如何用GitHub API v3及Python标准库获取指定时段分支的活跃用户及提交数

我来帮你搞定这个问题——你碰到的422错误是因为请求头设置错了，而且search/commits其实完全支持指定分支和时间段，只是你没用到正确的查询参数。下面一步步来解决：

1. 先修复HTTP 422错误 #

你的代码里请求头的写法搞反了，应该把Accept作为头名称，application/vnd.github.cloak-preview作为头的值，而不是反过来。正确的写法是：

q.add_header('Accept', 'application/vnd.github.cloak-preview')

2. 如何指定分支和时间段 #

search/commits的查询参数可以通过q字符串叠加多个条件，用+分隔：

• 指定分支：添加branch:你的分支名，比如branch:main
• 指定时间段：用committer-date:起始日期..结束日期，比如committer-date:2024-01-01..2024-06-01，也可以用>=/<=来限定单边范围

比如查询octocat/Spoon-Knife仓库main分支在2024年上半年的提交，完整的q参数是：
repo:octocat/Spoon-Knife+branch:main+committer-date:2024-01-01..2024-06-01

3. 完整Python实现（基于标准库） #

下面的代码会完成这些事：

• 遍历所有分页的提交结果（API每页最多返回100条）
• 统计每个用户的提交次数
• 按提交次数降序排序，取前30位活跃用户

import urllib.request
import json
from collections import defaultdict

def get_top_active_users(repo_owner, repo_name, branch, start_date, end_date, top_n=30):
    base_url = "https://api.github.com/search/commits"
    # 构建查询参数
    query = f"repo:{repo_owner}/{repo_name}+branch:{branch}+committer-date:{start_date}..{end_date}"
    url = f"{base_url}?q={query}&per_page=100"  # 每页取最大100条
    
    commit_counts = defaultdict(int)
    page = 1
    
    while url:
        try:
            req = urllib.request.Request(url)
            # 设置正确的Accept头
            req.add_header('Accept', 'application/vnd.github.cloak-preview')
            # 有GitHub令牌的话可以加上，提升速率限制：req.add_header('Authorization', 'token 你的令牌')
            
            response = urllib.request.urlopen(req)
            data = json.loads(response.read().decode('utf-8'))
            
            # 统计每个用户的提交数
            for item in data['items']:
                author_login = item['author']['login'] if item['author'] else 'unknown'
                commit_counts[author_login] += 1
            
            # 处理分页：获取下一页的URL
            links = response.getheader('Link')
            url = None
            if links:
                for link in links.split(','):
                    if 'rel="next"' in link:
                        url = link.split(';')[0].strip('<>')
            page += 1
            
        except urllib.error.HTTPError as e:
            print(f"HTTP错误 {e.code}: {e.read().decode('utf-8')}")
            break
    
    # 按提交次数降序排序，取前top_n
    sorted_users = sorted(commit_counts.items(), key=lambda x: x[1], reverse=True)[:top_n]
    return sorted_users

# 示例调用
if __name__ == "__main__":
    top_users = get_top_active_users(
        repo_owner="octocat",
        repo_name="Spoon-Knife",
        branch="main",
        start_date="2024-01-01",
        end_date="2024-06-01"
    )
    
    print("Top 30活跃用户及提交次数：")
    for idx, (login, count) in enumerate(top_users, 1):
        print(f"{idx}. {login}: {count}次提交")

关键注意点 #

• 速率限制：未认证的GitHub API请求每小时最多60次，如果你需要更高的调用额度，建议添加GitHub个人访问令牌（在请求头里加Authorization: token 你的令牌），认证后每小时最多5000次。
• 无关联用户的提交：有些提交可能没关联GitHub账号（比如用邮箱提交但未绑定账号），代码里会标记为unknown，你可以根据需求调整这部分逻辑。
• 结果上限：search/commits最多返回1000条结果，如果目标时间段内提交超过1000条，这个方法可能无法统计全部（GitHub的限制）。这种情况下可以改用GET /repos/{owner}/{repo}/commits接口遍历分支的所有提交，虽然分页处理更繁琐，但没有1000条的限制。

内容的提问来源于stack exchange，提问作者 Sergisson