实践中学python:跟踪github仓库更新记录

场景:由于代码爱好,经常会在github上收集一些有意思的仓库,但是时间一长,会收集很多,也不方便一个一个点击看哪些更新了
需求:抓取仓库更新时间写入excel


#! /usr/bin/python2.7
# -- coding:utf-8 --
import requests
import re
import  xlrd
import  xlwt

# 从一个网页里按正则获取对应的字符串集合
def getIDStringFromWebAtUrlString(urlStringOrHtmlText,regString):
    htmlText = urlStringOrHtmlText
    if urlStringOrHtmlText.startswith('http'):
        htmlText = requests.get(urlStringOrHtmlText).text
    commentsIDStrings = re.findall(regString,htmlText,re.S)
    return commentsIDStrings

# 从一个git仓库获取取最新的更新时间
def getGitRepositoryUpdateTimeTupleWithGitRepositoryUrlStr(gitRepositoryUrlStr):
    dateModifiedRegStr = 'Latest commit(.*?)<a class="commit-tease-sha" href="(.*?)</a>(. *?)<span itemprop="dateModified"><relative-time datetime="(.*?)">'
    dateModifiedTuple =  getIDStringFromWebAtUrlString(gitRepositoryUrlStr, dateModifiedRegStr)
    if len(dateModifiedTuple):
        if len(dateModifiedTuple[0]) >= 4:
            return (gitRepositoryUrlStr, dateModifiedTuple[0][3])

# 从本地的html文件中获取文本
def getHtmlTextFromLocalHtmlFilAtPath(localHtmlFilePath):
    with open(r'%s'%localHtmlFilePath, "r") as f:
        page = f.read()
    return page

# 从本地导出的浏览器书签里获取有关github的所有链接地址
def getGitRepositoryUrlStrsFromLocalBrowserBookmarkAtPath(localBrowserBookmarkFilePath):
    localHtmlText =  getHtmlTextFromLocalHtmlFilAtPath(localBrowserBookmarkFilePath)
    gitRepositoryRegStr = '<DT><A HREF="(.*?)" ADD_DATE="(.*?)" ICON="(.*?)">(.*?)</A>'
    gitRepositoryUrlTupls =  getIDStringFromWebAtUrlString(localHtmlText, gitRepositoryRegStr)
    gitRepositoryUrlStrs = []
    for gitRepositoryUrlTupl in gitRepositoryUrlTupls:
        if gitRepositoryUrlTupl[0].startswith('https://github.com/'):
            gitRepositoryUrlStrs.append(gitRepositoryUrlTupl[0])
    return gitRepositoryUrlStrs



def getGitRepositoryUpdateTimeTuplesFromLocalBrowserBookmarkAtPath(localBrowserBookmarkFilePath):
    getGitRepositoryUrlStrs =  getGitRepositoryUrlStrsFromLocalBrowserBookmarkAtPath(localBrowserBookmarkFilePath)
    gitRepositoryUpdateTimeTuples = []
    for getGitRepositoryUrlStr in getGitRepositoryUrlStrs:
        gitRepositoryUpdateTimeTuple = getGitRepositoryUpdateTimeTupleWithGitRepositoryUrlStr(getGitRepositoryUrlStr)
        if gitRepositoryUpdateTimeTuple is None:
            pass
        else:
            gitRepositoryUpdateTimeTuples.append(gitRepositoryUpdateTimeTuple)
    return gitRepositoryUpdateTimeTuples

def getGitRepositoryUpdateTimeFromfilePathAndSaveName(localBrowserBookmarkFilePath, saveExcelName):
    book = xlwt.Workbook()
    sheet1 = book.add_sheet('hello')
    gitRepositoryUpdateTimeTuples = getGitRepositoryUpdateTimeTuplesFromLocalBrowserBookmarkAtPath(localBrowserBookmarkFilePath)
    for index, gitRepositoryUpdateTimeTuple in enumerate(gitRepositoryUpdateTimeTuples):
        sheet1.write(index, 0, gitRepositoryUpdateTimeTuple[0])
        sheet1.write(index, 1, gitRepositoryUpdateTimeTuple[1])
    rightSaveExcelName = saveExcelName
    if saveExcelName.endswith('.xls'):
        pass
    else:
        rightSaveExcelName = saveExcelName + '.xls'
    book.save(rightSaveExcelName)

# 开始调用吧
getGitRepositoryUpdateTimeFromfilePathAndSaveName('/Users/dfpo/Desktop/bookmarks_2017_9_10.html', 'githubRepUpdate.xls')

成果展示

image.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 175,079评论 25 709
  • 当浓墨封锁湛蓝 雾,顷刻漫延 侵占你的,明眸朱颜 折射迷惘,浸满朦胧 你,久久徘徊 花开,花落 随风,远走 飘荡到...
    林夭阅读 2,593评论 0 2
  • 秋意渐浓,这温度已经让人缩手缩脚。外公有哮喘,加上已经八十多岁了,天气和年龄给他和外婆的生活带来更多的不便...
    乐丰阅读 2,454评论 3 2
  • 亲爱的老头,这么晚了,你是不是睡了?我突然听了一首歌就想起了你,想起了你笑起来皱巴巴的脸,想起了你总是唠叨不停地话...
    漠北荒河阅读 4,046评论 1 2
  • 爱的味道 某年某月某天 站在月台看着渐行渐远的烈车 泪眼婆娑,你带走了我的心 留下长长的不舍和牵挂 某个月圆的...
    浅浅是水阅读 3,038评论 4 14