
本文详解如何通过浏览器自动化技术,可靠抓取 whatsapp web 中某条消息的全部已读联系人(支持超 1000 人滚动加载),涵盖 dom 定位策略、滚动触发动态加载、元素去重与完整列表提取等核心实践。
本文详解如何通过浏览器自动化技术,可靠抓取 whatsapp web 中某条消息的全部已读联系人(支持超 1000 人滚动加载),涵盖 dom 定位策略、滚动触发动态加载、元素去重与完整列表提取等核心实践。
在 WhatsApp Web 中查看某条消息的“已读联系人”时,界面仅初始渲染约 20 个头像,其余内容需滚动到底部才能动态加载——这是典型的虚拟滚动(virtualized list)设计,直接 document.querySelectorAll 无法一次性获取全部数据。要完整解析上千人的已读状态,必须模拟真实用户行为,主动触发加载并持续采集。
一、精准定位目标容器(避免误匹配)
根据实际 DOM 结构(以 2026 年 WhatsApp Web 最新版本为准),关键路径如下:
- 消息信息面板由
包裹,其子含title="Message info"属性;- 目标已读联系人列表是该
的同级兄弟,具有tabindex="-1"和role="application"特征;- 列表内每个联系人项为
,内部包含:-
:用户头像(alt属性常含姓名); -
:显示姓名或号码(文本节点); -
:时间戳(如 “已读 2 小时前”)。
⚠️ 注意:全页存在多个
tabindex="-1"的,必须通过父子/兄弟关系锚定,否则极易捕获聊天输入框、侧边栏等干扰节点。二、滚动加载全量数据(核心逻辑)
以下为基于 Selenium(Python)的可运行逻辑框架:
from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC import time driver = webdriver.Chrome() driver.get("https://web.whatsapp.com") print("请扫码登录...") time.sleep(20) # 等待手动登录 # 步骤1:打开目标消息的「已读」面板(需先定位到该消息并点击「…」→「Info」) # (此处省略消息定位代码,重点在后续滚动逻辑) # 步骤2:定位已读联系人容器(强约束父级上下文) try: header = WebDriverWait(driver, 10).until( EC.presence_of_element_located((By.XPATH, "//header//div[@title='Message info']")) ) # 获取兄弟节点中的目标列表(XPath轴定位) list_container = header.find_element(By.XPATH, "./following-sibling::div[@tabindex='-1' and @role='application']") except Exception as e: raise RuntimeError("未找到已读联系人容器,请确认消息信息面板已打开") from e # 步骤3:滚动加载全部联系人 seen_names = set() last_height = 0 while True: # 提取当前可见的所有联系人姓名 items = list_container.find_elements(By.XPATH, ".//div[@role='listitem']") for item in items: try: name_span = item.find_element(By.XPATH, ".//span[not(@aria-hidden) and string-length(text())>0]") name = name_span.text.strip() if name and name not in seen_names: seen_names.add(name) print(f"已捕获: {name}") except: continue # 滚动到底部 driver.execute_script("arguments[0].scrollTop = arguments[0].scrollHeight", list_container) time.sleep(1.5) # 等待新内容加载 # 检查是否到底:比较滚动高度 new_height = driver.execute_script("return arguments[0].scrollTop + arguments[0].clientHeight", list_container) if abs(new_height - last_height) <h3>三、关键注意事项与健壮性增强</h3>-
防反爬与稳定性:WhatsApp Web 会检测异常滚动频率。建议
time.sleep(1.2–2.0),避免使用driver.execute_script("window.scrollTo(0, document.body.scrollHeight)")(作用于全局窗口,无效); -
去重与容错:同一联系人可能因头像更新、昵称变更出现重复 DOM 节点,应以
name文本为主键去重;对StaleElementReferenceException做try/except包裹; -
超大群组优化:若联系人超 500,可增加「滚动步长」控制(如每次滚动
container.scrollHeight * 0.8),减少 DOM 查询次数; -
替代方案提示:对于生产级应用,更推荐监听 WebSocket 或利用
whatsapp-web.js(Node.js)的message.info.participants事件,但需自行部署服务端环境,不适用于纯前端脚本。
四、延伸价值:从已读名单到活跃度分析
获取完整已读列表后,可进一步构建成员活跃度画像:
- 结合消息时间戳,统计每人最近一次已读间隔(如 >30 天未读即标记为“低活跃”);
- 关联群内发言记录(通过
WhatsAppChatLoader解析导出文本),交叉验证“已读未回”行为模式; - 输出 CSV 报表供管理员决策:
name, last_read_at, is_active, join_date,辅助清理沉寂成员。
此方法不依赖任何第三方 API 或付费工具,全程在本地浏览器完成,符合 WhatsApp 服务条款中“个人用途、非自动化骚扰”的合规边界。
- 目标已读联系人列表是该











