Telegram Channel Export Processor

简介

Telegram Channel Export Processor 是一个由我和 Grok 3 + Gemini 2.5 Pro 共同创建，可自定义输出内容、重新排版 Telegram 导出的 HTML 的 Python 工具。

以 Reorx’s Forge 频道为例，对比处理前后的效果。

处理前：

处理后：

它包含两个模块：

• 主模块：筛选、合并和格式化聊天记录，生成易于阅读的 HTML 输出，提高 20% 以上的信息密度，针对 PDF 打印优化，支持自定义时间范围、emoji 数量筛选、标签排除和媒体文件的显示 / 隐藏等。
• 数据分析子模块：提取消息数据、超链接和原博主使用过的标签，输出到 Excel 文件，便于进一步分析。

该项目适用于需要整理回顾和分析 Telegram 频道或群组聊天记录的用户。

版本信息

• 初始版本: v0.1.0 (包含主模块和数据分析子模块的基本功能)
• 主模块: V1.83.55
• 数据分析子模块: V1.27.3

注：早期开发中模块独立迭代，导致版本号分化。未来更新将统一版本号，遵循 Semantic Versioning。

功能

主模块 (V1.83.55)

• 消息筛选：
  • 根据用户指定的时间范围筛选消息。
  • 按 emoji 总数阈值（默认 ≥ 15）筛选消息。
  • 排除原博主消息中包含特定标签的内容（例如 #music）。
• 消息合并：将连续的纯图片消息合并到主消息中，减少冗余。
• 媒体处理：
  • 可选择隐藏媒体（图片、视频等），提供鼠标悬停查看功能。
  • 可选择保留媒体链接，直接显示在输出中。
• 输出：
  • 生成格式化的 HTML 文件，包含筛选后的消息、摘要信息和提取率。
  • 提取率计算考虑合并的纯图片消息，确保准确性。
  • 支持打印友好的样式，适合导出 PDF。
• 统计：输出消息总数、合并消息数、中文字数和提取率。

数据分析子模块 (V1.27.3)

• 消息提取：
  • 提取每条消息的时间、用户名、消息编号、文本、emoji 总数和是否包含媒体。
• 超链接统计：统计所有消息中的超链接（排除媒体文件链接），按出现次数排序。
• 标签统计：仅统计原博主（频道主人）非转发消息中的标签，按出现次数排序。
• 输出：生成 Excel 文件，包含三个工作表：
  • Messages：消息详细信息。
  • Links：超链接及其出现次数。
  • Tags：原博主非转发消息的标签及其出现次数。

文件结构

Telegram-Channel-Export-Processor/
├── main.py                # 主模块 (1.83.55)
├── analysis.py            # 数据分析子模块 (V1.27.3)
├── README.md              # 项目说明文件
├── ChatExport_2025-06-04/ # Telegram 导出的聊天记录目录
│   ├── messages.html
│   ├── messages2.html
│   ├── photos/
│   ├── video_files/
│   ├── ...
├── html/                  # 主模块输出目录（自动创建）
│   ├── YYYYMMDDHHMMSS.html
├── analysis/              # 数据分析子模块输出目录（自动创建）
│   ├── analysis_YYYYMMDDHHMMSS.xlsx

使用说明

依赖

• Python 3.6+
• 所需库：

  pip install beautifulsoup4 pandas openpyxl

准备工作

1. 从 Telegram 导出数据，保存到目录（例如 ChatExport_2025-06-04），包含 messages*.html 文件和媒体文件夹。
2. 更新代码中的 base_dir 为您的导出目录路径：

   base_dir = 'C:\\path\\to\\your\\ChatExport_2025-06-04'

运行主模块

1. 运行 main.py：

   python main.py

2. 根据提示输入：
   • Emoji 总数阈值（默认 15，直接回车即可）。
   • 是否自定义时间范围（Y/N，默认 N，使用全部消息时间范围）。
   • 是否保留媒体链接（Y/N，默认 N，隐藏媒体）。
   • 是否排除特定标签（默认不排除，输入标签如 #music, #star）。
3. 输出：
   • HTML 文件保存在 html/YYYYMMDDHHMMSS.html。
   • 终端和 HTML 文件开头显示摘要信息（消息总数、提取率等）。

运行数据分析子模块

1. 运行 analysis.py：

   python analysis.py

2. 输出：
   • Excel 文件保存在 analysis/analysis_YYYYMMDDHHMMSS.xlsx，包含 Messages、Links 和 Tags 工作表。

注意事项

• 文件路径：确保 Python 中 HTML 文件路径正确，包含 messages*.html 和相关媒体文件夹。
• 无法显示媒体：就算用户选择显示媒体，输出 HTML 依然不显示，是因为 Telegram 导出限制文件不超过 8M，超限制的文件导不出来所以不显示。
• 打印：对于大量历史记录，比如导出中文超过 40 万字，双面 A4 纸打印可能超过 600 页，酌情删减。
• 编码：确保输入文件使用 UTF-8 编码，避免乱码。

版本信息

• 主模块：V1.83.55
• 数据分析子模块：V1.27.3

联系

如有问题或建议，请联系 涂俊杰 或提交 Issue。