写点什么

我是程序员，我用这种方式铭记历史

用户头像
kokohuang
关注
发布于: 2020 年 12 月 07 日

✨War Of Resistance Live: 记录14年抗战的日日夜夜



✨开源地址：https://github.com/kokohuang/WarOfResistanceLive



✨预览地址：https://kokohuang.github.io/WarOfResistanceLive



前言



在目前浮躁的互联网环境下，做一件好事不难，难的是连续8年做一件有意义的事。



在微博上有这样一位博主，从2012年7月7日开始，截至到2020年9月2日，@抗战直播 以图文形式，记录了从1937年7月7日至1945年8月15日中华民族全面抗战的这段历史。2980 天，从未间断，平均每天 12 条，累计 35214 篇。



2020年9月18日7时零7分，沉寂了半个月的 @抗战直播 恢复更新，他们将继续以图文的形式记录1931年9月18日至1937年7月7日这六年的抗战历史。



下一个 6 年，他们已经在路上。



历史是不能被遗忘的。



作为程序员的我，在历史面前，我能做点什么？



除了敬佩 @抗战直播 这么多年来的坚持，我更想做一点自己力所能及且有意义的事情。



在得到博主 @抗战直播 的允许与支持后，于是就有了这个项目的诞生。



War Of Resistance Live



├── .github/workflows # 工作流配置文件
├── resources # 微博数据
├── site # 博客源码
└── spider # 微博爬虫



WarOfResistanceLive 是一个主要由 Python 爬虫 + Hexo 博客 + Github Actions持续集成服务组成的开源项目，开源在 GitHub 上，并且部署于 Github Pages。目前包含以下功能：



  • 每日定时自动同步更新数据

  • 查看博主目前所有的微博数据

  • 支持RSS订阅功能

  • 基于Github Actions的持续集成服务

  • ...



接下来，我将简单的给大家介绍该项目的一些核心逻辑与实现。



Python 爬虫



该项目使用的爬虫是基于 weibo-crawler 项目的简化及修改实现(仅供研究使用)，感谢作者 [dataabc](https://github.com/dataabc)。



实现原理





  • 通过开发者工具查看得知，通过 json 接口 https://m.weibo.cn/api/container/getIndex 即可获取微博数据列表：



```python

def get_json(self, params):

"""获取网页中json数据"""

url = 'https://m.weibo.cn/api/container/getIndex?'

r = requests.get(url,

params=params,

headers=self.headers,

verify=False)

return r.json()

```



如何使用



安装依赖：



pip3 install -r requirements.txt



使用：

python weibo.py



注意事项



  • 速度过快容易被系统限制：可通过加入随机等待逻辑，可降低被系统限制的风险；



  • 无法获取全部微博数据：可通过添加 cookie 逻辑获取全部数据；



更多内容可查看 weibo-crawler。



Hexo



经过了一番的抉择，最终选择 Hexo + [Next](https://github.com/theme-next/hexo-theme-next) 主题作为本项目的博客框架。



Hexo 是一款基于 Node.js 的静态博客框架，依赖少易于安装使用，可以方便的生成静态网页托管在 GitHub Pages 上，还有丰富的主题可供挑选。关于如何安装使用 Hexo 可详细查看官方文档：https://hexo.io/zh-cn/docs/。



那么，如何实现 RSS 订阅功能呢？



得益于 Hexo 丰富的插件功能，hexo-generator-feed 可以很方便的帮我们实现。



首先，在博客根目录下安装该插件：



$ npm install hexo-generator-feed --save



接着，在博客根目录下的 _config.yml 文件中添加相关配置:



feed:
  enable: true # 是否启用插件
  type: atom # Feed的类型，支持 atom 和 rss2，默认 atom
  path: atom.xml # 生成文件的路径
  limit: 30 # 生成最大文章数，如果为 0 或 false 则生成所有的文章
  content: true # 如果为 true 则展示文章所有内容
  content_limit: # 文章展示的内容长度，仅当 content 为 false 有效
  order_by: -date # 按照日期排序
  template: # 自定义模板路径



最后，在主题根目录下的 _config.yml 文件中添加 RSS 订阅入口：



menu:
  RSS: /atom.xml || fa fa-rss # atom.xml文件路径地址和图标设置



这样，我们就可以为自己的博客添加 RSS 订阅功能。WarOfResistanceLive 的订阅地址为：



https://kokohuang.github.io/WarOfResistanceLive/atom.xml



Github Actions 持续集成



Github Actions 是由 Github 于 2018年10月 推出的持续集成服务，在此之前，我们可能更多的使用 Travis CI 来实现持续集成服务。以我个人的感觉来看，Github Actions 功能非常强大，比 Travis CI 的可玩性更高，Github Actions 拥有丰富的 action 市场，将这些 action 组合起来，我们就可以很简单的完成很多很有趣的事情。



