我想检索包含README文件的存储库的用户，该文件包含与查询中传递的字符串匹配的文本。这可能是使用GitHub API吗？
此外，我想在查询中包含位置和语言。
感谢。
答案 0 :(得分：4)
现在使用可用的API并不简单。但是，您可以使用API来获得所需内容。
请注意，Github上有超过1000万个存储库 - 这需要很长时间。由于每个查询只能检索100个存储库的列表，因此需要使用分页 - ＆gt;超过100000个请求获取所有存储库。用户每小时限制为5000个请求，然后您被禁止＆＃34;再过一个小时。如果您只使用一个用户凭据，则需要40多个小时。
步骤：
获取包含所有存储库的JSON（https://developer.github.com/v3/repos/#list-all-public-repositories）
使用分页每个查询获取100个对象（https://developer.github.com/v3/#link-header）
解码json并检索存储库列表
对于每个存储库，您需要从JSON获取存储库URL对象，该对象为您提供存储库的链接。
现在您需要获取README内容。有两种方法： a）您使用Github API，使用repo url并发送：https://api.github.com/repos/:owner/:repo/readme（https://developer.github.com/v3/repos/contents/#get-the-readme）的GET请求，然后解码文件（使用Base64编码）或者您遵循html JSON的属性，例如＆＃34; html＆＃34;：＆＃34; https://github.com/pengwynn/octokit/blob/master/README.md＆＃34;。如果没有README，您将获得404 Not found代码，因此您可以轻松前往下一个存储库。
b）您只需使用步骤4为README创建URL，例如https://api.github.com/repos/octocat/Hello-World;并解析它并将其转换为https://github.com/octocat/Hello-World/README.MD;但是如果没有自述文件，这将会更复杂。
在文件中搜索您的特定文字，如果找到了文字，则记录与否。
迭代直到您浏览完所有存储库。
高级内容 - 如果您打算更频繁地运行此操作，我强烈建议您使用缓存https://developer.github.com/v3/#conditional-requests;您基本上存储了完成查询的日期+时间，并在以后使用它来查看存储库中是否有任何更改。如果您需要获取最新信息，这将消除您的许多后续查询。您仍然需要检索整个存储库列表。 （但之后你只搜索更新的存储库）
当然为了加快速度，您可以改进此算法以使其并行 - 您检索100个存储库，然后继续检索下一个100，同时您搜索前100个存储库是否包含README文件，如果自述文件包含您要搜索的内容，等等。这将使事情更快，更肯定。您将需要使用某种缓冲区，因为您不知道哪个终止更快（获取存储库列表或搜索它们）
希望它有所帮助。