Telegram anal

Analisis telegram

Analisis Telegram adalah paket python yang membantu Anda bersenang-senang dan memahami berbagai data obrolan yang Anda miliki. Berdasarkan pyrogram, misinya adalah membantu Anda bersenang-senang dengan Telegram dan fungsinya. Baik itu tentang bermain-main dengan dialog obrolan grup atau menganalisis dinamika grup bisnis Anda, obrolan pribadi, atau bahkan pesan tersimpan Anda.

Jadilah kreatif dan kembangkan solusi yang siap pakai! ?

Fungsionalitas saat ini (versi 0.1.1):

? wordcloud_json() Buat wordclouds yang menyenangkan dari obrolan

? who_breaks_silence_json() Analisis siapa yang cenderung memecah keheningan dalam obrolan dan tulislah terlebih dahulu

?❤ measure_top_reactions() mengukur pesan siapa yang paling banyak ditanggapi dan memilih reaksi spesifik!

---

Instalasi:

 pip install telegram-anal

? Pengaturan:

Pustaka ini menggunakan Pyrogram untuk menangani Telegram, jadi Anda perlu mengautentikasi secara standar dengan:

1. Buat aplikasi dan salin api_id dan api_hash Anda dari https://my.telegram.org/

Contoh:

 import asyncio
from telenal . client import Client
from telenal . reactions import measure_top_reactions
from telenal . teleplotter import plot_bars_from_dict


async def main ():
    client = Client ( "my_account" , "your_api_id" , "your_api_hash" )
    tops = await measure_top_reactions (
        client ,
        chat_name = "Family chat :)" ,
        search_emojis = [ "?" , "?" , "?" ],
    )
    plot_bars_from_dict ( tops )  # <-- get a bar chart out of the box


if __name__ == "__main__" :
    asyncio . run ( main ())

Perpustakaan baru lahir dan membutuhkan dukungan kreatif dan energik. Jangan ragu untuk berkontribusi!

Ide untuk fungsionalitas masa depan:

1. Analisis aktivitas Anda berdasarkan obrolan yang dikirim untuk mengidentifikasi pola obrolan Anda
2. Simpan pesan yang dihapus oleh seseorang yang mengirimi Anda SMS dan simpan rahasia yang ingin mereka sembunyikan
3. Ukur profil pengguna untuk mengidentifikasi nada paling populer seseorang (NLP mungkin diperlukan)
4. Memprediksi kapan pengguna cenderung meninggalkan komunitas berdasarkan kasus nyata (ML)

Ingatlah untuk bersenang-senang! :)

Perangkat lunak ini dibuat murni untuk bersenang-senang. Penyalahgunaan perangkat lunak yang ilegal atau tidak bermoral tidak membuat penulis bertanggung jawab atas konsekuensinya.

Hormat saya, Vlad Bilyk