基于Rust实现爬取 GitHub Trending 热门仓库

Ne0inhk

— 11 min read
基于Rust实现爬取 GitHub Trending 热门仓库
这个实战项目将使用 Rust 实现一个爬虫，目标是爬取 GitHub Trending 页面的热门 Rust 仓库信息（仓库名、描述、星标数、作者等），并将结果输出为 JSON 文件。本次更新基于优化后的代码，重点提升了错误处理容错性和 CSS 选择器稳定性。

技术栈

  • HTTP 请求：reqwest（ Rust 最流行的 HTTP 客户端，支持异步）
  • HTML 解析：scraper（基于 selectors 库，支持 CSS 选择器，轻量高效）
  • JSON 序列化：serde + serde_json（ Rust 标准的序列化 / 反序列化库）
  • 异步运行时：tokio（ Rust 异步编程的事实标准）
  • 日志：env_logger + log（简单的日志输出，方便调试）
  • 错误处理：anyhow（简化错误传递，无需手动定义复杂错误类型）

项目结构

github-trending-crawler/ ├── Cargo.toml # 依赖配置 ├── src/ │ └── main.rs # 核心逻辑 └── trending_repos.json # 输出结果文件（运行后生成）

步骤 1：创建项目并配置依赖

1.1 创建项目

cargo new github-trending-crawler cd github-trending-crawler

1.2 配置 Cargo.toml

添加依赖项（确保版本兼容，可通过 crates.io 查询最新版本）：

[package] name = "github-trending-crawler" version = "0.1.0" edition = "2021" description = "A crawler to fetch GitHub Trending Rust repositories" license = "MIT" [dependencies] # HTTP 客户端（异步） reqwest = { version = "0.12", features = ["json", "rustls-tls"] } # HTML 解析（CSS 选择器） scraper = "0.18" # JSON 序列化/反序列化 serde = { version = "1.0", features = ["derive"] } serde_json = "1.0" # 异步运行时 tokio = { version = "1.0", features = ["full"] } # 日志 log = "0.4" env_logger = "0.10" # 错误处理（可选，简化错误传递） anyhow = "1.0"

步骤 2：核心逻辑实现（src/main.rs ）

2.1 导入依赖和初始化日志

use anyhow::{Context, Result}; use log::info; use reqwest::Client; use scraper::{Html, Selector}; use serde::Serialize; use std::fs::File; use std::path::Path; // 初始化日志（运行时打印调试信息） fn init_logger() { env_logger::Builder::from_env(env_logger::Env::default().default_filter_or("info")).init(); }

2.2 定义数据结构（序列化用）

定义存储仓库信息的结构体，使用 serde::Serialize trait 支持 JSON 序列化，字段与 GitHub Trending 页面信息一一对应：

#[derive(Debug, Serialize)] struct GithubRepo { // 作者/组织名 author: String, // 仓库名 name: String, // 仓库描述 description: Option<String>, // 星标数 stars: String, // 分支数 forks: String, // 今日新增星标 today_stars: String, // 仓库链接 url: String, }

2.3 核心爬虫逻辑

2.3.1 构建 HTTP 客户端并请求页面

优化点：保持原有 User-Agent 伪装和超时设置，确保请求不被 GitHub 拒绝，同时保留详细的请求错误上下文：

async fn fetch_trending_page(client: &Client) -> Result<String> { // GitHub Trending Rust 页面 URL（按今日热门排序） let url = "https://github.com/trending/rust?since=daily"; info!("Fetching page: {}", url); // 发送 GET 请求（设置 User-Agent 模拟浏览器，避免被 GitHub 拦截） let response = client .get(url) .header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36") .send() .await .context(format!("Failed to request URL: {}", url))?; // 检查响应状态码（200-299 为成功状态） if !response.status().is_success() { return Err(anyhow::anyhow!( "Request failed with status: {}", response.status() )); } // 读取响应体（HTML 字符串），并记录页面大小 let html = response.text().await.context("Failed to read response body")?; info!("Successfully fetched page (size: {} bytes)", html.len()); Ok(html) }
2.3.2 解析 HTML 提取仓库信息

