当前位置:首页 > 文章列表 > 文章 > 软件教程 > GitHub CLI 怎样用 JSON 输出批量筛选 issue

GitHub CLI 怎样用 JSON 输出批量筛选 issue

来源:17golang原创 2026-11-14 04:16:35 0浏览 收藏

GitHub CLI 可以通过 gh issue list --json 字段列表 输出结构化数据,再用内置 --jq 筛选。先用仓库、状态和标签缩小查询范围,再从返回的数组里选记录,最后决定给脚本传 JSON 数组还是逐行编号,比拆终端表格更稳定。

官方地址:https://cli.github.com/

下面以“从指定仓库查询开放的 bug,再挑出尚未分配人员的条目”为例。命令中的 OWNER/REPO 必须替换为有访问权限的仓库;示例使用 Bash 类 shell 的引号和续行写法。本文提供操作方法与预期结构,不声称已查询某个真实仓库。

1. 先确定仓库、状态与返回字段

安装 GitHub CLI 并完成授权后,在命令行入口使用 gh issue list。CLI 没有可点击的 JSON 筛选菜单,实际入口就是参数。显式写 --repo,可以避免从当前 Git 目录误推断仓库。

# 获取指定仓库中最多200条开放的bug,字段按后续筛选需要选择
gh issue list --repo OWNER/REPO \
  --state open --label bug --limit 200 \
  --json number,title,assignees,url

返回内容应是一个 JSON 数组;每项含编号、标题、分配人员数组和地址。没有符合条件的记录时,数组可为空。不同仓库的标签名称并不统一,先确认确实有 bug 标签,不能把空结果直接解释为没有任何待办。

默认最多取三十条,因此需要明确 --limit。这里的二百只是本次上限,不代表完整导出全仓库。后面的 jq 仅处理已经取回的数据,如果相关条目没有进入这批结果,调整 jq 表达式也找不到它。

原创教学参数面板展示仓库状态标签数量上限与字段
原创界面说明图:查询参数的教学面板,不是 GitHub CLI 实际界面。

2. 在内置 jq 中筛选,并保留数组形状

在同一命令上追加 --jq。未分配人员对应 assignees 数组长度为零;外层方括号把筛选后的对象收集成一个新数组。

# 在已获取的issue中筛选未分配记录,并保留稳定的JSON数组输出
gh issue list --repo OWNER/REPO \
  --state open --label bug --limit 200 \
  --json number,title,assignees,url \
  --jq '[.[] | select((.assignees | length) == 0) | {number, title, url}]'

表达式里的 .[] 逐项访问数组,select 决定保留哪些对象,最后只留下交付脚本需要的字段。输出里不再有 assignees,不影响筛选,因为该字段已经在 --json 中请求并用于条件判断。

内置 --jq 不要求另装 jq 程序,但它必须配合 --json 和所需字段使用。字段名称与普通表格列标题不是一回事,应以 gh issue list --help 及官方 JSON Fields 为准。拼错字段或未请求嵌套字段,应该修正字段列表,而不是用文本搜索去补救。

原创说明面板展示分配人员为空的记录进入结果数组
原创界面说明图:assignees 为空的记录进入结果数组,数据为教学示意。

3. 将结果保存为脚本约定的输入

如果下游程序读取 JSON,保留数组最容易处理。下面把查询结果先放进临时文件,命令成功后才替换最终文件,避免失败的请求覆盖上一份有效结果。

# Bash示例:失败时保留旧文件,不把请求失败当成空结果
task_output=$(mktemp) || exit 1
if gh issue list --repo OWNER/REPO \
  --state open --label bug --limit 200 \
  --json number,title,assignees,url \
  --jq '[.[] | select((.assignees | length) == 0) | {number, title, url}]' \
  > "$task_output"; then
  mv "$task_output" selected-issues.json
else
  rm -f "$task_output"
  printf '%s\n' 'issue查询失败,保留原结果文件' >&2
  exit 1
fi

若下游只接受一行一个编号,可以让表达式输出 number。以下命令会覆盖同名文本文件,适合独立输出;需要保留上一份结果时,可套用前面的临时文件方式。

# 只输出整数编号,不让标题中的空格或换行影响后续读取
gh issue list --repo OWNER/REPO \
  --state open --label bug --limit 200 \
  --json number,assignees \
  --jq '.[] | select((.assignees | length) == 0) | .number' \
  > issue-numbers.txt

JSON 数组空结果是 [];逐行编号在没有匹配记录时可能是空文件。两者都必须建立在命令成功的前提下。读取编号时,不要将 issue 标题拼接成可执行命令;如果以后扩展为关闭、打标签或修改 issue 的批量操作,应另行确认操作范围,这篇只导出数据。

原创说明图对比JSON数组文件与逐行编号文本文件
原创界面说明图:JSON 数组与逐行编号是不同输出契约,并非实际执行结果。

结果太少、字段为空时怎么判断

现象判断方向
只取到少量记录检查 limit、state、label 与仓库范围
筛选后没有结果区分远端已无匹配记录和当前返回批次中无匹配记录
提示字段不支持核对本机帮助中的可用 JSON 字段
私有仓库无法读取检查当前登录账号、主机与仓库读取权限

如果目标条件本身支持远端搜索,例如未分配人员,应优先用 --search 'no:assignee' 缩小获取范围,再用 JSON 做投影与后处理;这样能减少先取有限条数再过滤所造成的遗漏。即便如此,显式上限仍然存在,不能把一次有限查询称为完整仓库清单。

批量筛选的关键是确定数据契约:仓库和状态决定候选范围,字段列表决定哪些数据可用,jq 决定保留记录与输出形状。把这三层分开保存,脚本后续需要增加字段或改变条件时,就不必重新依赖终端表格的视觉布局。

参考:issue list 官方手册;JSON 与 jq 格式化说明。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Postman pre-request script 怎样把响应值写入环境Postman pre-request script 怎样把响应值写入环境
上一篇
Postman pre-request script 怎样把响应值写入环境
DBeaver 数据编辑器提交前怎样查看待执行变更
下一篇
DBeaver 数据编辑器提交前怎样查看待执行变更
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    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。
    1018次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    1020次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    1155次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    1121次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    962次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码