关于golang:用-Go-实现一个-GitHub-Trending-API

37次阅读

共计 6850 个字符，预计需要花费 18 分钟才能阅读完成。

背景

上一篇文章 Go 每日一库之 bubbletea 咱们介绍了炫酷的 TUI 程序框架 — bubbletea。最初实现了一个拉取 GitHub Trending 仓库，并显示在控制台的程序。因为 GitHub 没有提供官网的 Trending API，咱们用 goquery 本人实现了一个。上篇文章因为篇幅关系，没有介绍如何实现。本文我整顿了一下代码，并以独自的代码库模式凋谢进去。

先察看

首先，咱们来察看一下 GitHub Trending 的构造：

左上角能够切换仓库（Repositories）和开发者（Developers）。左边能够抉择语言（Spoken Language，本地语言，汉语、英文等）、语言（Language，编程语言，Golang、C++ 等）和工夫范畴（Date Range，反对 3 个维度，Today、This week、This month）。

而后上面是每个仓库的信息：

① 仓库作者和名字

② 仓库形容

③ 次要应用的编程语言（创立仓库时设置的），也可能没有

④ 星数

⑤ fork 数

⑥ 贡献者列表

⑦ 选定的工夫范畴内（Today、This week、This month）新增多少星数

开发者页面也是相似的，只不过信息少了很多：

① 作者信息

② 最火的仓库信息

留神到切换的开发者页面后，URL 变成为github.com/trending/developers。另外当咱们抉择本地语言为中文、开发语言为 Go 和工夫范畴为 Today 后，URL 变为https://github.com/trending/go?since=daily&spoken_language_code=zh，通过在 query-string 中减少相应的键值对示意这种抉择。

筹备

在 GitHub 上创立仓库 ghtrending，clone 到本地，执行go mod init 初始化：

$ go mod init github.com/darjun/ghtrending

而后执行 go get 下载 goquery 库：

$ go get github.com/PuerkitoBio/goquery

依据仓库和开发者的信息定义两个构造：

type Repository struct {
  Author  string
  Name    string
  Link    string
  Desc    string
  Lang    string
  Stars   int
  Forks   int
  Add     int
  BuiltBy []string}

type Developer struct {
  Name        string
  Username    string
  PopularRepo string
  Desc        string
}

开爬

要想应用 goquery 获取相应的信息，咱们首先要直到，对应的网页构造。按 F12 关上 chrome 开发者工具，抉择 Elements 页签，即可看到网页构造：

应用左上角的按钮就能够很疾速的查看网页上任何内容的构造，咱们点击单个仓库条目：

左边 Elements 窗口显示每个仓库条目对应一个 article 元素：

能够应用规范库 net/http 获取整个网页的内容：

resp, err := http.Get("https://github.com/trending")

而后从 resp 对象中创立 goquery 文档构造：

doc, err := goquery.NewDocumentFromReader(resp.Body)

有了文档构造对象，咱们能够调用其 Find() 办法，传入选择器，这里我抉择 .Box .Box-row。.Box 是整个列表 div 的 class，.Box-row是仓库条目标 class。这样的抉择更精准。Find()办法返回一个 *goquery.Selection 对象，咱们能够调用其 Each() 办法对每个条目进行解析。Each()接管一个 func(int, *goquery.Selection) 类型的函数，第二个参数即为每个仓库条目在 goquery 中的构造：

doc.Find(".Box .Box-row").Each(func(i int, s *goquery.Selection) {})

接下来咱们看看如何提取各个局部。在 Elements 窗口中挪动，能够很直观的看到每个元素对应页面的哪个局部：

咱们找到仓库名和作者对应的构造：

它被包在 article 元素下的 h1 元素下的 a 元素内，作者名在 span 元素内，仓库名间接在 a 下，另外仓库的 URL 链接是 a 元素的 href 属性。咱们来获取它们：

titleSel := s.Find("h1 a")
repo.Author = strings.Trim(titleSel.Find("span").Text(), "/\n")
repo.Name = strings.TrimSpace(titleSel.Contents().Last().Text())
relativeLink, _ := titleSel.Attr("href")
if len(relativeLink) > 0 {repo.Link = "https://github.com" + relativeLink}