优化点：

  1. CSS 选择器错误处理：用 map_err，直接显示选择器解析错误详情，便于调试；
  2. 选择器稳定性提升：将描述选择器改为通用 p 标签、星标 / 分支选择器改为基于 href 后缀（如 a[href$='/stargazers']），避免因 GitHub 样式类名变更导致解析失败；
  3. 缺失值容错：用 unwrap_or_else 给缺失的星标 / 分支 / 今日新增星标设置默认值 "0"，避免程序 panic；
  4. 代码简化：合并作者名元素提取逻辑，减少重复代码。
fn parse_repos(html: &str) -> Result<Vec<GithubRepo>> { info!("Starting to parse repositories..."); let document = Html::parse_document(html); // 定义 CSS 选择器（优化后：基于语义化属性，降低页面样式变更影响） // 1. 每个仓库的根节点选择器（GitHub 仓库列表统一用 article.Box-row 包裹） let repo_selector = Selector::parse("article.Box-row") .map_err(|e| anyhow::anyhow!("Failed to parse repo selector: {}", e))?; // 2. 作者 + 仓库名选择器（h2 下的 a 标签，包含仓库路径） let author_name_selector = Selector::parse("h2 a") .map_err(|e| anyhow::anyhow!("Failed to parse author-name selector: {}", e))?; // 3. 仓库描述选择器（通用 p 标签，避免依赖特定类名） let desc_selector = Selector::parse("p") .map_err(|e| anyhow::anyhow!("Failed to parse description selector: {}", e))?; // 4. 星标数选择器（基于 href 后缀 /stargazers，语义化更强） let stars_selector = Selector::parse("a[href$='/stargazers']") .map_err(|e| anyhow::anyhow!("Failed to parse stars selector: {}", e))?; // 5. 分支数选择器（基于 href 后缀 /forks，语义化更强） let forks_selector = Selector::parse("a[href$='/forks']") .map_err(|e| anyhow::anyhow!("Failed to parse forks selector: {}", e))?; // 6. 今日新增星标选择器（基于 data-menu-button-text 属性，稳定性更高） let today_stars_selector = Selector::parse("span[data-menu-button-text]") .map_err(|e| anyhow::anyhow!("Failed to parse today-stars selector: {}", e))?; let mut repos = Vec::new(); // 遍历每个仓库节点，提取信息 for repo_node in document.select(&repo_selector) { // 1. 提取作者和仓库名（格式："author/name"，从 a 标签文本中解析） let author_name_element = repo_node .select(&author_name_selector) .next() .context("Missing author/name element (GitHub page structure may have changed)")?; // 清理文本（去除空格和换行符） let author_name_text = author_name_element .text() .collect::<String>() .trim() .to_string(); // 分割作者和仓库名（格式必须为 "author/name"，否则报错） let (author, name) = author_name_text .split_once('/') .context(format!("Invalid author/name format: '{}' (expected 'author/name')", author_name_text))?; let author = author.trim().to_string(); let name = name.trim().to_string(); // 2. 提取仓库完整链接（补全 GitHub 域名，a 标签的 href 属性为相对路径） let url = author_name_element .value() .attr("href") .context("Missing href attribute for repo link")? .to_string(); let url = format!("https://github.com{}", url); // 拼接完整 URL // 3. 提取仓库描述（可选，无描述时为 None，避免强制 unwrap 导致 panic） let description = repo_node .select(&desc_selector) .next() .map(|elem| elem.text().collect::<String>().trim().to_string()); // 4. 提取星标数（缺失时默认值为 "0"，容错性优化） let stars = repo_node .select(&stars_selector) .next() .map(|elem| elem.text().collect::<String>().trim().to_string()) .unwrap_or_else(|| "0".to_string()); // 5. 提取分支数（缺失时默认值为 "0"，容错性优化） let forks = repo_node .select(&forks_selector) .next() .map(|elem| elem.text().collect::<String>().trim().to_string()) .unwrap_or_else(|| "0".to_string()); // 6. 提取今日新增星标（缺失时默认值为 "0"，容错性优化） let today_stars = repo_node .select(&today_stars_selector) .next() .map(|elem| elem.text().collect::<String>().trim().to_string()) .unwrap_or_else(|| "0".to_string()); // 构建仓库对象并添加到列表 repos.push(GithubRepo { author, name, description, stars, forks, today_stars, url, }); } info!("Successfully parsed {} repositories", repos.len()); Ok(repos) }
2.3.3 保存结果到 JSON 文件

