一个合规需求暴露了会话存档的致命短板，最终用了一个意想不到的方式补上了。
问题是怎么发现的
年初合规部门下了要求：项目群的讨论内容必须留痕存档，方便审计追溯。
我们照流程开通了企业微信的「会话内容存档」功能。配置完之后，合规同事去后台查数据，结果发现——只能看到开通之后的消息，开通之前几个月的群聊记录全部空白。
当时几个核心项目群在功能开通前就已经创建并活跃了几个月，里面积累了大量的方案讨论、技术选型决策、问题排查记录。这些恰恰是合规最想追溯的内容，但会话存档压根没帮我们留住。
查了一下官方文档，确认了几个限制：
- 不会回溯历史数据：开通那一刻起才开始采集，之前的消息不会补录
- 覆盖范围受限：不是所有群都能自动存档，需要逐个申请审批
- 普通员工无权查看：只有管理员后台可查，业务人员想导出还得提审批流程
- 外部群存档更难开：含客户或供应商的群需要额外的授权协议
说白了，会话存档解决的是「以后的消息能不能被记录」的问题，而我们的痛点是「过去的消息能不能找回」。
能用的方案都试了一遍
发现问题后，我们试了几种方式补历史数据：
让群成员手动截图——消息量太大，几百条讨论靠人截图不现实，而且容易遗漏，格式也不统一。
让成员转发消息——依赖配合度，转发不完整，时间线也乱了。
手机端导出聊天记录——只能导出自己个人的视角，群聊从不同成员导出的内容还不一样。
走官方 API——会话存档 API 本身就是"从开通时开始记录"的设计，历史数据根本不在系统里，API 也拿不到。
走了一圈发现，靠官方能力确实拿不到历史数据。合规要求的截止日期快到了，必须尽快补齐。
最终方案：用程序模拟"人翻看聊天记录"
既然官方拿不到，那换个角度——我们每个人都能在企业微信客户端里往上翻看历史消息，那如果让程序代替人来"翻看+复制"，是不是就能把历史记录采集下来？
这就是整个方案的核心思路：不是破解，不是逆向，而是在你已经登录的客户端里，让程序模拟你翻看聊天记录的操作——选中文字、向上翻页、复制内容。
技术上用的是 Windows 自动化工具（pywinauto + pyautogui）来操作企业微信桌面窗口。整个流程拆成四步：
第一步：找到企微窗口
遍历 Windows 系统的可见窗口进程，根据进程名 WXWork.exe 定位企业微信客户端，用 pywinauto 连接上去。这个过程还踩了个坑——Windows 限制只有前台线程才能把窗口拉到最前面，实际实现中需要先最大化窗口再激活，否则坐标操作会偏。
第二步：搜索进入目标群
模拟人工操作：Ctrl+F 打开搜索，粘贴群名（注意这里用的是剪贴板粘贴而不是键盘输入，因为中文输入法在不同电脑上状态不确定，直接打字容易出错），Enter 进入群聊。
第三步：翻阅+复制历史消息——核心环节
这是最关键的部分。模拟的操作流程是：
- 在聊天区域底部按住鼠标向上拖动，选中一段消息文本
- 按 PageUp 向上翻页，文本选区自动扩展到更早的消息
- 重复翻页，直到选区不再增长（说明已经到达聊天记录最早的位置）
- Ctrl+C 复制整段内容到剪贴板
- 从剪贴板读取文本，解析成结构化的消息数据
为什么不用 OCR？试过。群聊消息有发言人昵称、时间标记、引用回复等复杂排版，OCR 对这些结构化内容的识别率太低。而企业微信自己的文本复制功能已经把格式处理好了——复制出来的内容自带发言人、时间和消息内容的结构，解析难度比 OCR 低得多。
翻页终止判断也有坑：最初用的是"两次复制内容相同就停止"，但群里如果一段时间没新消息，最后几屏内容恰好相同就会误判提前终止。改成了"连续三次内容不变才停止"，问题才解决。
第四步：解析和存储
剪贴板文本是企业微信的格式，形如：
