BigQuery GitHub数据集返回错误的结果

所以,我想用 bigquery-public-data:github_repos.files ,更新日期为 May 25, 2018, 2:07:03 AM 理论上,它包含来自Github的所有文件数据——正如表描述中所述:

头上所有文件的文件元数据。

在ID列上与[BigQuery公共数据:GitHub回购.Contents]联接 搜索文本。

所以,我有一个叫做goreleaser的工具,要使用它,用户可以创建一个名为.goreleaser.yaml的文件。为了了解有多少存储库在使用它,我使用了Github搜索,类似这样的搜索 filename:goreleaser extension:yaml extension:yml path:/ ,您可以在此链接上看到结果。

这将显示1K+个结果,并获取所有这些可能名称的结果:

• goreleaser.yml
• goreleaser.yaml
• .goreleaser.yml
• .goreleaser.yaml

问题是,Github显示1K结果计数,但只能分页到1K左右。我在Go中使用API等编写了一些代码,您可以在这里看到。

不管怎样,我试着用bigquery做类似的事情,这是我的愚蠢尝试:

SELECT repo_name, path
FROM [bigquery-public-data:github_repos.files]
WHERE REGEXP_MATCH(path, r'\.?goreleaser.ya?ml')

这将包括自动售卖的工具,这是不好的,但这不是问题。问题是,即使使用自动售货工具,它也只显示大约500个结果,而不是1K。

PS:我也试过简化版的匹配 path 具有 LIKE 等等,同样的结果。

所以,要么我做了严重错误的事情,这个表并没有像它所说的那样包含所有数据,要么Github搜索对我撒谎。

有什么建议吗?

谢谢!