- Créez des requêtes dans n'importe quel langage
- Automatisez avec des planificateurs et des webhooks
- Livraison en JSON, NDJSON ou CSV
GitHub Scraper API
Scrapez GitHub et collectez des données publiques telles que le nom d’utilisateur, l’URL, le langage de code, le code, le nombre de lignes, la taille, le nombre de problèmes, et bien plus encore.
Approuvé par 50,000+ clients dans le monde entier
Scrapers GitHub disponibles
Explorez des milliers de scrapers prêts à l'emploi
Payez uniquement pour les résultats réussis, sans surprises – Proxies, déblocage, navigateurs et nouvelles tentatives sont inclus.
#1
99,2%
100M+
400M+
RGPD & CCPA
Tarification de l'API Scraper GitHub
Payez uniquement ce qui est livré avec succès. Pas de frais cachés, pas de frais pour les livraisons échouées.
- Payez uniquement pour le succès, sans frais cachés
- Commencez gratuitement avec 5 000 crédits mensuels
- Aucun engagement initial, annulez à tout moment
- Support expert 24/7 et fonctionnalités entreprise
Vous voulez juste des données ? Passez le scraping. Achetez un Jeu de données GitHub
De zéro aux données GitHub en 3 étapes
-
Choisissez un scraper
Choisissez parmi les scrapers GitHub ci-dessus ou créez le vôtre avec l'IA en quelques minutes.
-
Appelez l'API
Un appel API avec jusqu'à 5 000 URL cibles. SDK Python et Node.js, CLI, serveur MCP, ou tout client HTTP.
-
Recevez des données structurées
Recevez des données GitHub propres et analysées en JSON, NDJSON ou CSV. Livrées via API, webhook ou stockage cloud.
curl -H "Authorization: Bearer API_TOKEN" -H "Content-Type: application/json" -d '[{"url":"https://github.com/TheAlgorithms/Python/blob/master/divide_and_conquer/power.py","website_url":"https://thealgorithms.github.io/Python/"},{"url":"https://github.com/AkarshSatija/msSync/blob/master/index.js","website_url":""},{"url":"https://github.com/WerWolv/ImHex/blob/master/main/gui/source/main.cpp","website_url":"https://imhex.werwolv.net/"}]' "https://api.brightdata.com/datasets/v3/trigger?dataset_id=gd_lyrexgxc24b3d4imjt&format=json&uncompressed_webhook=true"
[
{
"timestamp": "2026-10-21",
"url": "https:\/\/github.com\/TheAlgorithms\/Python\/blob\/master\/machine_learning\/automatic_differentiation.py?raw=true",
"id": "63476337@machine_learning\/automatic_differentiation.py",
"code_language": "Python",
"code": [
"\u0022\u0022\u0022",
"Demonstration of the Automatic Differentiation (Reverse mode).",
"",
"Reference: https:\/\/en.wikipedia.org\/wiki\/Automatic_differentiation",
"",
"Author: Poojan Smart",
"Email: [email protected]",
"\u0022\u0022\u0022"
],
"num_lines": 329,
"user_name": "TheAlgorithms",
"user_url": null
},
{
"timestamp": "2026-10-21",
"url": "https:\/\/github.com\/TheAlgorithms\/Python\/blob\/master\/machine_learning\/polynomial_regression.py?raw=true",
"id": "63476337@machine_learning\/polynomial_regression.py",
"code_language": "Python",
"code": [
"\u0022\u0022\u0022",
"Polynomial regression is a type of regression analysis that models the relationship",
"between a predictor x and the response y as an mth-degree polynomial:",
"",
"y = β₀ + β₁x + β₂x² + ... + βₘxᵐ + ε",
"",
"By treating x, x², ..., xᵐ as distinct variables, we see that polynomial regression is a",
"special case of multiple linear regression. Therefore, we can use ordinary least squares"
],
"num_lines": 213,
"user_name": "TheAlgorithms",
"user_url": null
},
{
"timestamp": "2026-10-21",
"url": "https:\/\/github.com\/TheAlgorithms\/Python\/blob\/master\/computer_vision\/haralick_descriptors.py?raw=true",
"id": "63476337@computer_vision\/haralick_descriptors.py",
"code_language": "Python",
"code": [
"\u0022\u0022\u0022",
"https:\/\/en.wikipedia.org\/wiki\/Image_texture",
"https:\/\/en.wikipedia.org\/wiki\/Co-occurrence_matrix#Application_to_image_analysis",
"\u0022\u0022\u0022",
"",
"import imageio.v2 as imageio",
"import numpy as np",
"import numpy.typing as npt"
],
"num_lines": 435,
"user_name": "TheAlgorithms",
"user_url": null
},
{
"timestamp": "2026-10-21",
"url": "https:\/\/github.com\/TheAlgorithms\/Python\/blob\/master\/electronics\/resistor_color_code.py?raw=true",
"id": "63476337@electronics\/resistor_color_code.py",
"code_language": "Python",
"code": [
"\u0022\u0022\u0022",
"Title : Calculating the resistance of a n band resistor using the color codes",
"",
"Description :",
" Resistors resist the flow of electrical current.Each one has a value that tells how",
" strongly it resists current flow.This value\u0027s unit is the ohm, often noted with the",
" Greek letter omega: Ω.",
""
],
"num_lines": 374,
"user_name": "TheAlgorithms",
"user_url": null
},
{
"timestamp": "2026-10-21",
"url": "https:\/\/github.com\/TheAlgorithms\/Python\/blob\/master\/maths\/keith_number.py?raw=true",
"id": "63476337@maths\/keith_number.py",
"code_language": "Python",
"code": [
"\u0022\u0022\u0022",
"== Keith Number (Repfigit Number) ==",
"A Keith number (also known as a repfigit number, short for \u0022repetitive",
"Fibonacci-like digit\u0022) is a natural number n with d \u003E= 2 decimal digits",
"such that when a sequence is formed starting with the d digits of n and each",
"subsequent term is the sum of the preceding d terms, the number n itself",
"appears in the sequence.",
""
],
"num_lines": 184,
"user_name": "TheAlgorithms",
"user_url": null
}
]
Tout ce dont vous avez besoin, intégré
Allez directement à la source
Passez à des millions de pages instantanément
Les Scrapers se corrigent automatiquement quand les sites changent
Des milliers de scrapers vérifiés
Paiement par résultat, sans supplément
Conforme et entièrement pris en charge
Commencez à collecter des données GitHub en quelques minutes
Cas d'usage du scraping de données GitHub
Surveiller les projets open-source
Évaluer la popularité des projets
Développer la défense communautaire
Intelligence sur la pile technologique et les dépendances
Web Scraper API vs autres fournisseurs
Pionnier de la collecte éthique de données web
Uniquement des données publiquement disponibles. Certifié ISO 27001, contrôles SOC 2, conforme RGPD & CCPA. Chaque cas d’utilisation est examiné par une équipe dédiée Conformité & Éthique, soutenue par un processus KYC documenté et une politique d’utilisation acceptable.