将解析后的仓库列表序列化为格式化的 JSON（pretty 模式），便于阅读和后续处理：

fn save_repos_to_json(repos: &[GithubRepo], path: &str) -> Result<()> { info!("Saving repositories to JSON file: {}", path); // 创建文件（若已存在会覆盖） let file = File::create(Path::new(path)) .context(format!("Failed to create file: {} (check directory permissions)", path))?; // 序列化并写入文件（pretty 模式：缩进格式化，可读性强） serde_json::to_writer_pretty(file, repos) .context("Failed to serialize repos to JSON (invalid data format)")?; info!("Successfully saved {} repos to {}", repos.len(), path); Ok(()) }

2.4 主函数

使用 tokio 异步运行时，按 “请求页面 → 解析信息 → 保存结果” 的流程执行，同时保留详细日志：

#[tokio::main] async fn main() -> Result<()> { // 初始化日志（程序启动时执行） init_logger(); info!("Starting GitHub Trending Rust Crawler..."); // 创建 HTTP 客户端（设置超时，避免网络问题导致程序卡死） let client = Client::builder() .connect_timeout(std::time::Duration::from_secs(10)) // 连接超时：10 秒 .timeout(std::time::Duration::from_secs(15)) // 响应超时：15 秒 .build() .context("Failed to create HTTP client (check network or dependencies)")?; // 1. 爬取 GitHub Trending 页面 HTML let html = fetch_trending_page(&client).await?; // 2. 解析 HTML，提取仓库信息 let repos = parse_repos(&html)?; // 3. 将结果保存到 JSON 文件（项目根目录下的 trending_repos.json） save_repos_to_json(&repos, "trending_repos.json")?; info!("Crawler finished successfully! Check 'trending_repos.json' for results."); Ok(()) }