仓库形容在 article 元素内的 p 元素中：

repo.Desc = strings.TrimSpace(s.Find("p").Text())

编程语言，星数，fork 数，贡献者（BuiltBy）和新增星数都在 article 元素的最初一个 div 中。编程语言、BuiltBy和新增星数在 span 元素内，星数和 fork 数在 a 元素内。如果编程语言未设置，则少一个 span 元素：

var langIdx, addIdx, builtByIdx int
spanSel := s.Find("div>span")
if spanSel.Size() == 2 {
  // language not exist
  langIdx = -1
  addIdx = 1
} else {
  builtByIdx = 1
  addIdx = 2
}

// language
if langIdx >= 0 {repo.Lang = strings.TrimSpace(spanSel.Eq(langIdx).Text())
} else {repo.Lang = "unknown"}

// add
addParts := strings.SplitN(strings.TrimSpace(spanSel.Eq(addIdx).Text()), " ", 2)
repo.Add, _ = strconv.Atoi(addParts[0])

// builtby
spanSel.Eq(builtByIdx).Find("a>img").Each(func(i int, img *goquery.Selection) {src, _ := img.Attr("src")
  repo.BuiltBy = append(repo.BuiltBy, src)
})

而后是星数和 fork 数：

aSel := s.Find("div>a")
starStr := strings.TrimSpace(aSel.Eq(-2).Text())
star, _ := strconv.Atoi(strings.Replace(starStr, ",", "", -1))
repo.Stars = star
forkStr := strings.TrimSpace(aSel.Eq(-1).Text())
fork, _ := strconv.Atoi(strings.Replace(forkStr, ",", "", -1))
repo.Forks = fork

Developers 也是相似的做法。这里就不赘述了。应用 goquery 有一点须要留神，因为网页层级构造比较复杂，咱们应用选择器的时候尽量多限定一些元素、class，以确保找到的的确是咱们想要的那个构造 。另外网页上获取的内容有很多空格，须要应用strings.TrimSpace() 移除。

接口设计

根本工作实现之后，咱们来看看如何设计接口。我想提供一个类型和一个创立该类型对象的办法，而后调用对象的 FetchRepos() 和FetchDevelopers()办法就能够获取仓库和开发者列表。然而我不心愿用户理解这个类型的细节。所以我定义了一个接口：

type Fetcher interface {FetchRepos() ([]*Repository, error)
  FetchDevelopers() ([]*Developer, error)
}

咱们定义一个类型来实现这个接口：

type trending struct{}

func New() Fetcher {return &trending{}
}

func (t trending) FetchRepos() ([]*Repository, error) {
}

func (t trending) FetchDevelopers() ([]*Developer, error) {}

咱们下面介绍的爬取逻辑就是放在 FetchRepos() 和FetchDevelopers()办法中。

而后，咱们就能够在其余中央应用了：

import "github.com/darjun/ghtrending"

t := ghtrending.New()
repos, err := t.FetchRepos()

developers, err := t.FetchDevelopers()

选项

后面也说过，GitHub Trending 反对选定本地语言、编程语言和工夫范畴等。咱们心愿把这些设置作为选项，应用 Go 语言罕用的选项模式 / 函数式选项（functional option)。先定义选项构造：

type options struct {
  GitHubURL  string
  SpokenLang string
  Language   string // programming language
  DateRange  string
}

type option func(*options)

而后定义 3 个 DataRange 选项：

func WithDaily() option {return func(opt *options) {opt.DateRange = "daily"}
}

func WithWeekly() option {return func(opt *options) {opt.DateRange = "weekly"}
}

func WithMonthly() option {return func(opt *options) {opt.DateRange = "monthly"}
}

当前可能还有其余范畴的工夫，留一个通用一点的选项：

func WithDateRange(dr string) option {return func(opt *options) {opt.DateRange = dr}
}

编程语言选项：

func WithLanguage(lang string) option {return func(opt *options) {opt.Language = lang}
}

本地语言选项，国家和代码离开，例如 Chinese 的代码为 cn：

func WithSpokenLanguageCode(code string) option {return func(opt *options) {opt.SpokenLang = code}
}

func WithSpokenLanguageFull(lang string) option {return func(opt *options) {opt.SpokenLang = spokenLangCode[lang]
  }
}

spokenLangCode是 GitHub 反对的国家和代码的对照，我是从 GitHub Trending 页面爬取的。大略是这样的：

var (spokenLangCode map[string]string
)

func init() {spokenLangCode = map[string]string{
    "abkhazian":             "ab",
    "afar":                  "aa",
    "afrikaans":             "af",
    "akan":                  "ak",
    "albanian":              "sq",
    // ...
  }
}

