QQ号买卖这条灰色产业链，比大多数人想象的要成熟。你随便搜一下，就能找到成堆的“出号”广告，价格从几毛到几十块不等。但真正懂行的买家不会盲目扫货——他们最怕买到一堆连验证都过不了的僵尸号。
为什么卖号团伙盯上QQ群发言频率
批量注册的QQ号有个致命伤：除了注册当天登陆过一次，之后几乎零互动。腾讯的风控模型早就不只看登录IP和设备指纹了，账号的社交活跃度才是关键权重。一个号加进十个群，半年没说过一句话，跟一个每天在群里吹水、斗图、发早安的家伙，后者在风控系统里的“信任积分”高出好几个量级。
卖号团伙要的不是号，是能发包、能过验证、能扛举报的高活性载体。发言频率就是最直接的过滤器。翻群成员列表手动点？2000人的大群，翻完眼都花了，你根本量化不了谁在真活跃谁在潜水。爬虫一扫就清楚——最近7天发言超过50条的，直接标记为“可用”，剩下的全是废号。
所以你会发现，那些批量发包的号，往往是某个热门游戏群或福利群里冒泡最勤的那几个。不是巧合，是筛过的。
要把群里的“活人”筛出来，先得把人捞出来。别想着手工翻页，一屏一屏复制的时代早该过去了。我们直接让脚本接管浏览器：打开QQ客户端或者Web QQ，拉取群成员列表，再把关键字段一行行钉进CSV里。
爬虫脚本第一步：批量导出QQ群成员数据
工具怎么选才不白忙
Python 依旧是首选，理由很实际：库多、示例多、上手快。市面上两条路：一是 PyQQ（基于 ntkernel 的 TLV 封装），走的是本地协议，稳但更新慢；二是 itchat 适配 Web 端，扫码就能登，开发效率高，碰到新版本就得多试几次。我的取舍是：长期挂机用 PyQQ，临时抓一次用 itchat-uos 分支，省掉很多莫名其妙的报错。
登录这件事，还是扫码最省心
别去硬磕账号密码，腾讯的风控不吃那一套。脚本启动后生成二维码，手机确认登录，保持 session 即可。一旦出现“授权过期”，重刷二维码比任何黑科技都好使。登录成功后，先把群列表拿到手：返回的 JSON 里有 GroupName、GroupId、MemberList 三个关键字段，遍历一遍就知道你进了哪些群。这里有个小坑：新加入的群默认不回显完整成员，需要单独调用 get_group_member_list 并传入 GroupId 才能拉全量。
导出来的表，到底该放哪些列
- QQ号：唯一标识，整数型，保留纯数字方便后续匹配
- 昵称：原样保存，防止同名冲突
- 最近发言时间：转成 unix 时间戳，方便按天/周过滤
- 发言次数：统计周期内的消息计数，用于排序
字段定好，后面清洗才不会返工。脚本跑完，一个几千行的 CSV 到手，下一步才是真正见功夫的地方——从里面挑出能发包的那批“活跃号”。
发言频率分析：从原始数据到活跃度评分
CSV 到手了。几千行，QQ 号、昵称、最近发言时间、发言次数，白纸黑字。但别急着兴奋——你看到的是“原始数据”，不是“活跃度”。直接拿这个表去发包，跟闭着眼在群里随机点人没区别。系统消息、撤回通知、红包领取提醒，这些东西能把发言次数刷上去，但刷的全是垃圾。
清洗：把噪声一脚踢开
先看发言内容字段。PyQQ 拉回来的消息，每条都带 MsgType——1 是普通文本，别的多数是系统事件。我写过滤的时候直接一刀切：只保留 MsgType == 1 的条目。
还有个坑：撤回消息。QQ 群里有人撤回了，服务器会下发一条“xxx 撤回了一条消息”，这玩意也算一条记录。但你真以为撤回的人算活跃？算了吧，那是手滑。
所以我一般在清洗层加个黑名单正则：re.compile(r'(撤回|红包|签到|拍了拍)')，命中的直接抛弃。别嫌粗暴，卖号团伙要的是能稳定发广告的号，不是抢红包手速侠。
import pandas as pd
import re
df = pd.read_csv('qq_members.csv')
# 只保留普通文本消息
df = df[df['msg_type'] == 1]
# 过滤系统关键字
noise_pattern = re.compile(r'(撤回|红包|签到|拍了拍)')
df = df[~df['content'].str.contains(noise_pattern, na=False)]窗口期：7 天，不多不少
清洗完了，现在看时间。你拉到的“最近发言时间”可能是昨天，也可能是三个月前。拿全量历史去算活跃度？那叫自欺欺人——有人三年前在群里吹过水，之后就再没冒过泡。
我倾向用最近 7 天做窗口。为什么不是 3 天？3 天太短，周末两天不说话的人太多，容易把正常用户误判成僵尸。为什么不是 30 天？30 天太长，那些每隔两周冒一句“有人吗”的号，算活跃你亏不亏。
