我正在寻找一种从 Github 随机抽样 repo 的解决方案。最终的结果是对样本进行一些数据分析。
我想做的是按存储库的 ID 进行采样:对 0 到 270 万之间的整数进行采样并找到关联的存储库。获得用户名/存储库名称后，我将使用 API 获取详细信息。
问题是我不知道如何通过 repo id 搜索。有什么建议么？我对网络抓取或 Python 解决方案持开放态度。
请您参考如下方法:
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 , 来自某个 id (GET/repositories, 作为参数, 你看到的最后一个 Repository 的整数 ID: 这样可以提供一种迂回的方式来访问带有他们的 id 的 repos。