最初我心愿 GitHub 的 URL 也能够设置：

func WithURL(url string) option {return func(opt *options) {opt.GitHubURL = url}
}

咱们在 trending 构造中减少 options 字段，而后革新一下 New() 办法，让它承受可变参数的选项。这样咱们只须要设置咱们想要设置的，其余的选项都能够采纳默认值，例如GitHubURL：

type trending struct {opts options}

func loadOptions(opts ...option) options {
  o := options{GitHubURL: "http://github.com",}
  for _, option := range opts {option(&o)
  }

  return o
}

func New(opts ...option) Fetcher {
  return &trending{opts: loadOptions(opts...),
  }
}

最初在 FetchRepos() 办法和 FetchDevelopers() 办法中依据选项拼接 URL：

fmt.Sprintf("%s/trending/%s?spoken_language_code=%s&since=%s", t.opts.GitHubURL, t.opts.Language, t.opts.SpokenLang, t.opts.DateRange)

fmt.Sprintf("%s/trending/developers?lanugage=%s&since=%s", t.opts.GitHubURL, t.opts.Language, t.opts.DateRange)

退出选项之后，如果咱们要获取一周内的，Go 语言 Trending 列表，能够这样：

t := ghtrending.New(ghtrending.WithWeekly(), ghtreading.WithLanguage("Go"))
repos, _ := t.FetchRepos()

简略办法

另外，咱们还提供一个不须要创立 trending 对象，间接调用接口获取仓库和开发者列表的办法（懒人专用）：

func TrendingRepositories(opts ...option) ([]*Repository, error) {return New(opts...).FetchRepos()}

func TrendingDevelopers(opts ...option) ([]*Developer, error) {return New(opts...).FetchDevelopers()}

应用成果

新建目录并初始化 Go Modules：

$ mkdir -p demo/ghtrending && cd demo/ghtrending
$ go mod init github/darjun/demo/ghtrending

下载包：

编写代码：

package main

import (
  "fmt"
  "log"

  "github.com/darjun/ghtrending"
)

func main() {t := ghtrending.New()

  repos, err := t.FetchRepos()
  if err != nil {log.Fatal(err)
  }

  fmt.Printf("%d repos\n", len(repos))
  fmt.Printf("first repo:%#v\n", repos[0])

  developers, err := t.FetchDevelopers()
  if err != nil {log.Fatal(err)
  }

  fmt.Printf("%d developers\n", len(developers))
  fmt.Printf("first developer:%#v\n", developers[0])
}

运行成果：

文档

最初，咱们加点文档：

一个小开源库就实现了。

总结

本文介绍如何应用 goquery 爬取网页。着重介绍了 ghtrending 的接口设计。在编写一个库的时候，应该提供易用的、最小化的接口。用户不须要理解库的实现细节就能够应用。ghtrending应用函数式选项就是一个例子，有须要才传递，无须要可不提供。

本人通过爬取网页的形式来获取 Trending 列表比拟容易受限制，例如过段时间 GitHub 网页构造变了，代码就不得不做适配。在官网没有提供 API 的状况下，目前也只能这么做了。

大家如果发现好玩、好用的 Go 语言库，欢送到 Go 每日一库 GitHub 上提交 issue😄

参考

  1. ghtrending GitHub：github.com/darjun/ghtrending
  2. Go 每日一库之 goquery：https://darjun.github.io/2020/10/11/godailylib/goquery
  3. Go 每日一库 GitHub：https://github.com/darjun/go-daily-lib

我

我的博客：https://darjun.github.io

欢送关注我的微信公众号【GoUpUp】，独特学习，一起提高~

正文完
golang
发表至： golang
2021-06-17
 0
关于golang:Leetcode专题数组11盛雨水最多的容器
关于golang:GO-语言-JSON-与-Cache-库-调研与选型
关于golang:go错误与异常
关于golang:分布式任务-消息队列框架-goqueue