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。
实现原理
- 通过访问手机版的微博绕过其登录验证,可查看某个博主的大部分微博数据,如:https://m.weibo.cn/u/2896390104
- 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:
- 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 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。
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
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。
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;
- 缓存依赖:通过对依赖的缓存,可提升安装相关依赖的速度。具体使用可查看:缓存依赖项以加快工作流程;
- 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..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。