Telethon Channel#

在 Telethon 中，每个 Channel 都是一个 chat entity，Channel 主要可分为 broadcast，megagroup 两类，分别对应” 频道 “和” 讨论组 “
我们可以通过client(GetDialogsRequest(offset_date=last_date,offset_id=0,offset_peer=InputPeerEmpty(),limit=chunk_size,hash=0)).chats来获取到所有 chat entity 的集合
对于每个 Chat 对象，有以下几个比较重要的成员

id 用于获取唯一标识
title 用于获取 Channel 名称
broadcast 为 True 时意味着该 chat 是一个” 频道 “
megagroup 为 True 时意味着该 chat 是一个” 讨论组 “
以下示例代码用于过滤出所有” 频道 “并由用户选择出目标 chat

chats = []
last_date = None
chunk_size = 200
channels = []
result = client(GetDialogsRequest(
    offset_date=last_date,
    offset_id=0,
    offset_peer=InputPeerEmpty(),
    limit=chunk_size,
    hash=0
))
chats.extend(result.chats)
for chat in chats:
    try:
        if chat.broadcast == True:
            channels.append(chat)
    except:
        continue
print('Choose a group to scrape members from:')
i = 0
for c in channels:
    print(str(i) + '- ' + c.title)
    i += 1
c_index = input("Enter a Number: ")
target_channel = channels[int(c_index)]

获取到 chat 对象后，我们可以通过client.iter_messages(target_channel, ***)来获取 chat 中的消息列表，下面列出几个对本文有帮助的参数。

entity即指定的 chat entity
limit (int | None, optional)即获取的历史消息最大上限，值为 None 时获取全部内容
offset_id (int)即获取的消息 ID 初始偏移量，使用后仅获取消息 ID小于该 ID 的消息列表 (消息 ID 越大越新)
max_id (int)
min_id (int)
search (str)即搜索字符串
filter (MessagesFilter | type)即消息类型过滤，可用的值见https://tl.telethon.dev/types/messages_filter.html
reverse (bool, optional) 默认的获取顺序是 ID 由大至小 (由旧到新)，值为 True 时将会由小至大获取
reply_to (int, optional) 该值设定后，获取消息 ID 对应的消息的回复 (评论) 消息集合。该值设定时 fliter 与 search 将会失效。
注：仅能用于获取频道及其讨论组的消息，应用于一般 chat 和私人频道是将会失效。

这里还将介绍一种已淘汰的消息获取方式，它在通过 ID 获取消息上更具优势client.get_messages(entity,***ids)当 ids 被设定时，将会直接返回 ids 对应的消息对象而非集合。

6. 学习 Telethon 中的 Message#

The Message type is very important, mostly because we are working with a library for a messaging platform, so messages are widely used: in events, when fetching history, replies, etc.
It bases ChatGetter and SenderGetter.

在 Telethon 中每条消息都是一个 Message 对象
Message中的成员非常多，这里我挑几个对本文有帮助的成员变量和函数

欸嘿，还没写完呢