artwist-polyakov/telegram-channel-parser

telegram-channel-parser

Парсинг публичных Telegram-каналов через веб-превью (t.me/s/). Без API-ключей, без MTProto, zero config.

Config

Никаких токенов не требуется. Для дайджестов — скопировать .env.example:

cp config/.env.example config/.env

Без .env: скилл работает, но каналы нужно передавать явно через --channel / --channels.

С .env: дайджест AI-каналов готов из коробки. Пользователь может добавить свои категории.

Структура .env (категории дайджестов):

TG_CATEGORIES=ai,crypto         # реестр доступных категорий
TG_DEFAULT_CATEGORY=ai           # дефолтная при запросе "дайджест"

TG_CHANNELS_AI_LABEL=AI и технологии
TG_CHANNELS_AI=countwithsasha,evilfreelancer,...

TG_CHANNELS_CRYPTO_LABEL=Криптовалюты
TG_CHANNELS_CRYPTO=channel1,channel2

Алгоритм агента при запросе дайджеста:

1. Прочитать config/.env (если есть)
2. Распарсить TG_CATEGORIES — получить список доступных категорий
3. Для каждой категории: TG_CHANNELS_<ID> = каналы, TG_CHANNELS_<ID>_LABEL = название
4. Определить нужную категорию:
   • Пользователь назвал тему → сопоставить с _LABEL
   • Не уточнил → использовать TG_DEFAULT_CATEGORY
   • Несколько категорий подходят → предложить выбор
5. Передать каналы нужной категории через --channels

Если .env нет → спросить какие каналы парсить, предложить cp config/.env.example config/.env.

Приоритет: --channels явно > категория из .env > агент спрашивает.

Подробности: config/README.md.

Philosophy

1. Always fresh — данные запрашиваются в реальном времени при каждом вызове. Никогда не пропустишь свежий пост.
2. Context window hygiene — stdout ограничен 30 строками. Полные данные в TSV/CSV. LLM работает с компактным форматом, а не с сырым HTML.
3. Rate limit — между запросами к t.me пауза 1.5с. Не жадничаем.
4. Чистый POSIX sh — никаких зависимостей кроме curl, sed, awk, grep.

Workflow

Парсинг одного канала

1. Получи посты:

   bash scripts/fetch_posts.sh --channel countwithsasha --limit 50
   

   Выведет последние 50 постов в TSV (id, date, views, reactions, fwd_from, fwd_link, text, media_url).

2. Инфо о канале:

   bash scripts/channel_info.sh --channel countwithsasha
   

3. Поиск по постам:

   bash scripts/search_posts.sh --channel countwithsasha --query "скилл"
   

4. Топ постов (шер-парад):

   bash scripts/top_posts.sh --channel countwithsasha --limit 50 --sort reactions
   

5. Расписание публикаций:

   bash scripts/posting_schedule.sh --channel countwithsasha --limit 100
   

6. Экспорт:

   bash scripts/export_csv.sh --channel countwithsasha --limit 100 --csv cache/export.csv
   

Дайджест по нескольким каналам

# Явный список каналов
bash scripts/digest.sh --channels "countwithsasha,evilfreelancer,aostrikov_ai_agents" --period today

# Дефолтный набор (без --channels)
bash scripts/digest.sh --period today

Периоды: today, yesterday, week, N (последние N дней).

Сравнение каналов

bash scripts/compare_channels.sh --channels "channel1,channel2,channel3" --limit 30

Таблица: подписчики, средние просмотры, частота публикаций, engagement.

React-артифакт для дайджеста

При запросе дайджеста — отображай результаты как React-артифакт (лента карточек).

Алгоритм (4 шага):

1. Запусти digest_json.sh — он пишет JSON в файл (не stdout!) и возвращает путь:

   bash scripts/digest_json.sh --period today
   # → prints: cache/digest_today.json
   

2. Прочитай JSON-файл по выведенному пути
3. Прочитай шаблон assets/digest-feed.tsx
4. Замени __DIGEST_DATA__ в шаблоне на содержимое JSON, отрендери как React-артифакт

Важно: скрипт пишет в файл, а не в stdout, чтобы обойти лимит буфера sandbox (~200KB). Для 30-дневного дайджеста 15 каналов JSON может быть 500KB+.

Посты автоматически сортируются по дате (новые сверху), перемешаны между каналами. Пользователь фильтрует по периоду и каналу через UI.

Scripts

Общий паттерн вызова:

bash scripts/<script>.sh --channel <username> [--limit N] [--before <post_id>] [--csv path]

| Script | Description | Special params | |--------|-------------|----------------| | fetch_posts.sh | Посты канала → TSV | --limit, --before, --after-date YYYY-MM-DD | | channel_info.sh | Название, описание, подписчики | — | | search_posts.sh | Полнотекстовый поиск | --query "text" | | top_posts.sh | Ранжирование постов | --sort views\|reactions, --limit | | posting_schedule.sh | Анализ времени публикаций | --limit | | export_csv.sh | Экспорт в CSV | --csv path | | digest.sh | Дайджест нескольких каналов | --channels "a,b,c", --period today\|yesterday\|week\|N | | digest_json.sh | Дайджест → JSON файл (для React-артифакта) | --channels "a,b,c", --period today\|yesterday\|week\|N | | compare_channels.sh | Сравнительная таблица | --channels "a,b,c" |

Общие параметры

| Param | Required | Default | Description | |-------|----------|---------|-------------| | --channel | да* | — | Username канала (без @) | | --channels | нет | из .env | Несколько каналов через запятую | | --limit | нет | 20 | Сколько постов загрузить | | --before | нет | — | ID поста для пагинации | | --after-date | нет | — | Не загружать посты старше даты (YYYY-MM-DD) | | --csv | нет | — | Путь для экспорта |

*--channel для одного канала, --channels для мультиканальных команд.

Ввод канала

Скилл принимает канал в любом формате:

• countwithsasha — просто username
• @countwithsasha — с собакой
• https://t.me/countwithsasha — прямая ссылка
• https://t.me/s/countwithsasha — ссылка на веб-превью
• t.me/countwithsasha?before=500 — с параметрами

Всё автоматически нормализуется до голого username.

Ограничения

• Только публичные каналы (у которых есть t.me/s/ превью)
• Счётчик пересылок (shares) недоступен — t.me/s/ его не отдаёт, только MTProto API
• Зато парсится откуда переслан пост (fwd_from + ссылка на оригинал)
• Реакции парсятся суммарно (общее количество по всем эмодзи)
• Пагинация: ~20 постов на страницу, для 100 постов = 5 запросов
• Rate limit: 1.5с между запросами к t.me