随机抽样 Github 存储库

Question

我正在寻找一种从 Github 随机抽样 repos 的解决方案。最终的结果是对样本进行一些数据分析。

我想做的是通过存储库的 id 进行采样：对 0 到 270 万之间的 int 进行采样并找到相关的存储库。获得用户名/repo-name 后，我将使用 api 获取详细信息。

问题是我不知道如何通过 repo id 进行搜索。有什么建议么？我愿意接受网络抓取或 Python 解决方案。

Answer 1

您可以使用python访问Github V3 Api（如“Most suitable python library for Github API v3”）。

你可以access GitHub repos，从某个id（GET /repositories，作为参数，你看到的最后一个存储库的整数ID：这样可以提供一种迂回的方式来访问带有它们的id的repos。