chronicle.nixg.ru/telegram-archiver/FAQ.md

Telegram Archiver — Ответы на вопросы

📊 Итоги полного тестирования (март 2026)

Канал: dedinit
Постов заархивировано: 992
Время выполнения: 7335 секунд (≈ 2 часа 2 минуты)
Медиафайлов скачано: 454
Таймаутов: ~50 файлов (пропущены, процесс не застрял)

---

❓ Вопросы и ответы

1. Размер файлов: когда считается?

Ответ: Размер должен браться из Telegram ДО скачивания через атрибут doc.size.

Проблема: В текущей версии size: 0 во front-matter — это баг.

Решение (задача 0.15):

# Брать из атрибутов Telegram
size = doc.size

# ИЛИ проверять после записи
size = Path(filepath).stat().st_size

---

2. Можно ли получить прямые ссылки на файлы для дозагрузки?

Ответ: Да, но с ограничениями.

Telethon может получить прямую ссылку через message.media.document.id, но:

• Ссылка временная (действует несколько часов)
• Требует активной сессии Telegram
• Нельзя просто сохранить URL и скачать позже

Решение (задача 0.14, 0.19):

1. Сохранять message_id и media_id во front-matter
2. Для дозагрузки:
   • Переподключаться к Telegram
   • Запрашивать файл по ID через API
   • Скачивать заново

Пример front-matter:

media_files:
  - filename: photo.jpg
    type: photo
    message_id: 12345
    media_id: "AgADAgAD..."
    download_url: "https://t.me/dedinit/12345/file"  # временная!

---

3. Hugo и формат тегов

Вопрос: Поймёт ли Hugo такой формат?

tags:
- 1с
- debian
- postgres

Ответ: Да, Hugo понимает оба формата:

# YAML list (сейчас)
tags:
- linux
- debian

# Inline JSON-style (компактнее)
tags: ["linux", "debian", "postgres"]

Рекомендация: Оба работают одинаково. Задача 0.22 — опционально изменить на inline для компактности.

---

4. Многопоточное скачивание (задача 0.17)

Вопрос: Можно ли скачивать в несколько потоков?

Ответ: Да, это возможно и ускорит процесс в 2-3 раза.

Техническая реализация:

import asyncio

# Параллельная загрузка 3 файлов
await asyncio.gather(
    download_file_1(),
    download_file_2(),
    download_file_3(),
)

Ограничения:

• Telegram блокирует при >5 одновременных загрузок
• Рекомендовано: 3 параллельных потока
• Нужно соблюдать rate limits (паузы между запросами)

План (задача 0.19):

1. Первый проход: собрать все URL файлов в очередь
2. Второй проход: загружать параллельно (3 потока)
3. Resume: продолжать с места обрыва

Ожидаемое ускорение:

• Сейчас: ~1000 постов за 2 часа (500 постов/час)
• С многопоточностью: ~1000-1500 постов/час

---

5. Resume прерванной архивации (задача 0.21)

Вопрос: Есть ли средство возобновить прерванный процесс?

Ответ: Частично работает уже сейчас.

Текущее состояние:

• ✅ Дедупликация по ID существует
• ✅ Повторный запуск пропускает скачанные посты
• ❌ Нет сохранения последнего обработанного ID
• ❌ Нет команды --resume

План (задача 0.21):

1. Сохранять last_message_id в лог или файл состояния
2. Добавить флаг --resume для продолжения
3. При старте проверять последний ID и начинать с него

Пример:

# Первый запуск
python run_archiver.py -c dedinit
# Прерван на посте 624

# Возобновление
python run_archiver.py -c dedinit --resume
# Продолжит с поста 624

---

6. Голосовые сообщения и аудио (задача 0.20, 0.24)

Вопрос: Как обрабатывать голосовые сообщения?

Текущее состояние:

• Голосовухи скачиваются как .bin или .ogg
• Нет метаданных (длительность, формат)
• Нет красивого отображения в Hugo

План:

1. Определять формат по MIME:
   • audio/ogg → .ogg
   • audio/mp3 → .mp3
2. Извлекать длительность: doc.attributes.duration
3. Сохранять во front-matter:

   media_files:
     - filename: voice.ogg
       type: audio
       duration: 45  # секунд
       size: 127359
   

4. Для Hugo: использовать shortcode с wavesurfer.js

   {{< audio-player src="voice.ogg" waveform="true" >}}
   

---

7. Видео-кружки (задача 0.11)

Вопрос: Как обрабатывать video_note (кружочки)?

Проблема: Сохраняются как .bin без расширения.

Решение:

1. Определять по MIME: video/mp4 → .mp4
2. Переименовывать после скачивания
3. Опционально: конвертировать в нормальное видео (убрать круг)

---

8. Временная зона (задача 0.13)

Проблема: date: '2026-01-18T08:11:24+00:00' — UTC вместо Москвы.

Пост был в 11:11 по Москве, указано 08:11 UTC.

Решение:

from zoneinfo import ZoneInfo

# Конвертировать в московское время
moscow_tz = ZoneInfo('Europe/Moscow')
date_moscow = date.astimezone(moscow_tz)

# Результат: 2026-01-18T11:11:24+03:00

---

9. Прямые ссылки на посты (задача 0.9, 0.16)

Вопрос: Где ссылки на оригинальные посты?

Текущее состояние:

• Сохраняется repost_from (ID) и repost_channel (название)
• Нет прямой ссылки https://t.me/...

План:

# Для всех постов
channel_url: "https://t.me/dedinit"
post_url: "https://t.me/dedinit/1234"

# Для репостов
original_post_url: "https://t.me/otherchannel/987"

---

📈 Метрики производительности

Параметр	Значение
Скорость архивации	~500 постов/час
Время на 1 пост	~7.4 секунды
Время на 1 медиафайл	~15-30 секунд (с таймаутами)
Процент таймаутов	~5% (50 из 992)
Успешных загрузок	95%

---

🎯 Следующие шаги

1. Исправить критичные баги (0.10, 0.15)
2. Добавить resume (0.21)
3. Добавить отчёт о таймаутах (0.12)
4. Исправить временную зону (0.13)
5. Многопоточность (0.17, 0.19)

---

Документ создан: 6 марта 2026 г.
Версия: 1.0