如何用非API的R命令获取GitHub仓库中CSV文件的元数据？

你要的两个元数据都可以不用GitHub API，用基础的HTTP请求和网页解析搞定，具体方法如下：

1. 获取文件字节大小 #

用httr包发送HEAD请求（仅获取响应头，无需下载整个文件），从响应头里提取Content-Length字段即可得到文件大小。示例代码：

library(httr)

file_url <- "https://github.com/BrunaLab/LAS6292_DataManagement/blob/4b856c2fad350edaded78fba671023b8c544b1dd/static/course-materials/class-sessions/03-spreadsheets/examples/EB_data_example.csv"
# 需将链接中的blob替换为raw，才能获取原始文件的响应头
raw_file_url <- gsub("blob/", "raw/", file_url)

resp <- HEAD(raw_file_url)
file_size_bytes <- as.numeric(headers(resp)$`content-length`)
cat("文件大小：", file_size_bytes, "字节\n")

2. 获取最后提交日期 #

用rvest包解析GitHub文件页面的HTML，抓取页面上显示的最后提交时间。示例代码：

library(rvest)

file_page_url <- "https://github.com/BrunaLab/LAS6292_DataManagement/blob/4b856c2fad350edaded78fba671023b8c544b1dd/static/course-materials/class-sessions/03-spreadsheets/examples/EB_data_example.csv"

page <- read_html(file_page_url)
# 定位页面中最后提交时间的元素（基于当前GitHub页面布局）
last_commit_time <- page %>% 
  html_element(".f6.text-gray.mt-2 time") %>% 
  html_attr("datetime") %>% 
  as.POSIXct(format = "%Y-%m-%dT%H:%M:%SZ", tz = "UTC")

cat("最后提交日期：", format(last_commit_time, "%Y-%m-%d %H:%M:%S UTC"), "\n")

注意事项 #

• 解析HTML的方法依赖当前GitHub页面结构，若平台后续调整页面布局，元素选择器可能需要更新，但短期可稳定使用。
• 两种方法均无需GitHub API密钥，仅依赖公开页面的请求与解析。

内容的提问来源于stack exchange，提问作者Emilio M. Bruna