问题标签 [github-archive]

我目前正在尝试使用 GitHub Archive 和 BigQuery 获取前 100 个具有最大星数和少于 100 次提交的 Java 存储库。您能否为此目的提出一个查询。

我为获取 Java 语言的前 100 条记录而编写的初始查询如下：

我目前正在尝试使用 GitHub Archive 和 BigQuery 获取前 100 个具有最大星数和少于 100 次提交的 Java 存储库。请您帮忙提出一个查询，以获取拥有最大星数的前 100 个存储库。

我得到的最终查询是：

我正在尝试从 [GitHub 存档]：https : //www.githubarchive.org/ 检索数据，并且在添加范围时无法检索数据。它在我使用http://data.githubarchive.org/2015-01-01-15.json.gz时有效，但在使用http://时收到 `open_http': 404 Not Found (OpenURI::HTTPError) 消息data.githubarchive.org/2015-01-01-{0..23}.json.gz。

使用 curl http://data.githubarchive.org/2015-01-01- {0..23}.json.gz 似乎正在工作。

基本上，我的目标是编写一个程序来检索特定时间范围内前 42 个最活跃的存储库。

这是我的代码，请让我知道我使用 API 不正确或代码问题。

我正在考虑尝试 BigQuery 和 GithubArchive，但我不确定如何编写一个查询，让我可以在代码或项目中搜索一个术语，并按提交次数降序排列结果。

感谢您的任何提示

我无法从BigQuery.

我正在使用以下查询：

SELECT repository_name, actor_attributes_company, payload_ref_type, payload_action, type, created_at FROM githubarchive:github.timeline WHERE repository_organization = 'foo' and created_at > '2014-07-01'

一切都很好。现在，看起来 githubarchive:github.timeline 表不再可用。我一直在环顾四周，发现了另一张桌子：

SELECT repository_name, actor_attributes_company, payload_ref_type, payload_action, type, created_at FROM publicdata:samples.github_timeline WHERE repository_organization = 'foo' and created_at > '2014-07-01'

此查询有效，但返回零行。当我删除 created_at 限制时，它起作用了，但只返回了 2012 年的几行，所以看起来这只是示例数据。

有谁知道如何从 GitHub 中提取实时时间线数据？

Big Query 上的 Github 存档中缺少数据？

使用Github Archive 中的 BigQuery 表，并对typelevel/cats 存储库的拉取请求运行查询，尽管实际存储库显示从 2015 年 1 月 28 日开始的活动，但在 2016 年 1 月 1 日之前没有条目。

显示早期拉取请求的 github 存储库链接

查询如下。想检查一下这是否是我的错误或误解，或者是否可能存在一些仅在 BQ 表中部分可用的存储库。

我正在尝试通过以下方式衡量编程语言的流行度：

1. 回购中的星星数量与......
2. 回购中使用的编程语言和...
3. 每种语言的代码总字节数（认识到某些语言或多/少冗长）

方便的是，Github Archive 提供了大量的 Github 数据，并由 BigQuery 托管。唯一的问题是我在 Github Archive 中的各种事件类型的任何有效负载中都看不到可用的“语言”。

这是我一直在运行的 BigQuery 查询，试图找出是否以及在哪里可以在 Github 存档数据中填充语言：

有人可以提供有关我是否能够以这种方式利用 Github Archive 数据的见解，以及我该如何去做？还是我需要采用其他方法？我看到 BigQuery 上还有一个 github_repos 公共数据集，它确实有一些语言指标，但语言指标似乎一直都结束了。我希望最终获得某种月度指标（即，在给定月份的“活跃”回购，最流行的语言是什么）。

任何建议表示赞赏！

我是 SQL 和 GitHubArchieve 的新手，并试图获取 GitHub 上流行存储库的语言和观星者列表。

我正在寻找的信息是 repo id、repo 语言（语言 + 百分比）、repo stargazers（及其时区）。

因此，我对此的解决方案是检索最流行的存储库，然后解析languages_url并stargazers_url获取它们的信息。

我从以下查询开始检索流行的存储库：

watch 事件的有效负载只是：{"action":"started"}所以我没有得到任何关于语言和存储库贡献者的信息。

有什么建议可以获取我正在寻找的信息吗？有什么方法可以在不解析的情况下检索该信息？

提前致谢

我正在尝试通过 Big Query（此处的文档）获取 Github 存档中的各种 Github 存储库指标。但是，当我尝试计算分叉数量时，我得到的数字与 Github UI 中指定的分叉数量有很大不同。例如，当我运行这个 sql 脚本时：

我得到以下结果：

但是，当我转到 URL ' https://github.com/python/cpython ' 时，我看到有 8,198 个分叉。这种差异的原因是什么？

编辑：

Felipe 在下面指出，同一个 repo 可能有多个 URL。

然而，即使有多个 URL，这个数字也不能与 UI 完全匹配，而且这一次比 UI 的数字要大得多。有什么办法可以精确匹配吗？

我有一个宠物项目，我正在尝试获取有关合作者的一些统计数据（核心团队成员，根据https://github.com/CoolProp/CoolProp/wiki/Contributors-vs-Collaborators）。基本上我想知道人们何时被添加到回购中。由于我想追溯获取该信息，因此我正在考虑使用 github 存档。

根据文档（https://developer.github.com/v3/activity/events/types/#memberevent） MemberEvent 是我正在寻找的。然而，据我所知，Github 档案中几乎没有任何此类事件。我发现的只是“添加”事件。回购页面上的某个地方我应该能够看到它，以便我可以对从 github 存档和项目页面检索到的内容进行三角测量？

非常感谢！