打造数据科学作品集：搭建一个数据科学博

2023-01-31 07:57

短信预约 -IT技能 免费直播动态提醒

这是「打造数据科学作品集」系列文章的第二篇。如果你喜欢该系列，而且想知道下一篇文章什么时候发布，你可以订阅我们。读完本文，你将学会如何使用 Pelican 静态网站生成器，搭建一个属于自己的博客，用来展示数据科学作品。

全文大约 9500 字，读完可能需要 15 分钟左右。

你可以在这里阅读本系列第一篇文章：「打造数据科学作品集：用数据讲故事」

写博客是证明你的实力、深入学习和建立读者群的好方法。有许多数据科学和编程类博客帮助他们的作者找到工作，或者认识了重要人物。定期写博客是有抱负的程序员和数据科学家最应该做的事情之一。

不幸的是，写博客的一大障碍就是先搭建一个博客网站。在这篇文章中，我们将学习如何用 Python 创建一个博客网站，怎么用 Jupyter Notebook 写文章和如何通过 GitHub Pages 部署博客。读完这篇文章，你就可以使用你熟悉的方式，创建自己的数据科学博客了。

静态网站

基本上，一个静态网站就是一个全是 HTML 文件的文件夹。我们可以搭建一个允许别人链接到这个文件夹并获取文件的服务器。这样做的好处是不需要数据库或者其他动态部分，可以很简单的部署在像 GitHub 之类的网站上。把你的博客做成静态网站是一个好主意，因为维护起来十分简单。建立静态网站的一种方法是手写 HTML，然后上传所有的 HTML 文件到服务器。这种情况下，你至少要写一个 index.html 文件。如果你的网站的 URL 是 thebestblog.com，当访问者浏览 http://www.thebestblog.com 时，他们就会看到 index.html 的内容了。HTML 的文件夹可能是下边的这个样子：

thebestblog.com
│   index.html
│   first-post.html
│   how-to-use-python.html
│   how-to-do-machine-learning.html
│   styles.css

在上边的这个网站里，访问 http://www.thebestblog.com/first-post.html 你就可以看到 first-post.html 的内容。first-post.html 可能是下边这个样子：

<html>
<head>
  <title>The best blog!</title>
  <meta name="description" content="The best blog!"/>
  <link rel="stylesheet" href="styles.css" />
</head>
<body>
  <h1>First post!</h1>
  <p>This is the first post in what will soon become (if it already isn't) the best blog.</p>
  <p>Future posts will teach you about data science.</p>

<div class="footer">
  <p>Thanks for visiting!</p>
</div>
</body>
</html>

你可能会立马发现手工编辑 HTML 的一些问题：

手工编辑 HTML 会很枯燥。
如果你想写多篇文章，你需要复制很多内容，比如样式、Title、Footer 等。
如果你想整合评论系统或者其他插件，你不得不写 Javascript。

一般来说，你写博客的时候，想关注于博客内容，而不是在 HTML 上浪费时间。谢天谢地，你可以用一个叫做静态网站生成器的工具来取代手动编辑 HTML。

静态网站生成器

静态网站生成器可以让你用一些简单的格式写文章，通常是 Markdown，然后再定义一些设置。生成器可以自动把你的文章转换为 HTMl。使用静态网站生成器，你可以把 first-post.html 极大地简化为 first-post.md：

# First post!

This is the first post in what will soon become (if it already isn't) the best blog.

Future posts will teach you about data science.

这比处理 HTML 文件要简单的多！通用的元素，比如 Title 和 Footer，可以放在模板里边，这样很容易更改。

静态网站生成器多种多样。最流行的是用 Ruby 开发的 Jekyll。因为我们要搭建一个数据科学博客，所以需要网站生成器可以处理 Jupyter Notebooks。

Pelican 是一个用 Python 开发的网站生成器，可以接受 Jupyter Notebook 文件并转换成 HTML 博客文章。Pelican 也可以很容易的把文章部署到 GitHub Pages 让别人阅读。

安装 Pelican

开始之前，这里有一个仓库(repo)，它就是我们最终成果的示例。

如果你还没有安装 Python，在开始之前你还需要做一些前期工作。这里有一些安装 Python 的说明。我们建议使用 Python3.5。当你安装完成 Python：

创建一个文件夹——我们将把博客网站的内容和样式(Styles)放在这个文件夹里。该教程把这个文件夹叫做 jupyter-blog，你可以随便起名字。
cd 进入 jupyter-blog 文件夹。
创建一个叫 .gitignore 的文件，然后把这个文件里的内容加进去。我们最后将要把仓库提交到 git，而这将会排除一些其他东西。
创建并激活一个虚拟环境。
在 jupyter-blog 文件夹里创建一个叫 requirements.txt 的文件，内容如下：

Markdown==2.6.6
pelican==3.6.3
jupyter>=1.0
ipython>=4.0
nbconvert>=4.0
beautifulsoup4
ghp-import==0.4.1
matplotlib==1.5.1