步骤 3：运行项目并验证结果

3.1 运行爬虫

# 直接运行（默认输出 info 级别日志） cargo run # （可选）输出 debug 级别日志（查看更详细的执行过程，便于调试） RUST_LOG=debug cargo run

3.2 验证结果

运行成功后，项目根目录会生成 trending_repos.json 文件，优化后的结果示例（容错性提升，无缺失值）：

[ { "author": "YaLTeR", "name": "niri", "description": "A scrollable-tiling Wayland compositor.", "stars": "14,823", "forks": "523", "today_stars": "0", "url": "https://github.com/YaLTeR/niri" }, { "author": "librespot-org", "name": "librespot", "description": "Open Source Spotify client library", "stars": "6,131", "forks": "773", "today_stars": "0", "url": "https://github.com/librespot-org/librespot" }, { "author": "zensical", "name": "zensical", "description": "A modern static site generator by the creators of Material for MkDocs", "stars": "859", "forks": "12", "today_stars": "0", "url": "https://github.com/zensical/zensical" }, { "author": "atuinsh", "name": "atuin", "description": "✨ Magical shell history", "stars": "26,951", "forks": "730", "today_stars": "0", "url": "https://github.com/atuinsh/atuin" }, { "author": "openai", "name": "codex", "description": "Lightweight coding agent that runs in your terminal", "stars": "50,236", "forks": "6,238", "today_stars": "0", "url": "https://github.com/openai/codex" }, { "author": "bevyengine", "name": "bevy", "description": "A refreshingly simple data-driven game engine built in Rust", "stars": "43,023", "forks": "4,224", "today_stars": "0", "url": "https://github.com/bevyengine/bevy" }, { "author": "topjohnwu", "name": "Magisk", "description": "The Magic Mask for Android", "stars": "56,884", "forks": "15,868", "today_stars": "0", "url": "https://github.com/topjohnwu/Magisk" }, { "author": "uutils", "name": "coreutils", "description": "Cross-platform Rust rewrite of the GNU coreutils", "stars": "22,144", "forks": "1,637", "today_stars": "0", "url": "https://github.com/uutils/coreutils" }, { "author": "regolith-labs", "name": "ore", "description": "It's time to mine.", "stars": "741", "forks": "262", "today_stars": "0", "url": "https://github.com/regolith-labs/ore" }, { "author": "commonwarexyz", "name": "monorepo", "description": "Commonware Library Primitives and Examples", "stars": "369", "forks": "131", "today_stars": "0", "url": "https://github.com/commonwarexyz/monorepo" }, { "author": "rust-lang", "name": "rust-analyzer", "description": "A Rust compiler front-end for IDEs", "stars": "15,670", "forks": "1,864", "today_stars": "0", "url": "https://github.com/rust-lang/rust-analyzer" }, { "author": "chroma-core", "name": "chroma", "description": "Open-source search and retrieval database for AI applications.", "stars": "24,344", "forks": "1,912", "today_stars": "0", "url": "https://github.com/chroma-core/chroma" }, { "author": "getzola", "name": "zola", "description": "A fast static site generator in a single binary with everything built-in. https://www.getzola.org", "stars": "16,120", "forks": "1,094", "today_stars": "0", "url": "https://github.com/getzola/zola" }, { "author": "longbridge", "name": "gpui-component", "description": "Rust GUI components for building fantastic cross-platform desktop application by using GPUI.", "stars": "7,532", "forks": "297", "today_stars": "0", "url": "https://github.com/longbridge/gpui-component" }, { "author": "fish-shell", "name": "fish-shell", "description": "The user-friendly command line shell.", "stars": "31,470", "forks": "2,159", "today_stars": "0", "url": "https://github.com/fish-shell/fish-shell" }, { "author": "Spotifyd", "name": "spotifyd", "description": "A spotify daemon", "stars": "10,404", "forks": "487", "today_stars": "0", "url": "https://github.com/Spotifyd/spotifyd" }, { "author": "tree-sitter", "name": "tree-sitter", "description": "An incremental parsing system for programming tools", "stars": "22,666", "forks": "2,198", "today_stars": "0", "url": "https://github.com/tree-sitter/tree-sitter" }, { "author": "UwUDev", "name": "ygege", "description": "High-performance indexer for YGG Torrent written in Rust", "stars": "78", "forks": "9", "today_stars": "0", "url": "https://github.com/UwUDev/ygege" }, { "author": "ankitects", "name": "anki", "description": "Anki is a smart spaced repetition flashcard program", "stars": "24,634", "forks": "2,583", "today_stars": "0", "url": "https://github.com/ankitects/anki" }, { "author": "get-convex", "name": "convex-backend", "description": "The open-source reactive database for app developers", "stars": "8,066", "forks": "452", "today_stars": "0", "url": "https://github.com/get-convex/convex-backend" } ]

项目总结

本项目是基于 Rust 开发的 GitHub Trending 热门 Rust 仓库爬虫，通过 reqwest 实现异步 HTTP 请求、scraper 解析 HTML 页面、serde 系列库完成 JSON 序列化，搭配 tokio 异步运行时和 anyhow 错误处理库，构建了高效且健壮的爬取流程。相较于初始版本，优化后的代码在 CSS 选择器上采用语义化属性（如基于 href 后缀、数据属性），降低了 GitHub 页面样式变更带来的维护成本；在错误处理上，通过 map_err 明确选择器解析错误、unwrap_or_else 处理信息缺失场景，大幅提升了程序容错性；同时保留详细日志输出，便于调试和问题定位。项目最终能稳定爬取每日热门 Rust 仓库的作者、名称、描述、星标数等关键信息，并以格式化 JSON 文件存储结果。

