您的位置: 首页 > 新闻资讯 > 正文

运用代理ip进行仓库分析爬虫

发布时间:2019-05-30 15:42:07 来源:互联网

运用代理ip进行仓库分析爬虫!写完了 Stackoverflow 的爬虫,这回打算写 Github 的,利用 Scrapy 框架对 Github 用户和仓库信息进行爬取,图片利用管道下载。


运用代理ip进行仓库分析爬虫


Github 是一个很棒的社区,这里可以找到很多优秀的项目,很多实用的库类,简直是 coder 的天堂,同时也是全球最大的同性交友社区? 爬取的数据主要分为两大类, User 类 和 Repo 类 ,也就是针对用户情况和仓库信息


User 类先来看看 Github 全站 followers 人数 top10 都是哪些大犇


AvatarUserReposStarsFollowersFollowing


Linus 大神以压倒性的优势夺得第一名,说实在不知道 Linus 的真不好意思说自己是写代码的,这是信仰。然而大神还是很傲娇的,毕竟没有 following anybody,可能是强到了没朋友了吧,毕竟 talk is cheap, show me the code。JakeWharton 以 34000+ 位于第二,以前也看过一点 Android 的东西,不知道说什么,膜拜吧。


中国区还是有两名种子选手挺进了 top10,阮一峰 和 代码家


Github 的地区选项自由度很大,所以比较难统计出各国的注册账户的人数。China 关键字的有 77473 人,USA 关键字有 48667 人


那来了解一下国情,在国区的这 77473 人中,followers 人数 top10 如下


AvatarUserFollowingFollowers推荐阅读:爬虫代理IP被封怎么办


vue.js 作者尤雨溪位列第三。廖雪峰紧跟其后排在第四,话说我也看过他的 Python 教程的


个人仓库数量 top10,因为组织的话无法查看具体仓库数,所以就选取了个人的


UserRepos


前两名都好多,项目数量都达到了 27k 以上,好强,他们是怎么办到的


Repo 类仓库的 stars top10


RepoForkStarWatch


仓库的 forks top10


RepoForkStarWatch


两个 top10 中有多少个是重叠的呢,答案是 3 个


RepoStarForkWatch


那你知道两者的 top100 中有多少个是重叠的吗,答案是 51 个,top500 是 270 个


forks 数超过 1000 的仓库共有 1586 个,看看各语言都有几个,选取排名前 10 的语言生成条形图


再把维度扩大到 10000,共 41 个


JavaScript,Java,Python 基本上是稳居前 3 名,特别是 JavaScript,真是大红大紫,当然我大 Python 也是很有潜力的


stars 数超过 1000 的仓库有 10410 个


超过 10000 的 402 个


各大语言的分布情况基本上和 forks 数是一致的。唯一不同的语言就是 HTML 换成了 CSS,不过也都差不多,这两门语言基本上都是不分家的


来看个有趣的排名,全站代码量 top3 的仓库


Repo


了解一下 Python 的情况


Python 仓库 stars 数 top10


RepoForkStarWatch


Python 仓库 forks 数 top10


RepoForkStarWatch


shadowsocks 在 stars 里排不进 top10,居然在 forks 里勇夺第一了,这梯子圆了多少人的翻墙梦。另外一架梯子 XX-NET 很遗憾,两项都没挤进 top10,扎心了老铁


RepoForkStarWatch


老规矩,看看这两个 top10 交集部分,有 5 个,如下。( 两个前 top100 中交集有 52 个 )


RepoStarForkWatch


两大 web 框架 django 和 flask 的表现还是不负众望的,awesome 系列在每种语言里都很受欢迎


相关文章内容简介

1 运用代理ip进行仓库分析爬虫

  运用代理ip进行仓库分析爬虫!写完了∵Stackoverflow∵的爬虫,这回打算写∵Github∵的,利用∵Scrapy∵框架对∵Github∵用户和仓库信息进行爬取,图片利用管道下载。  Github∵是一个很棒的社区,这里可以找到很多优秀的项目,很多实用的库类,简直是∵coder∵的天堂,同时也是全球最大的同性交友社区?∵爬取的数据主要分为两大类,∵User∵类∵和∵Repo... [阅读全文]

最新标签