如何用R获取GitHub项目贡献者的用户名、提交量等信息？

完全可行，而且相比网页爬取，通过GitHub API配合gh包实现更稳定可靠，还能避免网页结构变动导致的爬取失效问题。你之前用rvest失败是因为GitHub贡献者页面的内容是JavaScript动态渲染的，静态爬取只能拿到空的HTML框架，无法获取实际数据。

步骤1：安装并配置gh包 #

首先安装gh包，它是GitHub API的官方R客户端：

install.packages("gh")
library(gh)

建议设置GitHub个人访问令牌（PAT）来提升API请求限额（未认证每小时60次，认证后5000次）：

# 替换为你的PAT，可在GitHub设置中生成
Sys.setenv(GITHUB_PAT = "your-personal-access-token")

步骤2：获取贡献者基础数据（用户名、提交次数） #

调用GitHub REST API的/repos/{owner}/{repo}/contributors接口，获取贡献者的基础信息：

# 替换为目标仓库的所有者和仓库名
owner <- "easystats"
repo <- "report"

# 获取所有贡献者的基础数据
contrib_basic <- gh("/repos/{owner}/{repo}/contributors", 
                    owner = owner, repo = repo, .limit = Inf)

# 转换为数据框
contrib_basic_df <- data.frame(
  用户名 = sapply(contrib_basic, \(x) x$login),
  总提交次数 = sapply(contrib_basic, \(x) x$contributions),
  用户主页 = sapply(contrib_basic, \(x) x$html_url)
)

步骤3：获取代码增删量统计 #

调用/repos/{owner}/{repo}/stats/contributors接口，获取每个贡献者累计的代码新增和删除量：

# 获取贡献者代码统计（首次调用可能返回空，需等待GitHub生成统计后重试）
contrib_stats <- gh("/repos/{owner}/{repo}/stats/contributors", 
                    owner = owner, repo = repo)

# 提取累计增删量并转换为数据框
contrib_stats_df <- do.call(rbind, lapply(contrib_stats, \(x) {
  累计新增代码行 <- sum(sapply(x$weeks, \(w) w$a))
  累计删除代码行 <- sum(sapply(x$weeks, \(w) w$d))
  data.frame(
    用户名 = x$author$login,
    累计新增代码行 = 累计新增代码行,
    累计删除代码行 = 累计删除代码行
  )
}))

步骤4：合并数据 #

将基础数据和统计数据合并为最终的结果数据框：

final_contrib_data <- merge(contrib_basic_df, contrib_stats_df, by = "用户名")

注意事项 #

• stats/contributors接口需要GitHub后台生成统计数据，首次调用可能返回空列表，建议隔3-5分钟后重试。
• 如果仓库贡献者很多，gh的.limit = Inf会自动分页获取所有数据，无需手动处理分页。
• 相比网页爬取，API方式完全遵循GitHub的使用规则，不会触发反爬机制，数据格式也更规范。

内容的提问来源于stack exchange，提问作者rempsyc