我们先来看看Github Actions 的一些基本概念：



  • workflow：工作流程。即持续集成一次运行的过程。该文件存放于仓库的 .github/workflows 目录中，可包含多个；



  • job：任务。一个 workflow 可包含一个或多个 jobs，即代表一次集成的运行，可完成一个或多个任务；



  • step：步骤。一个 job 由多个 step 组成，即代表完成一个任务需要哪些步骤；



  • action：动作。每个 step 里面可包含一个或多个 action，即代表一个步骤内，可执行多个 action 动作。



了解了 Github Actions 的这些基本概念后，我们来看看 WarOfResistanceLive 的持续集成服务是怎样实现的，以下是本项目使用的 workflow 完整实现：



# workflow 的名称
name: Spider Bot
# 设置时区
env:
  TZ: Asia/Shanghai
# 设置工作流触发方式.
on:
  # 定时触发，在 8:00-24:00 间每隔 2 小时更新一次(https://crontab.guru)
  # 由于 cron 设定的时间为 UTC 时间，所以 +8 即为北京时间
  schedule:
    - cron: "0 0-16/2 * * *"
  # 允许手动触发 Actions
  workflow_dispatch:
jobs:
  build:
    # 使用 ubuntu-latest 作为运行环境
    runs-on: ubuntu-latest
    # 将要执行的任务序列
    steps:
      # 检出仓库
      - name: Checkout Repository
        uses: actions/checkout@v2
      # 设置 Python 环境
      - name: Setup Python
        uses: actions/setup-python@v2
        with:
          python-version: "3.x"
      # 缓存 pip 依赖
      - name: Cache Pip Dependencies
        id: pip-cache
        uses: actions/cache@v2
        with:
          path: ~/.cache/pip
          key: ${{ runner.os }}-pip-${{ hashFiles('./spider/requirements.txt') }}
          restore-keys: |
            ${{ runner.os }}-pip-
      
      # 安装 pip 依赖
      - name: Install Pip Dependencies
        working-directory: ./spider
        run: |
          python -m pip install --upgrade pip
          pip install flake8 pytest
          if [ -f requirements.txt ]; then pip install -r requirements.txt; fi
      # 运行爬虫脚本
      - name: Run Spider Bot
        working-directory: ./spider  # 指定工作目录，仅对 run 命令生效
        run: python weibo.py
      # 获取系统当前时间
      - name: Get Current Date
        id: date
        run: echo "::set-output name=date::$(date +'%Y-%m-%d %H:%M')"
      # 提交修改
      - name: Commit Changes
        uses: EndBug/add-and-commit@v5
        with:
          author_name: Koko Huang
          author_email: huangjianke@vip.163.com
          message: "已同步最新数据(${{steps.date.outputs.date}})"
          add: "./"
        env:
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
      # 推送远端
      - name: Push Changes
        uses: ad-m/github-push-action@master
        with:
          branch: main
          github_token: ${{ secrets.GITHUB_TOKEN }}
      # 设置 Node.js 环境
      - name: Use Node.js 12.x
        uses: actions/setup-node@v1
        with:
          node-version: "12.x"
      # 缓存 NPM 依赖
      - name: Cache NPM Dependencies
        id: npm-cache
        uses: actions/cache@v2
        with:
          path: ~/.npm
          key: ${{ runner.os }}-node-${{ hashFiles('./site/package-lock.json') }}
          restore-keys: |
            ${{ runner.os }}-node-
      # 安装 NPM 依赖
      - name: Install NPM Dependencies
        working-directory: ./site
        run: npm install
      # 构建 Hexo
      - name: Build Hexo
        working-directory: ./site # 指定工作目录，仅对 run 命令生效
        run: npm run build
      # 发布 Github Pages
      - name: Deploy Github Pages
        uses: peaceiris/actions-gh-pages@v3
        with:
          github_token: ${{ secrets.GITHUB_TOKEN }}
          publish_dir: ./site/public # 指定待发布的路径地址
          publish_branch: gh-pages # 指定远程分支名称



workflow 文件的配置字段非常多，配置文件中也给出了详细的注释。接下来，我们主要看下以下几个比较重要的配置：



工作流的触发方式



# 设置工作流触发方式.
on:
  # 定时触发，在 8:00-24:00 间每隔 2 小时更新一次(https://crontab.guru)
  # 由于 cron 设定的时间为 UTC 时间，所以 +8 即为北京时间
  schedule:
    - cron: "0 0-16/2 * * *"
  # 允许手动触发工作流程
  workflow_dispatch:



