python 小工具，获取 github 仓库信息

1. 起因，目的:

想看看一个 github 项目的开始时间。

2. 先看效果

见文末输出示例

3. 过程，功能

解析仓库 URL；用于提取用户名和项目名，便于构造本地路径和文件名。
克隆仓库（如果本地不存在）；避免重复克隆，节省时间和磁盘空间。
获取提交记录；通过 git log 命令提取每次提交的关键信息。
保存为 CSV；便于后续使用 Excel 或 Python 工具进行分析处理。
打印部分提交摘要；快速查看最早和最新的提交情况。

代码 1

python 复制代码

import os
import git  # pip install gitpython pandas
import pandas as pd
import subprocess
from urllib.parse import urlparse, urlsplit

def clone_repository(repo_url, local_path):
    try:
        if os.path.exists(local_path):
            print(f"路径 {local_path} 已存在，跳过克隆。")
            return True
        git.Repo.clone_from(repo_url, local_path)
        print(f"成功克隆仓库到 {local_path}")
        return True
    except Exception as e:
        print(f"克隆仓库失败: {e}")
        return False

def get_git_commits(local_path):
    try:
        # Windows 命令行语法，使用 UTF-8 编码
        cmd = (
            f'cd /d "{local_path}" & git log --pretty=format:"%H||%an||%ad||%s" '
            '--date=iso'
        )
        result = subprocess.run(
            cmd, shell=True, capture_output=True, text=True, check=True, encoding='utf-8'
        )
        commits = []
        for line in result.stdout.splitlines():
            try:
                parts = line.split("||", 3)
                if len(parts) == 4:
                    commits.append({
                        'sha': parts[0],
                        'author': parts[1],
                        'date': parts[2],
                        'message': parts[3]
                    })
                else:
                    print(f"跳过格式错误的提交记录: {line[:50]}...")
            except UnicodeDecodeError as e:
                print(f"跳过无法解码的提交记录: {e}")
                continue
        print(f"从本地仓库获取 {len(commits)} 条提交记录")
        return commits
    except subprocess.CalledProcessError as e:
        print(f"获取本地提交记录失败: {e}")
        return None
    except UnicodeDecodeError as e:
        print(f"命令输出解码失败: {e}")
        return None

def save_commits_to_csv(commits, output_file):
    if not commits:
        print("没有提交记录可保存")
        return
    df = pd.DataFrame(commits)
    df.to_csv(output_file, index=False, encoding='utf-8')
    print(f"提交记录已保存到 {output_file}")

def print_commit_info(commits, num=5):
    if not commits:
        print("没有提交记录可打印")
        return
    sorted_commits = sorted(commits, key=lambda x: x['date'])
    print(f"\n最早的 {num} 个提交记录:")
    for commit in sorted_commits[:num]:
        print(f"SHA: {commit['sha'][:7]} | 作者: {commit['author']} | 日期: {commit['date']} | 信息: {commit['message'][:100]}...")
    print(f"\n最新的 {num} 个提交记录:")
    for commit in sorted_commits[-num:]:
        print(f"SHA: {commit['sha'][:7]} | 作者: {commit['author']} | 日期: {commit['date']} | 信息: {commit['message'][:100]}...")

def parse_repo_url(repo_url):
    try:
        parsed_url = urlparse(repo_url)
        path = parsed_url.path.strip('/')
        if path.endswith('.git'):
            path = path[:-4]
        parts = path.split('/')
        if len(parts) >= 2:
            repo_owner, repo_name = parts[-2], parts[-1]
            return repo_owner, repo_name
        else:
            print("无效的 GitHub URL 格式")
            return None, None
    except Exception as e:
        print(f"解析 URL 失败: {e}")
        return None, None

def main(repo_url):
    repo_owner, repo_name = parse_repo_url(repo_url)
    if not repo_owner or not repo_name:
        print("无法继续执行：无效的仓库 URL")
        return
    local_path = f"./{repo_name}_repo"
    output_csv = f"{repo_name}_commits.csv"
    if not clone_repository(repo_url, local_path):
        return
    commits = get_git_commits(local_path)
    if commits:
        save_commits_to_csv(commits, output_csv)
        print_commit_info(commits, num=5)
    

if __name__ == "__main__":
    main("https://github.com/sktime/sktime.git")


#

输出：

txt 复制代码

路径 ./sktime_repo 已存在，跳过克隆。
从本地仓库获取 5395 条提交记录
提交记录已保存到 sktime_commits.csv

最早的 5 个提交记录:
SHA: 7294faa | 作者: mloning | 日期: 2018-11-18 12:30:13 +0000 | 信息: setting up project repo...
SHA: 3bcd4ff | 作者: mloning | 日期: 2018-11-18 12:36:30 +0000 | 信息: updated contributing guidelines...
SHA: 1539eb3 | 作者: Sajaysurya Ganesh | 日期: 2019-01-08 20:22:43 +0000 | 信息: Initial commit with sklearn suggested template...
SHA: f598253 | 作者: Sajaysurya Ganesh | 日期: 2019-01-09 11:07:06 +0000 | 信息: Removed currently unnecessary files to have just the basics...
SHA: da12582 | 作者: Sajaysurya Ganesh | 日期: 2019-01-09 15:25:16 +0000 | 信息: Added a dummy classifier, with appropriate tests...

最新的 5 个提交记录:
SHA: 4c6f4ed | 作者: Martin Tveten | 日期: 2025-05-19 22:55:57 +0200 | 信息: [ENH ] skchange homogenization: variable identification + minor fixes (#7509)...
SHA: b9fc4fb | 作者: Robert Kübler | 日期: 2025-05-20 23:51:59 +0200 | 信息: [ENH] Simplify HampelFilter code and add a unit test (#8249)...
SHA: 9c57a24 | 作者: Yury Fedotov | 日期: 2025-05-22 16:21:58 -0500 | 信息: [DOC] Add missing space to `Pipeline` constructor warning (#8275)...
SHA: 4169644 | 作者: Om Biradar | 日期: 2025-05-23 00:41:58 +0530 | 信息: [ENH] Add `relative_to` parameter to percentage error metrics to enable relative-by-prediction metri...
SHA: e38641b | 作者: Harshvir Sandhu | 日期: 2025-05-23 15:46:52 +0530 | 信息: [ENH] Add regularization hyperparameter in ReconcilerForecaster (#7660)...

4. 结论 + todo

一个小工具而已。
虽然AI 能写，但是改来改去，也很费时间。问了老半天。

希望对大家有帮助。

python 小工具，获取 github 仓库信息

1. 起因， 目的:

2. 先看效果

3. 过程， 功能

代码 1

4. 结论 + todo

1. 起因，目的:

3. 过程，功能