请问一下各位，有针对 Github 本身的爬虫吗？

[Humbert]

最近需要做一个 Github 的软件（毕业设计），需要大量爬各种 issue、pull request 等的信息，5000 次每小时的 Github API 频率完全不够用。
想问下有没有封装好的有关 Github 的爬虫？谷歌上搜到的都是 Github 上的爬虫库项目
没有的话就去自己写了..

[phpfpm]

你写个脚本注册账号生成 api token 不就得了。。

另，我记得如果不登录（没 token ）访问 api 的话有次数限制，有 token 还会有限制吗？

[JasonEWNL]

一个 JS 一个 Ruby 的库，都是 GitHub 上的 GitHub API 库。

https://github.com/github-tools/github
https://github.com/piotrmurach/github

[tikazyq]

自己写吧，很简单的，用 scrapy 的 CrawlSpider，注意反爬限制

[charlieputon]

github 不是有 api 吗。。不过是 graphql 的。。

[VDimos]

github 是公开 api 的吧

[cmqwan]

github 不让爬，有 robots 协议。

[iYu]

5000 次每小时的 Github API 频率完全不够用。 确认是毕业设计么？如果是的话，感觉有点厉害啊。 这是需要多少数据啊。爬个几天几夜都不够么。

[oott123]

你可以从这两个数据源获取数据:

GHTorrent: http://ghtorrent.org/downloads.html
GH Archive: https://www.gharchive.org/

他们提供了丰富的数据信息，较为方便的查询方式，以及简单的归档下载功能。不用自己爬……

[Humbert]

@phpfpm 好的，感觉是个办法 hh

[Humbert]

@charlieputon 也有 RESTful 的，但是次数有点限制

[Humbert]

@cmqwan 好的，我还是考虑从 API 层面解决吧

[Humbert]

@iYu 因为这个之后导师要用的，所以得考虑下数据量大的情况..

[Humbert]

@oott123 ！谢谢

[Humbert]

@phpfpm 是有的，5000 次每小时

[sunwei0325]

有个同事把代码传到 github 上, 公司安全部门很快就发现并通报了, 估计是自己实现的吧

[everydaystruggle]

楼主或者楼主导师是做 mining software repository 的么？

[lazygod]

@sunwei0325 用公司的电脑上床有记录的

[SampleNaive]

当然有啊，不然那些动不动几千 star，才几十个 issue 的项目怎么来的？