FAQ sur l'API Scraper GitHub
Qu'est-ce que l'API Scraper GitHub ?
L'API Scraper GitHub est un outil puissant conçu pour automatiser l'extraction de données du site GitHub, permettant aux utilisateurs de collecter et traiter efficacement de gros volumes de données pour divers cas d'utilisation.
Comment fonctionne l'API Scraper GitHub ?
L'API Scraper GitHub fonctionne en envoyant des requêtes automatisées vers le site ciblé, en extrayant les points de données nécessaires, et en les livrant dans un format structuré. Ce processus garantit une collecte de données précise et rapide.
L'API Scraper GitHub est-elle conforme aux réglementations de protection des données ?
Oui, l'API Scraper GitHub est conçue pour être conforme aux réglementations de protection des données, y compris le RGPD et le CCPA. Elle garantit que toutes les activités de collecte de données sont effectuées de manière éthique et légale.
Puis-je utiliser l'API Scraper GitHub pour l'analyse concurrentielle ?
Absolument ! L'API Scraper GitHub est idéale pour l'analyse concurrentielle, vous permettant de recueillir des informations sur les activités, tendances et stratégies de vos concurrents.
Comment puis-je intégrer l'API Scraper GitHub à mes systèmes existants ?
L'API Scraper GitHub offre une intégration parfaite avec diverses plateformes et outils. Vous pouvez l'utiliser avec vos pipelines de données, systèmes CRM ou outils d'analyse existants pour améliorer vos capacités de traitement des données.
Existe-t-il un niveau gratuit pour l'API Scraper GitHub ?
Oui ! Chaque nouveau compte Bright Data inclut automatiquement 5 000 crédits gratuits par mois (environ 7,50 $ de valeur) — sans carte de crédit requise, sans code promo, sans engagement. Ces crédits s'appliquent aux Scrapers (y compris l'API Scraper GitHub), ainsi qu'à l'Unlocker API et à l'API SERP. Les crédits se renouvellent le 1er de chaque mois, et vous pouvez commencer à effectuer des appels API immédiatement après inscription.
Que se passe-t-il lorsque mes crédits gratuits sont épuisés en utilisant l'API Scraper GitHub ?
Lorsque vos 5 000 crédits gratuits mensuels sont épuisés, le comportement dépend du solde de votre compte. Si vous avez des fonds prédéposés, l'utilisation continue sans interruption aux tarifs standards de paiement à l'utilisation. Si vous n'avez aucun fonds déposé, les requêtes renverront une erreur jusqu'à ce que vous ajoutiez des fonds ou jusqu'au renouvellement de vos crédits le 1er du mois suivant. Notez que les crédits gratuits inutilisés ne sont pas reportés.
Pour éviter les interruptions, vous pouvez activer la recharge automatique dans vos paramètres de facturation sur brightdata.com/cp/billing/settings.
Quelles sont les limites d'utilisation de l'API Scraper GitHub ?
Il n'y a pas de limites d'utilisation spécifiques pour l'API Scraper GitHub, vous offrant la flexibilité de monter en charge selon vos besoins.
Proposez-vous un support pour l'API Scraper GitHub ?
Oui, nous offrons un support dédié pour l'API Scraper GitHub. Notre équipe de support est disponible 24/7 pour vous aider avec toutes questions ou problèmes que vous pourriez rencontrer en utilisant l'API.
Quelles méthodes de livraison sont disponibles ?
Amazon S3, Google Cloud Storage, Google PubSub, Microsoft Azure Storage, Snowflake, et SFTP.
Quels formats de fichiers sont disponibles ?
JSON, NDJSON, JSON lines, CSV, et fichiers .gz (compressés).
Les agents IA peuvent-ils utiliser l'API Scraper GitHub ?
Oui. Connectez n'importe quel agent via le serveur MCP hébergé, dirigez un agent de codage vers brightdata.com/SKILL.md pour qu'il se configure lui-même, ou utilisez le CLI. Les agents s'authentifient une fois via OAuth du navigateur et peuvent exécuter n'importe lequel des scrapers GitHub.