Парсер Telegram: собрать аудиторию
из чатов и каналов.

«Парсер Telegram» — запрос, под которым люди подразумевают совершенно разные вещи. Чтобы выбрать инструмент и не потратить недели на нерабочий путь, сначала надо развести два процесса, которые регулярно путают. Первый — индексация чатов и каналов как сущностей: имя, описание, число подписчиков, ниша. Второй — извлечение конкретных пользователей: username, ID, online-статус, premium-флаг.

Первое — публично. Любой чат или канал с публичной ссылкой открывается без авторизации через web-preview t.me/s/<username>: страница рендерит последние сообщения, и её индексирует Google. Второе — сложнее и упирается в ограничения API. Дальше разберём оба слоя по порядку: что доступно бесплатно, что требует юзер-сессии, как масштабируется и где проходит граница ToS.

Что реально можно достать публично

У Telegram есть несколько публичных endpoint'ов, которые отвечают без авторизации. Полезные для парсера:

Через парсинг t.me/s/ ты получаешь:

• Имя чата/канала, описание, аватар, количество подписчиков
• Последние 20-30 сообщений с timestamp'ами
• Упоминания @другой_чат, t.me/другой_чат в текстах
• Forward-источники репостов
• Реакции, view count, время публикации

Как собирается база в 2,9 млн+ чатов и каналов

У нас в индексе 2,9 млн+ чатов и каналов. Это не куплено и не «взято из секретного источника» — результат многомесячного snowball crawl по публичному t.me/s. Логика:

Одна сущность в среднем содержит 5-15 упоминаний других чатов и каналов (коллаборации, форварды, рекомендации). С коэффициентом разветвления ~10 граф растёт экспоненциально: 100 seed-каналов → 100K за дни → миллионы за недели. Подробнее о механике мы разбирали в статье «Парсинг 10 000 лидов за ночь».

Три нюанса определяют качество crawl'а:

1. Seed selection

От стартового списка зависит качество графа. Хорошие seed'ы — крупные нишевые чаты с активной аудиторией. Плохие — «сборные паблики» с упоминаниями всего подряд. Мы стартовали с ~200 seed'ов по 20 вертикалям (крипта, арбитраж, edtech, e-com, SMM, B2B и т.д.).

2. Deduplication и тип сущности

Один объект упоминается в 50 форматах: @chat, t.me/chat, https://t.me/chat. Нужна нормализация — всё к lowercase username'у, плюс алиасы на случай переименований. Отдельно фиксируем тип: channel (broadcast) или group/chat — это критично для последующего outreach.

3. Classification

Нишу определяем по описанию + последним 50 сообщениям через keyword-matching и LLM-классификатор. ~30 категорий (финансы, крипта, e-com, edtech, ...) + подкатегории. Это даёт точные фильтры на этапе подбора аудитории.

Как достать пользователей из чата

Вторая часть — извлечение конкретных юзеров. Здесь уже нужен authenticated MTProto-client: Telethon, Pyrogram или TDLib. Telegram — это не бот-надстройка, а полноценный MTProto-протокол; почему для автоматизации нужен именно native-клиент, мы разбирали в «Автоматизируй Telegram: почему нужен native-клиент».

Источники пользователей и их доступность:

В 2024 Telegram ужесточил доступ: теперь channels.GetParticipants для non-admin возвращает только первые ~200 участников — именно поэтому «выкачать подписчиков» публичного канала больше не работает как в 2022.

Но channels.GetParticipants для связанной discussion group (если она публичная) всё ещё отдаёт полный список — это лазейка, которой пользуется вся индустрия. Если у канала есть обсуждение с 10 000 активных комментаторов, ты их достанешь. Поэтому ещё раз: при сборе аудитории целишься в чаты, не в каналы.

Как фильтровать «тёплую» аудиторию

Сырые 10 000 юзеров — это материал, а не результат. Ценность — в отфильтрованных срезах. Telegram отдаёт несколько полезных флагов:

Ключевые фильтры в порядке полезности:

1. last_seen — Telegram возвращает грубые диапазоны: online, recently (последние 2-3 дня), last_week, last_month, long_ago. Для outreach нужны online + recently — те, кто вообще читает Telegram.
2. Premium flag — выше вовлечённость, но и репорты от premium-юзеров весят больше в @SpamBot. Как именно @SpamBot реагирует на сигналы — см. «SpamBot: 6 сигналов под капотом».
3. Photo — у юзеров с аватаркой выше «реальность»; без фото — часто боты или read-only аккаунты.
4. bio keyword — отсев по словам в профиле («founder», «CEO», «crypto», «SMM»). Работает только если профиль заполнен — а он пуст у 50-70%.

Легальность и ToS

Вопрос, который многие обходят. Telegram в Terms of Service прямо запрещает «automated scraping» в большом объёме без разрешения. При этом парсинг публичной информации — того, что любой залогиненный юзер видит сам — в большинстве юрисдикций легален, пока не нарушает GDPR / privacy-законы.

Серые зоны:

• Хранение баз: GDPR требует основания на обработку ПД. Есть EU-юзеры — формально нужен их opt-in.
• Использование для outreach: CAN-SPAM / GDPR требуют opt-in или legitimate interest. «Нашёл в чате → рассылаю» — нарушение в EU/US.
• Продажа баз: однозначно запрещена Telegram ToS и обычно privacy-законами.

В TG:ON мы не продаём базы — даём инструмент для парсинга твоей аудитории. Что ты с ней делаешь — твоя ответственность. Принцип «tool-neutral»: то же касается молотка или Excel.

Как это устроено в TG:ON

TG:ON — десктоп-приложение для Windows и macOS, работает local-first: твои аккаунты и ключи остаются на твоей машине. Парсер здесь это два связанных модуля.

Vault — индекс 2,9 млн+ чатов и каналов

Готовая база сущностей с авто-классификацией по нишам и фильтрами. Ищешь нужную вертикаль, отбираешь чаты (где можно писать как user), экспортируешь. База пополняется ежедневно через snowball — не нужно поднимать свой crawler, очередь задач, ротацию сессий и storage с нуля.

Scan My Telegram — парсер участников

Встроенный MTProto-worker, который достаёт участников обсуждений, авторов комментариев и реагировавших с правильными flood-лимитами и ротацией сессий. На выходе — отфильтрованный по online / premium / lang срез, готовый для следующего шага.

Дальше аудитория идёт в смежные модули: массовая авторассылка (spintax + медиа), автоинвайт, ИИ-редактор сообщений и ИИ-агенты (Qualifier / Closer на любом LLM, ключи хранятся локально), автоответчик. Зачем держать всё это в одном app, а не в зоопарке скриптов — разбор в «Софт для рассылки: один app, пять функций». И помни про прогрев и сигналы @SpamBot — парсинг это только первый шаг, дальше всё решает аккуратность рассылки.