Telegram 公开频道消息怎么有界采集并归档?
使用 telegram.web.fetch_post_detail 可重新读取单条 Telegram 公告并与已存版本比对变更;使用 telegram.web.fetch_channel_posts、archive_telegram.py、受控游标翻页和 build_archive_report.py 可为周报归档近期公告并生成可回查证据包。Telegram 频道管理员可以编辑已发布的消息,因此复核旧公告与查找新发布消息是两项独立任务。Telegram 频道说明
例如你周一把一条活动公告发给同事,周三有人问集合地点是不是改了。手里有原消息链接和周一保存的内容时,重新读取这条消息,把两个版本并排比较。
群里贴了旧公告,怎么确认变更?
把 t.me/example/123 这样的链接拆成频道用户名 example 和整数消息 ID 123,再换成你实际链接里的值。把下面的 JSON POST 到 https://api.beatapi.io/v1/social-data/call,使用 BeatAPI Bearer 鉴权。
- 确认返回的就是你转发的那条公告。
- 在交接表里记下消息链接、核对时间、旧地点、当前地点和本次请求号。
- 周一的存档写 A 门、最新版本写 C 门时,通知同事按 C 门集合,并附上原公告链接。只有当前版本时,报告当前地点和读取时间。
要把近期几条公告一起放进周报,按下面第 1–7 步操作。
1. 设定有界目标
先选一个公开频道,取一页近期公告(limit: 20)作为周报素材。每个列表分页和每次单条详情都按一次请求单独计费,单价见 BeatAPI 价格页。
2. 获取首次消息
把 <channel_username> 换成频道用户名。HTTP 请求失败时保留错误输出并停止,不运行归档步骤。后续每次请求都用新的原始文件名保存。
3. 校验并归档原始响应
把下面的脚本保存为 archive_telegram.py。archive_telegram.py 校验业务状态、动作和 data 对象,校验游标类型,保存完整的返回对象,并拒绝覆盖已有的归档文件。
4. 执行和核对
归档文件保留 action、request_id 和 data。另外保存一份请求清单,记录频道、翻页方向、参数和采集时间。保存成功不代表已取回全部历史消息。archive_telegram.py 只保存原始对象;第 6 步的 build_archive_report.py 读取官方说明里的消息数组。
5. 仅在预算内继续
- 取更旧的消息时,把打印出的
before_cursor作为before传入;取更新的消息时,把after_cursor作为after传入。 channel和limit保持不变,每一页用新文件名保存。- 游标缺失、重复或达到请求上限时停止。游标缺失不是重新请求第一页的理由。
每次后续请求单独计入预算。频道搜索和评论使用各自的动作,不使用 before 和 after 翻页参数。
BeatAPI 清洗并原样透传 data,返回 data.messages、data.channel_info 以及包含整数游标 before_cursor 和 after_cursor 的 data.pagination。
6. 交付能回查原文的多页归档
交给同事四样材料:每页原始响应、请求清单、逐条消息文件 message-records.jsonl 和范围报告 report.json。build_archive_report.py 把 data.messages 里的每个对象写成 JSONL 的一行。同事要核对某条公告时,用记录里的请求号和页内位置打开原始响应页,再打开对应的 Telegram 消息。
每一页的原始响应都保留。同事在 message-records.jsonl 里打开一条消息时,请求号和页内位置能找回包含这条消息的那次响应。
保存 manifest.json,每个请求填写实际的请求完成时间(带时区),每个 response_file 写该次请求的原始响应文件名。下面的示例展示了单页 manifest.json 的预期格式:
把下面的脚本保存为 build_archive_report.py,并在 manifest.json 里逐页记录真实参数。build_archive_report.py 拒绝混用频道或 limit、重复的请求或请求 ID、不递增的时间、失败响应和断开的游标链。脚本复制原始字节并记录每个文件的 SHA-256,不修改源文件。report.json 里的 message_count 保持 null,因为页数不是消息数。
打开 report.json,逐项把原文件、request_id、时间和返回的游标与保存的响应核对。游标缺失或为零时结束该方向;零是第一次请求的默认值,不代表可以从第一页重来。较旧和较新的扫描分成不同批次(同一批内的要求见下一段)。游标缺失只结束本批,不证明历史已经完整。目标目录必须还不存在;磁盘写入中断时,先检查写了一半的目录,再换一个新目录名重试。build_archive_report.py 不联网。
同一批内保持频道、limit 和翻页方向不变,实际请求时间递增,下一页的游标必须来自上一份已保存的响应。build_archive_report.py 校验的是请求证据的连续性,不把页数当作消息数。
7. 审阅消息记录并保留每条记录的出处
BeatAPI 在 data 下返回 messages、channel_info 和 pagination,因此消息数组路径为 data.messages。证据包生成的 message-records.jsonl 每行保存一个完整的消息对象,以及频道、request_id、采集时间、原始响应的 SHA-256 和页内位置。
用 JSONL 查看器打开 message-records.jsonl,按以下顺序审阅:
- 按
request_id或page_index筛选,找到记录所在的原始页。message_index是从零开始的页内位置,不是 Telegram 消息 ID。 message_records是返回记录的出现次数。跨页重叠的记录原样保留,两条正文相同的不同消息不会被合并。- 空的
messages数组生成空的 JSONL 文件;缺少messages数组时直接报错,不当作零条。 - 消息对象内部的 ID 和正文字段尚未核实,所以证据包不含规范化的正文 CSV,
message_records也不是唯一消息数。
channel_info 和其他字段保留在原始页里。签名媒体链接不是永久文件;没有相应权利时不下载、不再托管。对外分享前,先在副本里去掉个人信息,原始证据私下保存。

