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

最新电子电气架构（EEA）调研-3

而新一代的强实时性、高确定性，以及满足CAP定理的同步分布式协同技术（SDCT），可以实现替代TSN、DDS的应用，且此技术已经在无人车辆得到验证，同时其低成本学习曲线、无复杂二次开发工作，将开发人员的劳动强度、学习曲线极大降低，使开发人员更多的去完成算法、执行器功能完善。 五、各大车厂的EEA 我们调研策略是从公开信息中获得各大车厂的EEA信息，并在如下中进行展示。 我们集中了华为、特斯拉、大众、蔚来、小鹏、理想、东风（岚图）等有代表领先性的车辆电子电气架构厂商。        1、华为 图12 华为的CCA电子电气架构              （1）华为“计算＋通信”CC架构的三个平台                         1）MDC智能驾驶平台；                         2）CDC智能座舱平台                         3）VDC整车控制平台。        联接指的是华为智能网联解决方案，解决车内、车外网络高速连接问题，云服务则是基于云计算提供的服务，如在线车主服务、娱乐和OTA等。 华

By Ne0inhk
Apache IoTDB 架构特性与 Prometheus+Grafana 监控体系部署实践

Apache IoTDB 架构特性与 Prometheus+Grafana 监控体系部署实践

Apache IoTDB 架构特性与 Prometheus+Grafana 监控体系部署实践 文章目录 * Apache IoTDB 架构特性与 Prometheus+Grafana 监控体系部署实践 * Apache IoTDB 核心特性与价值 * Apache IoTDB 监控面板完整部署方案 * 安装步骤 * 步骤一：IoTDB开启监控指标采集 * 步骤二：安装、配置Prometheus * 步骤三：安装grafana并配置数据源 * 步骤四：导入IoTDB Grafana看板 * TimechoDB（基于 Apache IoTDB）增强特性 * 总结与应用场景建议 Apache IoTDB 核心特性与价值 Apache IoTDB 专为物联网场景打造的高性能轻量级时序数据库，以 “设备 - 测点” 原生数据模型贴合物理设备与传感器关系，通过高压缩算法、百万级并发写入能力和毫秒级查询响应优化海量时序数据存储成本与处理效率，同时支持边缘轻量部署、

By Ne0inhk
SQL Server 2019安装教程(超详细图文)

SQL Server 2019安装教程(超详细图文)

SQL Server 介绍） SQL Server 是由 微软（Microsoft） 开发的一款 关系型数据库管理系统（RDBMS），支持结构化查询语言（SQL）进行数据存储、管理和分析。自1989年首次发布以来，SQL Server 已成为企业级数据管理的核心解决方案，广泛应用于金融、电商、ERP、CRM 等业务系统。它提供高可用性、安全性、事务处理（ACID）和商业智能（BI）支持，并支持 Windows 和 Linux 跨平台部署。 一、获取 SQL Server 2019 安装包 1. 官方下载方式 前往微软官网注册账号后，即可下载 SQL Server Developer 版本（

By Ne0inhk