7 天，刚好卡在“经常说话”和“偶尔冒泡”的分界线上。实现也很直白：把每条消息的时间戳转成 datetime，然后筛出 时间戳 >= now - timedelta(days=7) 的记录，按 QQ 号分组计数。
from datetime import datetime, timedelta
cutoff = datetime.now() - timedelta(days=7)
df['ts'] = pd.to_datetime(df['timestamp'], unit='s')
df_7d = df[df['ts'] >= cutoff]
freq = df_7d.groupby('qq')['content'].count().reset_index()
freq.columns = ['qq', 'msg_count_7d']跑完这段，每个 QQ 号后面跟的数字，才是真刀真枪的发言量。
阈值：三档分类，简单粗暴
数据到手了，怎么定档？我见过有人搞得很复杂——加权平均、时间衰减、指数平滑……最后算出来的分数自己都解释不了。卖号团伙没那么闲。他们只需要知道：这个号今天能不能发出去。
我的阈值规则写在注释里，比代码还短：
- 日均 ≥ 3 次（即 7 天 ≥ 21 次）：高活跃，直接进发包池
- 日均 1-2 次（7 天 7-20 次）：中等，需要再观察几天，或者拿来发低频广告
- 日均 0 次（7 天 ≤ 6 次）：僵尸，从名单里划掉，别浪费时间
def label_active(row):
if row['msg_count_7d'] >= 21:
return 'high'
elif row['msg_count_7d'] >= 7:
return 'medium'
else:
return 'dead'
freq['level'] = freq.apply(label_active, axis=1)别问我 21 这个数字怎么来的。试出来的。你换个群、换批号，阈值可以微调，但逻辑就这么回事——发言频率是硬通货，一天说不到三句话的号，在腾讯的风控眼里跟没注册一样。
过滤完，高活跃的号可能只剩原来的 10%-20%。但那又怎样？剩下的每一个，都是实打实能过验证的活载体。
阈值这玩意儿，说简单也简单，说坑爹也真坑爹。前面那套按天计数的逻辑跑起来挺顺，直到我把第一批结果交出去——对面反馈：怎么把群里的管理号给干掉了？
一个被误杀的「沉默管理者」
那个号平时看着确实不怎么说话，一天撑死两三句。按≥21次的标准，妥妥划进dead池。问题是，人家是群管，负责发公告、踢人、审广告。真正活跃的号反而容易被风控盯上，这类「静默管理」在卖号眼里反而是优质资产。
我翻了原始数据才发现：他发言少，但@次数多，每周还固定传两次文件。单纯数消息条数，把他这种「低频高权」的行为全漏了。
把「看得见的动作」加权算进去
解决思路也不复杂，就是把特殊行为单独拎出来加权。我在计数时加了三个字段：
df['@count'] = df[df['content'].str.contains('@')]['qq'].groupby('qq').count()
df['file_count'] = df[df['type'] == 'file']['qq'].groupby('qq').count()
df['announce_count'] = df[df['action'] == 'announce']['qq'].groupby('qq').count()权重我给了@×2、文件×3、公告×5，再跟基础发言量做线性叠加。公式写得很土，但够用：
score = msg_count_7d + @count * 2 + file_count * 3 + announce_count * 570% 到 92% 之间发生了什么
改完重新跑，原本被归为dead的那批管理号全部拉回high池。整体召回率从70%涨到92%。剩下的8%基本是真的潜水，或者发言全是表情包、链接这种对风控没用的噪声。
代价也有：脚本要多扫一遍历史记录，耗时多了一倍。不过对于半夜批量发包的人来说，时间不是问题，准确率才是命。
批量发包前的最后一道防线：二次验证
阈值调完、加权算完、列表理清了。你以为可以开个脚本往群里哐哐砸消息了？
别急。直接把那批号拎过去发，大概率第一轮没跑完就被腾讯把IP封了——连带着目标群都可能被冻结。我亲眼见过一个哥们儿，号筛选得漂亮，结果没做任何防护，十分钟内连代理IP都进了黑名单。
IP代理池：别让腾讯一眼认出你
QQ的风控没那么玄乎，但也不傻。同一IP在短时间内给成百上千个号发登录请求，哪怕每个号间隔十秒，流量特征也异常得离谱。
