從0看Telethon做Telegram相冊/文件爬蟲(Telegram Album and Replies Crawler On Telethon)

1. 什麼是 Telethon#

Telethon 是一個基於 asyncio 的 Python 3 MTProto 庫，用於作為用戶或通過機器人帳戶（機器人 API 替代方案）與 Telegram 的 API 進行交互。

2. Telethon 缺點#

下載速度緩慢，官方 API 有速率限制

3. Telethon 官方文件#

注意：您可以在官方開發文件中獲取一些本文所述的內容，如有疑問可以先查詢該文件。
https://docs.telethon.dev/en/stable/
pip 包名：telethon

4. 學習 Telethon Client#

公式化程式碼塊

api_id = 123456789
api_hash = 'a1b2c3d4'
phone = '+11145141919'
#telegram客戶端連接
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. 學習 Telethon Channel#

在 Telethon 中，每個 Channel 都是一個 chat entity，Channel 主要可分為 broadcast，megagroup 兩類，分別對應” 頻道 “和” 討論組 “
我們可以通過client(GetDialogsRequest(offset_date=last_date,offset_id=0,offset_peer=InputPeerEmpty(),limit=chunk_size,hash=0)).chats來獲取到所有 chat entity 的集合
對於每個 Chat 對象，有以下幾個比較重要的成員

id 用於獲取唯一標識
title 用於獲取 Channel 名稱
broadcast 為 True 時意味著該 chat 是一個” 頻道 “
megagroup 為 True 時意味著該 chat 是一個” 討論組 “
以下示例程式碼用於過濾出所有” 頻道 “並由用戶選擇出目標 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)]

獲取到 chat 對象後，我們可以通過client.iter_messages(target_channel, ***)來獲取 chat 中的消息列表，下面列出幾個對本文有幫助的參數。

entity即指定的 chat entity
limit (int | None, optional)即獲取的歷史消息最大上限，值為 None 時獲取全部內容
offset_id (int)即獲取的消息 ID 初始偏移量，使用後僅獲取消息 ID小於該 ID 的消息列表 (消息 ID 越大越新)
max_id (int)
min_id (int)
search (str)即搜索字串
filter (MessagesFilter | type)即消息類型過濾，可用的值見https://tl.telethon.dev/types/messages_filter.html
reverse (bool, optional) 默認的獲取順序是 ID 由大至小 (由舊到新)，值為 True 時將會由小至大獲取
reply_to (int, optional) 該值設定後，獲取消息 ID 對應的消息的回覆 (評論) 消息集合。該值設定時 fliter 與 search 將會失效。
注：僅能用於獲取頻道及其討論組的消息，應用於一般 chat 和私人頻道是將會失效。

這裡還將介紹一種已淘汰的消息獲取方式，它在通過 ID 獲取消息上更具優勢client.get_messages(entity,***ids)當 ids 被設定時，將會直接返回 ids 對應的消息對象而非集合。

6. 學習 Telethon 中的 Message#

Message 類型非常重要，主要是因為我們正在使用一個用於消息平台的庫，所以消息被廣泛使用：在事件中、在獲取歷史記錄時、回覆等等。
它基於 ChatGetter 和 SenderGetter。

在 Telethon 中每條消息都是一個 Message 對象
Message中的成員非常多，這裡我挑幾個對本文有幫助的成員變量和函數

嘿嘿，還沒寫完呢