GitHub 新 Star 历史接口能获取哪些统计数据
如果你的报表只关心“这个仓库最近增长得快不快”,GitHub 新增的 Star history REST API 已经给出了更合适的数据入口:它按日和按周返回 Star 数量变化,但不暴露每个 stargazer 的账号。换句话说,你可以继续画增长曲线、做周环比和识别发布后的峰值,却不能把它当成用户明细接口。
- 核心路径是
GET /repos/{owner}/{repo}/stargazers/history,每条记录代表一个日历周。 total是该周新增 Star 总数,days是从周日开始的 7 个日新增数。- 结果按最近周在前返回,分页继续向仓库创建周回溯;无 Star 的周也会保留为 0。
新接口到底返回哪些统计数据
GitHub 在 2026 年 9 月 4 日的 Changelog 中说明,新接口用于在不暴露 stargazer 身份的前提下追踪仓库 Star 增长。官方 REST 文档把返回结果定义为按日历周分组的历史序列,最近的一周排在前面。
| 字段 | 含义 | 接入报表时的用法 |
|---|---|---|
week | 该周的时间戳 | 作为周粒度时间轴,注意周边界不保证按 UTC 对齐 |
total | 该周新增 Star 数 | 计算周环比、发布前后对比 |
days | 长度为 7 的每日新增数,周日是第一个元素 | 定位哪一天出现峰值 |
官方示例中的一条记录形如 {"week":1754784000,"total":19,"days":[0,12,7,0,0,0,0]}。这里的 19 应当等于七个日值之和。这个接口给的是仓库层面的聚合统计,不包含登录名、用户 ID、头像或每次 Star 的个人时间戳。

一次请求如何读取周与日数据
公共仓库可以在不认证的情况下请求这类公开资源;需要认证时,细粒度令牌至少要有仓库 Metadata 读取权限。生产脚本仍建议显式带上推荐的 Accept 头和 API 版本头:
curl -L \
-H "Accept: application/vnd.github+json" \
-H "X-GitHub-Api-Version: 2026-03-10" \
-H "Authorization: Bearer " \
"https://api.github.com/repos/OWNER/REPO/stargazers/history?per_page=30&page=1"
拿到 JSON 后,先把 week 转成应用时区的日期,再保存 days[0]...days[6]。不要用当前仓库的 stargazers_count 去替换历史记录中的 total:前者是当前仍保留 Star 的用户数量,后者是某个日历周内新增的 Star 数,两者回答的是不同问题。
如果只要当前总量,原有的 GET /repos/{owner}/{repo}/stargazers/count 更直接;如果要趋势,才使用 /stargazers/history。把两个结果放到同一张图时,应在图例中明确“当前存量”和“周期新增”两个口径。
分页和时间边界怎么处理
历史接口每页最多 30 条,页码最多到 100。第 1 页是最近周,下一页继续向更早的周移动;同一页内仍是从新到旧。因此,拉完多页后应先按 week 升序排序,再交给图表或周环比计算。不能直接把响应数组首尾拼成最终趋势,否则折线会从今天倒着走。
文档还特别说明:没有新增 Star 的周也会返回 0,days 的七个位置从周日开始,而且周和日的边界不保证与 UTC 完全一致。对跨时区团队,建议把原始 week 和展示日期同时保存,避免用本地日期重新推算后出现一周偏移。

旧的 stargazers 列表脚本如何迁移
这次变化的关键不是换一个 URL,而是数据权限边界变了。GitHub 文档说明,stargazers 列表相关端点的访问已限制给管理员和协作者;新的 history 端点提供的是隐私安全的聚合替代方案。
迁移时可以按下面的判断处理:需要增长曲线,就改为读取 history;需要当前总量,就调用 count;需要“谁点了 Star”,则不能把 history 当作替代品,也不应继续围绕公开用户列表设计新的采集流程。已有内部工具还要检查分页上限、去重键和时区转换,尤其不要把 days 数组误读成从周一开始。
常见问题
history 接口能返回每个用户的 Star 时间吗?
不能。它只返回仓库在每个日历周和每天新增的数量,个人身份和个人事件时间不在返回模型里。
total 是这一周结束时的总 Star 数吗?
不是。total 表示该周新增数量;当前仍保留的 Star 总量应使用 stargazer count 或仓库当前元数据口径。
为什么图表的周一和 GitHub 数据对不上?
先检查两个地方:days 的第一个元素是周日,以及文档没有保证周边界与 UTC 对齐。保存原始时间戳并统一展示时区后再聚合。
这项更新让“Star 趋势分析”重新有了稳定的聚合入口,但它刻意没有恢复用户明细。对监控、发布复盘和项目热度报表而言,这通常已经够用;对身份级分析而言,则应重新审视需求是否真的需要这类数据。
特效变音魔术师怎么设置铃声和通知音?音质、暗色模式与权限说明
- 上一篇
- 特效变音魔术师怎么设置铃声和通知音?音质、暗色模式与权限说明
- 下一篇
- 横风动漫怎么同步观看进度?离线缓存、投屏与播放设置说明
-
- 科技周边 · 业界新闻 | 7小时前 | OpenTelemetry MCP AI可观测性 CNCF Observability Summit
- CNCF Observability Summit 2026 的 AI 议题有哪些
- 225浏览 收藏
-
- 科技周边 · 业界新闻 | 7小时前 |
- CNCF 终端用户案例怎样提升 GPU 利用率
- 385浏览 收藏
-
- 科技周边 · 业界新闻 | 7小时前 |
- CNCF 欢迎 OVHcloud 成为白金会员意味着什么
- 188浏览 收藏
-
- 科技周边 · 业界新闻 | 7小时前 | 云原生 · 人工智能 · 业界新闻 · Kubernetes AI推理 模型服务 KubeCon CloudNativeCon
- KubeCon 2026 新增 AI 推理议程透露哪些工程重点
- 250浏览 收藏
-
- 科技周边 · 业界新闻 | 7小时前 | 云原生 · DNS · kubernetes · Kubernetes CNCF 多集群 K8gb GSLB DNS流量切换
- CNCF K8gb 进入孵化后适合解决什么流量问题
- 131浏览 收藏
-
- 科技周边 · 业界新闻 | 7小时前 | kubernetes · 业界新闻 · Kubernetes CNCF 平台工程 Kyverno 策略即代码 云原生治理
- CNCF Kyverno 毕业后策略即代码怎样落到平台治理
- 181浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 574次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 616次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 648次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 607次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 423次使用
-
- 聊聊Go语言编译github上的项目遇到的坑
- 2022-12-31 455浏览
-
- node.js学习笔记之koa框架和简单爬虫练习
- 2023-01-10 124浏览
-
- 在连接云服务器的TDengine时,一定要注意这个细微的操作
- 2023-02-25 311浏览
-
- 爬虫系列:使用 MySQL 存储数据
- 2023-01-13 462浏览
-
- 这款简洁的开源客户关系管理系统,真是好东西
- 2023-01-24 485浏览

