企业官网建设流程全解析

手把手：用 Python + RPA 自动采集企业微信聊天记录，存成 Excel

本文记录一个实际需求的完整实现过程：企业微信没有消息导出功能，我用 RPA 的思路绕过这个限制，做了一个自动采集工具。

背景：为什么要做这个

公司要复盘一个长期项目，需要整理某客户群半年来的聊天记录。企业微信不提供导出，官方的消息存档 API 又需要购买增值服务 + IT 管理员开通，小团队根本用不上。

手动复制了一个下午，整理了不到两周的记录，整理到崩溃。

于是动手写了这个工具。

技术选型

在动手之前我考虑了几条路：

最终选择 RPA 方向：让程序模拟用户操作，自动翻阅企业微信的聊天界面，把内容读取出来，整理入库。

核心实现

1. 控制鼠标与键盘

使用pyautogui控制鼠标移动、点击和滚轮操作：

importpyautoguiimporttimedefscroll_up_chat(chat_region,steps=5):"""在聊天区域向上滚动，翻出历史消息"""cx=chat_region['x']+chat_region['width']//2cy=chat_region['y']+chat_region['height']//2pyautogui.moveTo(cx,cy)for_inrange(steps):pyautogui.scroll(3)# 正数向上time.sleep(0.1)

滚动步数和间隔需要根据消息密度动态调整，不能写死一个固定值。

2. 读取消息内容（放弃 OCR，改用剪贴板）

最初试过截图 +pytesseractOCR，识别率太低，尤其是小字和浅色背景。

后来发现企业微信的聊天文字本身可以被选中，于是改为：模拟全选 → 复制，直接从剪贴板拿文本，准确率接近 100%。

importpyperclipimportpyautoguidefcopy_chat_content(chat_region):"""点击聊天区域，全选并复制文本内容"""cx=chat_region['x']+chat_region['width']//2cy=chat_region['y']+chat_region['height']//2prev=pyperclip.paste()pyautogui.click(cx,cy)time.sleep(0.1)pyautogui.hotkey('ctrl','a')pyautogui.hotkey('ctrl','c')returnwait_for_clipboard_change(prev)defwait_for_clipboard_change(prev_content,timeout=3.0):"""轮询等待剪贴板内容更新"""start=time.time()whiletime.time()-start<timeout:current=pyperclip.paste()ifcurrent!=prev_content:returncurrent time.sleep(0.05)returnprev_content

注意这里不能用time.sleep固定等待剪贴板写入，因为不同机器性能差异大。轮询检测变化更可靠。

3. 解析原始文本

从剪贴板拿到的是未结构化的原始字符串，格式类似：

张三 2025/06/01 14:32 好的，这个方案我们同意 李四 2025/06/01 14:35 收到，我这边明天确认一下 2025/06/01 （时间分隔符） 王五 2025/06/01 14:40 [撤回了一条消息]

用正则按块切割，识别每块的类型（正常消息、系统提示、时间分隔符）：

importrefromdataclassesimportdataclassfromdatetimeimportdatetime@dataclassclassMessage:sender:strtimestamp:datetime content:strTIMESTAMP_PATTERN=re.compile(r'^\d{4}/\d{2}/\d{2}\s+\d{2}:\d{2}(?::\d{2})?$')DATE_SEPARATOR_PATTERN=re.compile(r'^\d{4}/\d{2}/\d{2}\s*$|^昨天$|^星期[一二三四五六日]$')defparse_raw_text(raw:str)->list[Message]:lines=[l.strip()forlinraw.splitlines()]messages=[]i=0whilei<len(lines):line=lines[i]ifnotlineorDATE_SEPARATOR_PATTERN.match(line):i+=1continue# 判断是否是"发件人 + 时间戳 + 内容"三行结构if(i+2<len(lines)andTIMESTAMP_PATTERN.match(lines[i+1])):sender=line ts=datetime.strptime(lines[i+1],'%Y/%m/%d %H:%M')content=lines[i+2]messages.append(Message(sender,ts,content))i+=3else:i+=1returnmessages

这里列出的只是主流程，实际还要处理连续消息（同一人短时间发多条）、撤回消息占位符等边界情况。

4. 去重写库

本地用 SQLite 存储，每次写入前按（采集对象 + 发件人 + 时间戳 + 内容）做唯一性校验：

importsqlite3definsert_messages(db_path:str,target:str,messages:list[Message]):conn=sqlite3.connect(db_path)cur=conn.cursor()cur.execute(''' CREATE TABLE IF NOT EXISTS messages ( id INTEGER PRIMARY KEY AUTOINCREMENT, target TEXT, sender TEXT, timestamp TEXT, content TEXT, UNIQUE(target, sender, timestamp, content) ) ''')formsginmessages:cur.execute(''' INSERT OR IGNORE INTO messages (target, sender, timestamp, content) VALUES (?, ?, ?, ?) ''',(target,msg.sender,msg.timestamp.isoformat(),msg.content))conn.commit()conn.close()

INSERT OR IGNORE保证重复运行不会产生重复数据。

5. 断点续采

历史记录多的群，采集时间可能超过十分钟。中途停止后不能从头跑，需要断点续采。

思路：每完成一批采集后，把当前已处理到的最早消息时间戳写入本地状态文件；下次启动时读取这个时间戳，跳过已经入库的时间段。

importjson,os STATE_FILE='collect_state.json'defsave_state(target:str,earliest_ts:str):state={}ifos.path.exists(STATE_FILE):withopen(STATE_FILE)asf:state=json.load(f)state[target]=earliest_tswithopen(STATE_FILE,'w')asf:json.dump(state,f)defload_state(target:str)->str|None:ifnotos.path.exists(STATE_FILE):returnNonewithopen(STATE_FILE)asf:returnjson.load(f).get(target)

整体架构

┌─────────────────────────────────┐ │ Electron 前端 (React) │ │ 历史采集 / 定时监控 / 消息列表 │ └──────────────┬──────────────────┘ │ HTTP / SSE ┌──────────────▼──────────────────┐ │ Python 后端 (FastAPI) │ │ 采集控制 / 进度推送 / 数据查询 │ └──────────────┬──────────────────┘ │ ┌──────────────▼──────────────────┐ │ RPA 层 (pyautogui + 剪贴板) │ │ 控制企业微信 UI / 读取内容 │ └──────────────┬──────────────────┘ │ ┌──────────────▼──────────────────┐ │ SQLite 本地数据库 │ │ 消息存储 / 去重 / Excel 导出 │ └─────────────────────────────────┘

前端用 Electron 封装，打包后无需安装 Python 环境，解压即用。

两种采集模式

历史采集：一次性把指定联系人或群聊的历史消息全部采集入库，支持批量（通过 Excel 名单导入目标列表）、支持断点续采、支持设置截止日期。

定时监控：设好采集间隔，程序在后台循环运行，每次只写入上次采集以来的新消息，自动去重，无需人工干预。

两个模式配合使用：先用历史采集打底，再开定时监控持续追踪，数据库里就有了完整、不间断、无重复的全量记录。

已知限制

• 采集期间企业微信界面必须保持可见（不能最小化），因为程序需要控制界面
• 目前只支持文字消息，图片、文件、语音暂不在范围内
• 数据完全本地存储，不上传任何服务器

开源地址

GitHub 地址：https://github.com/a605204746/rpa_wxcom_chat_public，欢迎 Star 或提 Issue。

有类似需求（企业微信消息归档、客户群监控）的朋友可以直接拿去用，也欢迎一起完善。