【github】主页显示star和fork

1. 数据收集：定期（例如每天）获取你所有仓库的 Star 和 Fork 总数。
2. 数据存储：将收集到的数据（时间戳、总 Star 数、总 Fork 数）存储起来。
3. 图表生成：根据存储的数据生成变化曲线图（通常是 SVG 或 PNG 格式）。
4. 自动更新：使用 GitHub Actions 自动化上述过程，并将生成的图表提交到你的主页仓库。
5. README 展示 ：在 用户名/用户名/README.md 中引用生成的图表。

下面是一个比较详细的方案，以 Python 和 Matplotlib 为例，并结合 GitHub Actions：

方案：使用 GitHub Actions + Python + Matplotlib

1. 项目结构 (在你的 用户名/用户名 仓库中)

.
├── .github/
│   └── workflows/
│       └── update_stats.yml  # GitHub Actions 配置文件
├── scripts/
│   └── generate_chart.py   # Python 脚本
├── data/
│   └── stats_history.csv   # 存储历史数据
├── images/                 # 存储生成的图表
│   └── stars_chart.svg
│   └── forks_chart.svg
└── README.md

2. Python 脚本 (scripts/generate_chart.py)

这个脚本会：

• 从 GitHub API 获取当前所有仓库的 Star 和 Fork 总数。
• 读取 data/stats_history.csv 中的历史数据。
• 将新数据追加到 CSV 文件。
• 使用 Matplotlib 生成 Star 和 Fork 变化曲线图，并保存为 SVG。

import os
import requests
import pandas as pd
from datetime import datetime
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# --- 配置 ---
GITHUB_USERNAME = os.environ.get("GITHUB_ACTOR") # 从 GitHub Actions 环境变量获取用户名
GITHUB_TOKEN = os.environ.get("GITHUB_TOKEN") # GitHub Actions 会自动提供
STATS_FILE = "data/stats_history.csv"
STARS_CHART_FILE = "images/stars_chart.svg"
FORKS_CHART_FILE = "images/forks_chart.svg"

# --- 1. 获取当前 Star 和 Fork 总数 ---
def get_total_stats():
    total_stars = 0
    total_forks = 0
    page = 1
    while True:
        url = f"https://api.github.com/users/{GITHUB_USERNAME}/repos?per_page=100&page={page}"
        headers = {"Authorization": f"token {GITHUB_TOKEN}"}
        response = requests.get(url, headers=headers)
        response.raise_for_status() # 如果请求失败则抛出异常
        repos = response.json()
        if not repos:
            break
        for repo in repos:
            total_stars += repo["stargazers_count"]
            total_forks += repo["forks_count"]
        page += 1
    return total_stars, total_forks

# --- 2. 加载/更新历史数据 ---
def update_stats_history(stars, forks):
    today = datetime.now().strftime("%Y-%m-%d")
    new_data = {"date": [today], "total_stars": [stars], "total_forks": [forks]}
    new_df = pd.DataFrame(new_data)

    if os.path.exists(STATS_FILE):
        history_df = pd.read_csv(STATS_FILE)
        # 如果今天的数据已存在，则更新它，否则追加
        if today in history_df["date"].values:
            history_df.loc[history_df["date"] == today, ["total_stars", "total_forks"]] = [stars, forks]
        else:
            history_df = pd.concat([history_df, new_df], ignore_index=True)
    else:
        os.makedirs(os.path.dirname(STATS_FILE), exist_ok=True)
        history_df = new_df

    history_df["date"] = pd.to_datetime(history_df["date"]) # 确保日期是 datetime 类型
    history_df = history_df.sort_values(by="date") # 按日期排序
    history_df["date"] = history_df["date"].dt.strftime("%Y-%m-%d") # 转回字符串保存
    history_df.to_csv(STATS_FILE, index=False)
    return pd.read_csv(STATS_FILE, parse_dates=["date"]) # 返回解析日期后的 DataFrame 用于绘图

# --- 3. 生成图表 ---
def generate_plot(df, column, title, filename):
    plt.style.use('seaborn-v0_8-darkgrid') # 使用一个好看的样式
    fig, ax = plt.subplots(figsize=(10, 5)) # 调整图像大小

    ax.plot(df["date"], df[column], marker='o', linestyle='-', color='skyblue', linewidth=2, markersize=5)

    # 设置标题和标签
    ax.set_title(f"{GITHUB_USERNAME}'s {title} Over Time", fontsize=16, color='white')
    ax.set_xlabel("Date", fontsize=12, color='lightgray')
    ax.set_ylabel(title, fontsize=12, color='lightgray')

    # 美化日期格式
    ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
    ax.xaxis.set_major_locator(mdates.AutoDateLocator(minticks=5, maxticks=10)) # 自动选择合适的日期间隔
    plt.xticks(rotation=30, ha='right', color='lightgray')
    plt.yticks(color='lightgray')

    # 设置背景和边框颜色
    fig.patch.set_facecolor('#24292e') # GitHub 暗色背景
    ax.set_facecolor('#2d333b')
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)
    ax.spines['bottom'].set_color('gray')
    ax.spines['left'].set_color('gray')
    ax.tick_params(axis='x', colors='lightgray')
    ax.tick_params(axis='y', colors='lightgray')

    plt.grid(True, linestyle='--', alpha=0.5, color='gray') # 网格线
    plt.tight_layout() # 自动调整子图参数，使其填充整个图像区域

    os.makedirs(os.path.dirname(filename), exist_ok=True)
    plt.savefig(filename, facecolor=fig.get_facecolor(), transparent=False) # 保存 SVG
    plt.close()
    print(f"Chart saved to {filename}")

# --- Main ---
if __name__ == "__main__":
    if not GITHUB_USERNAME or not GITHUB_TOKEN:
        print("Error: GITHUB_ACTOR and GITHUB_TOKEN environment variables must be set.")
        exit(1)

    current_stars, current_forks = get_total_stats()
    print(f"Current total stars: {current_stars}, total forks: {current_forks}")

    history_df = update_stats_history(current_stars, current_forks)

    generate_plot(history_df, "total_stars", "Total Stars", STARS_CHART_FILE)
    generate_plot(history_df, "total_forks", "Total Forks", FORKS_CHART_FILE)

    print("Stats updated and charts generated successfully!")