张三 10:30
这个方案的接口设计需要重新评审
李四 昨天 14:20
收到，我下午更新文档
用正则解析出发言人、时间、内容。时间标记经常是相对格式（昨天、周三、3月12日），需要转换为绝对时间戳。多条消息之间还要做去重处理。
存储用 SQLite，消息内容列用 Fernet 加密——数据库文件被拷贝走也没用，没有密钥读不出来。数据全部在本地，不上传任何外部服务器。
批量采集和增量更新
单群逻辑跑通后，还要解决两个现实问题：
批量：合规要覆盖 20 多个项目群，不可能一个一个手动跑。实现了批量采集功能——上传一个包含所有群名的 Excel 列表，程序按顺序逐个进入群聊并采集，全程无人值守。
增量：历史补齐后，还需要定期采集新增消息。在数据库里记录每个群最后采集的位置，下次只采集新增部分，不用每次都从头翻阅整个历史。
实际踩坑记录
开发过程中踩了不少坑，挑几个关键的：
| 问题 | 原因 | 解决方式 |
|---|---|---|
| 窗口激活不稳定 | Windows 限制 SetForegroundWindow 调用 | 先最大化窗口再激活 |
| 中文群名输入失败 | 输入法状态不确定 | 用剪贴板粘贴代替键盘输入 |
| 翻页提前终止 | 群内消息空白期导致连续相同 | 终止阈值改为连续三次不变 |
| DPI 缩放坐标偏移 | 高 DPI 显示器缩放比例不同 | 获取 DPI 系数修正所有坐标 |
| 相对时间无法排序 | 昨天、周三等非绝对格式 | 转换为绝对时间戳存储 |
最终能做什么
补齐方案跑通后，实际效果：
- 历史回溯：一个群从创建到现在的全部聊天记录都能采集下来
- 批量覆盖：20 多个项目群一次性处理完
- 增量更新：定期运行只采集新消息，不用重复翻历史
- 结构化存储：加密 SQLite，可按群名、时间、发言人检索
- 导出合规：标准排版 Excel 导出，满足合规存档格式要求
工具本身做了个完整的 GUI 界面，配置采集参数、查看进度、管理群列表都是界面操作，不需要改代码或写脚本。
这个方案的局限
必须说清楚，这不是万能方案：
- 依赖客户端运行：企业微信必须登录且窗口可见，不能最小化
- 只能采集文本：图片、文件、语音等非文本消息拿不到
- 受 UI 变化影响：企微更新界面后，操作逻辑可能需要同步调整
- 比 API 慢：滚动复制的方式比接口读取慢很多
- Windows 限定：目前只支持 Windows 桌面版
和会话存档是互补的
搞清了各自的边界之后，两者不是互斥关系：
| 维度 | 会话存档 | 这个方案 |
|---|---|---|
| 历史数据 | 只记录开通后 | 可回溯到创建时 |
| 覆盖范围 | 需逐群审批 | 所有可登录的群 |
| 消息类型 | 全类型 | 主要文本 |
| 实时性 | 实时采集 | 需定期运行 |
| 查询方式 | 仅管理后台 | SQL / Excel 直接查 |
| 成本 | 需付费开通 | 仅开发成本 |
实际部署建议：先开通会话存档覆盖所有群保实时性，再部署 RPA 方案补齐历史数据，两者并行运行。 存档管未来，RPA 补过去。
写在最后
这篇文章不是推销什么方案，而是记录一个真实的问题发现过程和解决思路。企业微信的会话存档功能本身是有价值的——但它的"不回溯历史"这个限制在特定场景下确实会造成数据断层，而这个问题很少有人提前意识到。
如果你也遇到类似场景——需要回溯企微的历史消息而存档覆盖不到——可以参考这个思路。项目代码在 wx_chat_export 上可以看到，有问题欢迎交流。
企微会话存档 · 历史消息回溯 · 群聊记录导出 · RPA 自动化 · 合规留痕 · 消息采集