我们可以使用 on 工作流程语法配置工作流程为一个或多个事件运行。支持自动与手动两种方式触发。schedule 事件允许我们在计划的时间触发工作流程，我们可以使用 POSIX cron 语法 来安排工作流程在特定的时间运行。



计划任务语法有五个字段，中间用空格分隔，每个字段代表一个时间单位：



┌───────────── minute (0 - 59)
│ ┌───────────── hour (0 - 23)
│ │ ┌───────────── day of the month (1 - 31)
│ │ │ ┌───────────── month (1 - 12 or JAN-DEC)
│ │ │ │ ┌───────────── day of the week (0 - 6 or SUN-SAT)
│ │ │ │ │                                   
│ │ │ │ │
│ │ │ │ │
* * * * *



我们可以使用 https://crontab.guru 来生成计划任务语法，你也可以查看更多的 [crontab guru 示例](https://crontab.guru/examples.html)。



另外，我们还可以通过配置 workflow_dispatch 和 repository_dispatch字段来实现手动触发工作流程。



on 字段也可以配置为 push，即仓库有 push 操作时则触发工作流的执行，详细的触发工作流配置可以查看 配置工作流程事件。



步骤序列



从配置文件中我们可以看到，该项目的一次持续集成的运行包含了以下步骤：





检出仓库 --> 设置 Python 环境 --> 缓存 pip 依赖 --> 安装 pip 依赖 --> 运行爬虫脚本 --> 获取当前时间 --> 提交修改 --> 推送远端 --> 设置 Node.js 环境 --> 缓存 NPM 依赖 --> 安装 NPM 依赖 --> 构建 Hexo --> 发布 Github Pages



本项目的 workflow 主要有以下几个要点：



  • 运行环境：整个工作流运行在虚拟环境 ubuntu-latest。还可以指定其他虚拟环境，如 Windows Server、macOS 等；





  • 获取当前时间：后续提交修改步骤中的 commit message 中使用到了该步骤中获取到当前时间，这里就使用到了 step 上下文 的相关概念，我们可以为 step 指定一个 id，后续 step 中我们就可以通过 steps.<step id>.outputs 来获取已经运行的步骤相关信息；



  • **构建 Hexo**：即执行 hexo generate 命令生成静态网页；



  • 工作流程中的身份验证：提交推送及发布步骤需要进行身份验证。GitHub 提供一个令牌，可用于代表 GitHub Actions 进行身份验证。我们所需要做的就是创建一个命名为 GITHUB_TOKEN 的令牌。具体步骤如下：Settings --> Developer settings --> Personal access tokens --> Generate new token，命名为 GITHUB_TOKEN ，并勾选中你所需要的的权限，然后就可以在 step 中通过使用 ${{ secrets.GITHUB_TOKEN }} 进行身份验证。



更多 Action 可在 Github 官方市场 查看。



结语



最后，引用博主 @抗战直播 的一段话：



“我们直播抗战，并非为了鼓动仇恨等负面的情绪，而是想适度唤起遗忘，当我们时刻牢记祖辈们蒙受的苦难、恐惧和屈辱时；当我们体味祖辈们是如何在国家民族危亡之际抛弃前嫌，实现民族和解时，当我们目睹着祖辈们是如何从容慷慨的走向死亡，以身体为这个国家献祭之时，相信我们对于现实将有更加成熟和理性的思考。”



铭记历史，砥砺奋进。



勿忘国耻，吾辈自强。



划线
评论
复制
发布于: 2020 年 12 月 07 日阅读数: 250

版权声明: 本文为 InfoQ 作者【kokohuang】的原创文章。

原文链接:【http://xie.infoq.cn/article/9608b38aab533ecb152fc6371】。文章转载请联系作者。

HexoGitHub Pagespython 爬虫中国历史铭记历史
用户头像

kokohuang

关注

还未添加个人签名 2019.01.14 加入

还未添加个人简介

评论

发布
暂无评论
Copyright © 2021, Geekbang Technology Ltd. All rights reserved. 极客邦控股（北京）有限公司 | 京 ICP 备 16027448 号 - 5京公网安备京公网安备 11010502039052号
我是程序员，我用这种方式铭记历史