在现代软件开发中，自动化数据收集和同步是提高效率的关键。今天，我将分享一个我最近开发的PHP脚本，它能够自动从GitHub API搜索特定关键词的仓库，并将这些数据同步到MySQL数据库中。这个过程不仅涉及到API调用和数据处理，还包括数据库操作和错误管理。让我们一步步深入了解这个脚本的实现。

关键词的筛选

首先，我定义了一个关键词数组，这些关键词是我希望通过GitHub API搜索的。这些关键词主要是与安全漏洞相关的CVE和CNVD标识符。

$keywords = ['CVE-2020', 'CVE-2021', 'CVE-2022', 'CVE-2023', 'CVE-2024', 'CNVD-'];

授权GitHub API访问

为了与GitHub API进行交互，我需要一个访问令牌。这个令牌是与GitHub账户关联的安全凭证，用于验证API请求的身份。出于安全考虑，我建议不要在代码中硬编码这个令牌，而是通过环境变量或其他安全措施来管理。

$accessToken = 'YOUR_GITHUB_ACCESS_TOKEN';

数据库连接配置

接下来，我配置了数据库连接信息，包括数据源名称、用户名和密码。这些信息同样需要保密，并且在生产环境中应该使用更安全的方法来存储和访问。

$dsn = 'mysql:host=localhost;dbname=your_database;charset=utf8'; $username = 'your_username'; $password = 'your_password';

创建PDO数据库连接

使用PDO（PHP Data Objects）扩展，我创建了一个数据库连接实例。PDO提供了一个数据访问抽象层，这意味着我可以轻松地切换到不同的数据库系统，而不需要修改太多的代码。

$pdo = new PDO($dsn, $username, $password);

初始化操作计数器

为了跟踪脚本的执行情况，我初始化了两个计数器：一个用于记录成功插入数据库的记录数，另一个用于记录遇到的错误数。

$successCount = 0; $errorCount = 0;

遍历关键词与分页搜索

我遍历每个关键词，并构建GitHub API的搜索URL。为了不超出API的速率限制，我实现了分页逻辑，最多搜索50页。

foreach ($keywords as $keyword) { for ($page = 1; $page <= 50; $page++) { $url = "https://api.github.com/search/repositories?q=" . urlencode($keyword) . "&per_page=100&page=$page"; // ... } }

设置HTTP请求头

在发送HTTP请求之前，我设置了请求头，包括User-Agent和Authorization（Bearer Token），这是GitHub API要求的。

$options = [ "http" => [ "header" => "User-Agent: My PHP Scriptrn" . "Authorization: Bearer $accessToken" ] ];

发送请求并处理响应

使用file_get_contents函数，我发送HTTP请求并获取响应。如果请求失败，我会输出错误信息并增加错误计数。

$response = file_get_contents($url, false, $context); if ($response === false) { echo "错误：无法从 GitHub API 获取数据，关键词：$keywordn"; $errorCount++; continue; }

解析JSON响应与数据库操作

我将JSON响应解析为数组，并检查是否找到了搜索结果。对于每个结果，我检查数据库中是否已存在相同的仓库地址，如果不存在，则将其插入数据库。

$result = json_decode($response, true); if (isset($result['items'])) { foreach ($result['items'] as $item) { // ... $stmt = $pdo->prepare("INSERT INTO github_monitor (repo_name, repo_url, description, created_at) VALUES (?, ?, ?, ?)"); $result = $stmt->execute([$repoName, $repoUrl, $description, $createdAt]); // ... } } 错误处理与分页逻辑 如果单页的结果少于100条，我假设已经获取了所有结果，并结束分页。 if (count($result['items']) < 100) { break; }

输出执行总结

最后，我输出了成功插入的仓库数和遇到的错误总数，以便了解脚本的执行效果。

echo "总共成功插入的仓库数：$successCountn"; echo "遇到的错误总数：$errorCountn";

在前端的呈现

总结与改进

通过这个脚本，我实现了自动化的数据收集和同步。然而，还有改进的空间，比如增强安全性、优化错误处理、提升性能和代码重构。这些改进将使脚本更加健壮和易于维护。通过这篇文章，我希望能够分享我的实践经验，并为其他开发者提供一些有价值的见解。

原文始发于微信公众号（HackTips）：使用PHP实现GitHub API搜索与数据库同步