GitHub仓库语言占比异常：误报大量HTML代码

以下是几种常见的触发原因：

• 自动生成HTML文件被纳入统计：不少R项目会自动生成HTML输出——比如R Markdown渲染后的文档、Shiny应用的网页文件、pkgdown生成的包文档等。如果这些自动生成的HTML文件被提交到仓库（比如存放在docs/、_site/目录或根目录下），GitHub的语言统计工具会将其归类为HTML，哪怕你没有手动编写过一行HTML代码。
• 语言检测工具误判：GitHub依赖linguist工具识别仓库语言，该工具偶尔会出现误判。比如R Markdown文件中的HTML代码块、TeX文件里的特殊标记或HTML格式注释，都可能被错误识别为HTML语言。
• 未过滤的隐藏/临时文件：仓库中可能存在未被.gitignore规则过滤的隐藏目录或临时文件夹，里面存放着自动生成的HTML文件，这些文件会被统计到语言占比中但你平时可能没注意到。
• 子模块干扰：如果仓库包含子模块，子模块内的HTML文件也会被计入主仓库的语言占比统计。

可以通过以下方式验证排查：

• 本地安装linguist工具后，在仓库根目录运行linguist命令，查看具体哪些文件被归类为HTML，定位问题文件。
• 检查仓库中的.gitattributes文件，若存在自定义语言规则可能导致分类错误；若没有，可添加规则强制指定文件类型，比如*.Rmd linguist-detectable=false来排除R Markdown的干扰，或*.tex linguist-language=TeX确保TeX文件被正确识别。

内容的提问来源于stack exchange，提问作者JRC