3. GitHub Actions Workflow (.github/workflows/update_stats.yml)

这个 workflow 会：

• 每天定时运行（或手动触发）。
• Checkout 代码。
• 设置 Python 环境并安装依赖。
• 运行 generate_chart.py 脚本。
• 提交并推送更新后的 stats_history.csv 和图表文件。

name: Update Profile Stats Charts

on:
  schedule:
    - cron: '0 0 * * *' # 每天午夜 UTC 时间运行
  workflow_dispatch: # 允许手动触发

jobs:
  update_charts:
    runs-on: ubuntu-latest
    permissions:
      contents: write # 需要写入权限来提交文件
      actions: read   # GITHUB_TOKEN 默认有 actions:read
                      # GITHUB_TOKEN 默认也有 contents:read
                      # 显式声明可以确保权限
    steps:
      - name: Checkout repository
        uses: actions/checkout@v4

      - name: Set up Python
        uses: actions/setup-python@v5
        with:
          python-version: '3.x'

      - name: Install dependencies
        run: |
          python -m pip install --upgrade pip
          pip install requests pandas matplotlib

      - name: Run script to generate charts
        env:
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }} # 由 GitHub Actions 自动提供
          # GITHUB_ACTOR 会自动设置为触发 workflow 的用户，即你自己
        run: python scripts/generate_chart.py

      - name: Commit and push changes
        run: |
          git config --local user.email "[email protected]"
          git config --local user.name "GitHub Action"
          # 检查是否有文件变动
          if ! git diff --quiet data/stats_history.csv images/stars_chart.svg images/forks_chart.svg; then
            git add data/stats_history.csv images/stars_chart.svg images/forks_chart.svg
            git commit -m "📊 Update profile stats charts and data"
            git push
          else
            echo "No changes to commit."
          fi

4. 在 README.md 中展示图表

在你的 用户名/用户名/README.md 文件中添加以下内容：

### 🚀 My GitHub Stats Over Time

**Total Stars ⭐**
<p align="center">
  <img src="./images/stars_chart.svg" alt="My Total Stars History" />
</p>

**Total Forks 🍴**
<p align="center">
  <img src="./images/forks_chart.svg" alt="My Total Forks History" />
</p>

<!-- 你也可以使用 GitHub 的缓存来避免浏览器缓存问题，但通常直接引用仓库内路径更好 -->
<!-- <img src="https://raw.githubusercontent.com/你的用户名/你的用户名/你的分支名/images/stars_chart.svg" /> -->

确保分支名正确，通常是 main 或 master。

设置步骤：

1. 创建文件和目录 ：在你的 用户名/用户名 仓库中，按照上面的项目结构创建 scripts/generate_chart.py，.github/workflows/update_stats.yml。data/ 和 images/ 目录会在脚本第一次运行时自动创建（如果它们不存在且脚本有创建权限）。
2. 修改 GITHUB_USERNAME (可选) : 脚本中的 GITHUB_USERNAME = os.environ.get("GITHUB_ACTOR") 会自动获取你的用户名。如果想硬编码，可以修改。
3. 提交并推送这些新文件 到你的 GitHub 仓库。
4. 触发 Workflow ：
   • 你可以等待 cron 计划的下一次运行。
   • 或者，进入你的仓库 -> Actions 标签页 -> 找到 "Update Profile Stats Charts" workflow -> 点击 "Run workflow" 手动触发一次。
5. 检查结果 ：
   • Workflow 运行成功后，data/stats_history.csv 文件应该会被创建/更新。
   • images/stars_chart.svg 和 images/forks_chart.svg 应该会被生成。
   • 这些文件会被自动 commit 和 push 到你的仓库。
   • 你的 README.md 应该会显示这些图表。

"Fancy" 提示：

• Matplotlib 样式 : plt.style.use() 可以使用很多内置样式 (ggplot, seaborn-v0_8-darkgrid, fivethirtyeight 等)。你也可以自定义颜色、字体、线条粗细等。
• SVG 优势: SVG 是矢量图，放大不失真，而且可以直接用文本编辑器修改（如果你懂 SVG 语法）。
• 颜色主题: 可以根据你的 GitHub 主页主题（亮色/暗色）调整图表的背景色、文字颜色等。上面脚本中的颜色是为暗色主题优化的。
• 平滑曲线 : 可以使用 scipy.interpolate.make_interp_spline 等库来生成更平滑的曲线，但这会增加脚本的复杂性。
• 渐变填充: Matplotlib 也支持在曲线下方进行渐变颜色填充，可以让图表更美观。

注意事项：

• API Rate Limits : GitHub API 有速率限制。对于个人用户，通常是每小时 5000 次请求（使用 GITHUB_TOKEN）。获取所有仓库信息通常只需要几次请求（取决于你有多少仓库，per_page=100）。每天运行一次脚本是完全没问题的。
• 首次运行 : 第一次运行时，stats_history.csv 不存在，图表上只有一个数据点。随着时间推移，曲线才会显现。
• 安全性 : GITHUB_TOKEN 是由 GitHub Actions 自动提供的，并且具有适当的权限，无需手动创建。
• 分支保护: 如果你的主分支受保护，你可能需要调整 GitHub Actions 的权限或分支保护规则，以允许 Action 推送更改。