想了解更多关于Rust语言的知识及应用，可前往华为开放原子旋武开源社区https://xuanwu.openatom.cn/，了解更多资讯～

Read more

2026 年企业级 AI 四层黄金架构：RAG、AI Agents、MCP、A2A，从来不是竞争对手，而是完整的协同体系

2026 年企业级 AI 四层黄金架构：RAG、AI Agents、MCP、A2A，从来不是竞争对手，而是完整的协同体系

2026 年，生成式 AI 已经全面从「对话式玩具」迈入「企业级业务自动化」的深水区。但行业里始终存在一个普遍的认知误区：太多人把 RAG、AI Agents、MCP、A2A 放在对立面争论「谁更重要」「谁能替代谁」，最终在架构设计上陷入非此即彼的内耗，搭建的 AI 系统要么只能做简单的问答，要么无法规模化落地，永远停留在 Demo 阶段。 但事实上，这四项技术从来不是竞争关系 —— 它们是企业级 AI 系统的四个分层，分别对应了知识注入、任务执行、工具连接、多智能体协同四大核心环节，各司其职、互为补充，共同构成了从「回答问题」到「解决问题」的完整 AI 自动化闭环。用最直白的话来说：RAG 解决「回答得更准」，AI

By Ne0inhk
MySQL 内置函数指南：日期、字符串、数学函数实战

MySQL 内置函数指南：日期、字符串、数学函数实战

🔥草莓熊Lotso：个人主页 ❄️个人专栏: 《C++知识分享》《Linux 入门到实践：零基础也能懂》 ✨生活是默默的坚持，毅力是永久的享受！ 🎬 博主简介： 文章目录 * 前言： * 一. 日期函数：处理时间相关需求 * 1.1 核心日期函数表 * 1.2 实战案例 * 1.2.1 基础时间获取 * 1.2.2 日期加减运算 * 1.2.3 日期差计算与时间提取 * 1.2.4 业务场景：查询近期数据 * 二. 字符串函数：处理文本数据 * 2.1 核心字符串函数表 * 2.2 实战案例 * 2.2.

By Ne0inhk
数据库基础与MySQL核心组件解析

数据库基础与MySQL核心组件解析

—数据库专栏— 数据库基础与MySQL核心组件深度解析 * @[toc](数据库基础与MySQL核心组件深度解析) * 一、数据库基础：为什么我们需要它？ * 1.1 什么是数据库？ * 1.2 使用数据库的九大作用 * 二、关系型数据库与主流产品 * 2.1 关系型数据库（Relational Database）定义 * 2.1 非关系型数据库 * 2.2 主流关系型与非关系型数据库 * 三、MySQL安装与核心配置 * 3.1 MySQL 服务端程序 `mysqld` * 3.2 数据库服务器、数据库与表的关系 * 3.3 选项（配置）文件详解 * 四、MySQL客户端工具 * 五、客户端与服务器的通讯方式 * 5.1 C/

By Ne0inhk
ELK（Elasticsearch+Logstash+Kibana）传统日志采集架构与ELFKK（Elasticsearch+Logstash+Kibana+Filebeat+Kafka）对比

ELK（Elasticsearch+Logstash+Kibana）传统日志采集架构与ELFKK（Elasticsearch+Logstash+Kibana+Filebeat+Kafka）对比

传统ELK与增加Filebeat和Kafka后的架构对比表格 本文讲传统日志采集架构ELK（Elasticsearch+Logstash+Kibana）与ELK集成FileBeat、Kafka后的ELFKK 对比，并以表格的形式进行输出： 对比维度传统ELK架构ELFKK架构架构组成Elasticsearch + Logstash + KibanaElasticsearch + Logstash + Filebeat + Kafka + Kibana日志采集方式Logstash直接采集日志Filebeat采集日志后发送至Kafka中间缓冲机制无缓冲机制使用Kafka作为消息队列缓冲系统资源占用Logstash资源占用较高Filebeat资源占用低，Logstash负载减轻扩展性扩展性有限，Logstash易成为瓶颈支持水平扩展，Kafka提供高吞吐能力容错性Logstash故障可能导致数据丢失Kafka提供持久化，数据不会丢失部署复杂度相对简单需要额外部署Kafka，复杂度增加适用场景日志量小、系统简单日志量大、高并发、分布式系统 附件一：Filebeat采集日志步骤

By Ne0inhk