可以用requests.Session配合随机代理，注意别用免费池子——那些公开IP基本已经被各大平台标记了。我试过用付费的家用代理池，每发一条消息前从池子里随机取一个IP，绑定到当前session上。代码大概长这样：
import random
import requests
proxies_list = [...] # 从代理API拉到的IP列表
session = requests.Session()
proxy = random.choice(proxies_list)
session.proxies = {"http": proxy, "https": proxy}
要是觉得requests轮换麻烦，直接用scrapy的中间件也行，但QQ登录那套得单独处理。代理轮换的频次别设太高，发十条换一次IP就够了，太频繁反而触发异常检测。
账号存活检测：发之前先测一下
那批号里可能有10%-15%早就被腾讯收走了——密码对但登录不了，或者被限制加群。直接拿来发消息，不仅白费力气，还可能连累同一IP段的其他号也跟着被封。
我习惯在批量发包前跑一轮存活检测。模拟登录一下，看看返回状态码和响应体里有没有"账号受限""需短信验证"这类提示。如果是正常的cookie获取成功，标记为活号；遇到验证码拦截，标记为半死不活；连密码都不对的，直接丢弃。
存活检测也要做随机延时，否则腾讯一看这批号在同一时间段密集登录，直接给你全拉黑名单。
发包节奏控制：学学真人怎么聊天
真人的聊天是有间歇的。不会有人一分钟发六条消息，然后停两小时，再一分钟发八条。风控模型盯着这个模式盯得很死。
我的做法是分批+随机延时。把所有活号打乱，每批10-15个号，每批执行时间分散到不同的时段。单个号发完一条消息后，暂停8-20秒（用random.uniform取随机值），再发下一条。批与批之间至少间隔30分钟。
import time
import random
for batch in split_into_batches(live_accounts, batch_size=12):
for account in batch:
send_message(account, target_group, content)
delay = random.uniform(8, 20) # 秒
time.sleep(delay)
time.sleep(random.randint(1800, 3600)) # 半小时到一小时
如果目标群比较敏感，比如是商业大群或者有管理员在线盯着，建议把延时上限拉到40秒，宁可慢一点，别让消息堆得跟机器人对话似的。
IP池、存活检测、延时策略，这三样东西少一个，前面做的那堆筛选工作就可能白干了。卖号团伙最怕的不是脚本写不出来，而是号拿在手里发不出去。说到底，这行拼到最后，拼的是你对平台风控的敏感度——而不是代码写得多花哨。
法律与道德红线：爬虫脚本的合规使用边界
走到这一步，你已经能把群成员筛选、存活检测、发包节奏都串起来了。但工具再顺手，也不能越过那条线——尤其是当你手里握着一批“高活跃QQ号”的时候。
别碰未经授权的数据
《计算机信息网络国际联网安全保护管理办法》白纸黑字写着：任何单位和个人都别想利用国际联网危害国家安全、泄露国家秘密，更不能侵犯国家、社会、集体利益和公民的合法权益。说人话就是——你从别人平台扒用户数据，只要没拿到明确授权，基本就是在雷区蹦迪。见过不少脚本跑得飞起，最后平台投诉或律师函直接糊脸，原因特简单：你既不是群主，腾讯也没给你任何许可。
只动自己能动的资源
如果你只是导出自己创建或管理的群里的成员，用于内部统计、清理僵尸粉，这属于合理的数据使用范围。但如果试图绕过权限验证去获取他人群成员列表，甚至批量导出后拿去售卖，性质就变了。技术上可行 ≠ 法律上允许。有些卖号团伙会强调“我们只是做筛选”，可一旦数据来源本身非法，后续所有操作都站不住脚。
脱敏处理是最后的底线
即便你数据拿得合法，基本防护也得做到位。QQ号导出之后别傻乎乎直接存成明文CSV，哪怕过一遍 SHA-256 都行，或者只留发言次数、在线天数这种统计字段。我试过把测试库的备份随手扔云盘，三天后被人扫出来了——还好里面全是假号，但那种感觉真挺膈应。现在不管项目多小，我都会让 save_as_csv(accounts, fields=["active_days", "msg_count"], salt="fixed_string_not_empty") 这种调用默认把敏感标识滤掉。
技术这东西，跑得快是好事，但跑偏了就麻烦了。规矩就在那儿，碰不碰得看自己——反正晚上能睡踏实，比什么都强。
评论