使用Telethon与asyncio的Python脚本无法终止，无法生成CSV文件

核心原因 #

你的脚本持续运行无法生成CSV，是因为client.iter_messages默认会从最新消息开始，无限制遍历所有历史消息——哪怕已经处理完start_date之前的内容，它还会继续请求更早的消息，导致循环永远无法结束，自然执行不到生成CSV的代码段。

具体修复步骤 #

1. 添加遍历终止条件 #

由于iter_messages返回的消息是倒序排列（最新的在前），一旦遇到早于start_date的消息，直接跳出循环即可，后续消息肯定都不符合时间范围：

async for message in client.iter_messages("https://t.me/" + channel_username):
    msg_date = pd.Timestamp(message.date)
    # 一旦消息早于起始时间，直接终止遍历
    if msg_date < start_date:
        break
    if start_date <= msg_date <= end_date:
        # 剩余逻辑不变

2. 优化日期比较逻辑 #

不用转成timestamp，直接用pd.Timestamp对象比较，代码更简洁高效：

msg_date = pd.Timestamp(message.date)
if start_date <= msg_date <= end_date:
    # 处理符合条件的消息

3. 优化关键词匹配效率 #

原代码的嵌套循环顺序会导致重复检查，提前把关键词转成集合，匹配速度更快：

# 提前转成集合
keywords_set = set(keywords)
# 匹配逻辑优化
any(word in keywords_set for word in words_in_msg)

4. 规范TelegramClient导入 #

异步场景下建议使用异步版导入，替代from telethon.sync import TelegramClient：

from telethon import TelegramClient

修复后的完整代码 #

import asyncio
import nest_asyncio
from telethon import TelegramClient
import pandas as pd

username = "MY-USERNAME"   # 你的Telegram用户名
api_id = MY-API-ID   # 你的API ID
api_hash = "MY-API-HASH"   # 你的API Hash
phone = "MY-PHONE-NO"  # 带区号的手机号
channel_username = "clickhouse_en"  # 目标频道用户名
start_date_value = "2023-07-01 00:00:00"  # UTC起始时间
end_date_value = "2023-07-25 23:59:59"    # UTC结束时间
keywords_value = [] # 关键词列表，如["data", "report"]

# 应用nest_asyncio适配Jupyter环境
nest_asyncio.apply()  

async def main(start_date=None, end_date=None, keywords=None):
    # 转换时间格式
    start_date = pd.Timestamp(start_date)
    end_date = pd.Timestamp(end_date)

    # 处理关键词，转小写并转为集合提升匹配效率
    keywords = [kw.lower() for kw in keywords]
    keywords_set = set(keywords)
    
    data = [] 
    async with TelegramClient(username, api_id, api_hash) as client:
        async for message in client.iter_messages("https://t.me/" + channel_username):
            msg_date = pd.Timestamp(message.date)
            
            # 超出起始时间范围，直接终止遍历
            if msg_date < start_date:
                break
                
            # 检查是否在目标时间范围内
            if start_date <= msg_date <= end_date:
                msg_text_lower = str(message.text).lower()
                words_in_msg = msg_text_lower.split()
                # 无关键词时直接保留，或关键词匹配成功时保留
                if not keywords or any(word in keywords_set for word in words_in_msg):
                    print(msg_date, message.text, message.sender_id) 
                    data.append([msg_date, message.text, message.sender_id])

    # 生成DataFrame并导出CSV
    df = pd.DataFrame(data, columns=["message_date", "message_text", "sender_id"])
    df.to_csv('telegram_messages.csv', encoding='utf-8', index=False)

# 运行异步函数
loop = asyncio.get_event_loop()
loop.run_until_complete(main(start_date=start_date_value, end_date=end_date_value, keywords=keywords_value))

额外说明 #

• 导出CSV时添加index=False可以避免生成多余的索引列
• 如果频道消息量极大，可考虑给iter_messages添加limit参数限制单次请求的消息数量，避免内存占用过高

内容的提问来源于stack exchange，提问作者Leockl