在 jupyter-blog 文件夹里运行 pip install -r requirements.txt 来安装 requirements.txt 里边所有的包。

创建数据科学博客

完成了前边的设置之后，你就做完创建博客的准备了！在 jupyter-blog 文件夹里运行 pelican-quickstart 命令，来为你的博客启动一个交互式安装序列。你将看到一些帮助你设置博客属性的问题。大多数问题你只需要点击 Enter 使用默认设置就好了。你需要输入的就是你网站的名字、网站的作者，另外就是当问到 URL prefix(URL 前缀) 和 timezone(时区) 的时候选 n。下边是个例子：

(jupyter-blog)➜  jupyter-blog ✗ pelican-quickstart
Welcome to pelican-quickstart v3.6.3.

This script will help you create a new Pelican-based website.

Please answer the following questions so this script can generate the files
needed by Pelican.


> Where do you want to create your new web site? [.]
> What will be the title of this web site? Vik's Blog
> Who will be the author of this web site? Vik Paruchuri
> What will be the default language of this web site? [en]
> Do you want to specify a URL prefix? e.g., http://example.com   (Y/n) n
> Do you want to enable article pagination? (Y/n)
> How many articles per page do you want? [10]
> What is your time zone? [Europe/Paris] America/Los_Angeles
> Do you want to generate a Fabfile/Makefile to automate generation and publishing? (Y/n)
> Do you want an auto-reload & simpleHTTP script to assist with theme and site development? (Y/n)
> Do you want to upload your website using FTP? (y/N)
> Do you want to upload your website using SSH? (y/N)
> Do you want to upload your website using Dropbox? (y/N)
> Do you want to upload your website using S3? (y/N)
> Do you want to upload your website using Rackspace Cloud Files? (y/N)
> Do you want to upload your website using GitHub Pages? (y/N)

运行完 pelican-quickstart 以后，jupyter-blog 文件夹里多了两个文件夹 content 和 output，还有一些文件，比如 pelicanconf.py 和 publishconf.py。下边是文件夹目录的示例：

jupyter-blog
│   output
│   content
│   .gitignore
│   develop_server.sh
│   fabfile.py
│   Makefile
│   requirements.txt
│   pelicanconf.py
│   publishconf.py

安装 Jupyter 插件

Pelican 默认不支持使用 Jupyter 写文章，所以我们需要安装一个插件来完成这项功能。我们把插件作为一个 git 子模块(git submodule)来安装，这样便于管理。如果你还没有安装 git，你可以在这里找到安装说明。当你安装完成 git 之后：

运行 git init 来把当前文件夹初始化为一个 git 仓库。
创建一个叫 plugins 的文件夹。
运行 git submodule add git://github.com/danielfrg/pelican-ipynb.git plugins/ipynb 来添加插件。

现在应该会有一个 .gitmodules 文件和一个 plugins 文件夹：

jupyter-blog
│   output
│   content
│   plugins
│   .gitignore
│   .gitmodules
│   develop_server.sh
│   fabfile.py
│   Makefile
│   requirements.txt
│   pelicanconf.py
│   publishconf.py

为了激活插件，我们需要修改 pelicanconf.py 文件，在最下边添加几行代码:

MARKUP = ('md', 'ipynb')

PLUGIN_PATH = './plugins'
PLUGINS = ['ipynb.markup']

这几行代码告诉 Pelican 当生成 HTML 的时候激活插件。

写第一篇文章

插件安装完之后，就可以写你的第一篇文章了：

创建一个 Jupyter notebook，简单写一些内容。这里有一个例子。
把 notebook 文件复制到 content 文件夹。
创建一个和 notebook 同名的文件，但是扩展名是 .ipynb-meta。这里有一个例子。
把下边的内容添加到 ipynb-meta 文件中，但是根据你自己的文章修改相应字段：

Title: First Post
Slug: first-post
Date: 2016-06-08 20:00
Category: posts
Tags: python firsts
Author: Vik Paruchuri
Summary: My first post, read it to find out.

这里以上字段的解释：

Title——文章的标题。
Slug——你的文章在服务器上的路径。如果 slug 是 first-post，而且你的服务器地址是 jupyter-blog.com, 你可以在 http://www.jupyter-blog.com/first-post 这个地址找到你的文章。
Date——文章发布的日期。
Category——文章的类别——可以是任何东西。
Tags——文章的标签。可以随便挂标签。
Author——文章作者的名字。
Summary——文章的摘要。

每发布一篇文章，就需要复制一个 notebook 文件，并创建一个 ipynb-meta 文件

创建好 notebook 和 meta 文件后，就可以生成博客 HTML 文件了。下边是 jupyter-blog 文件夹现在的样子：

jupyter-blog
│   output
│   content
    │   first-post.ipynb
    │   first-post.ipynb-meta
│   plugins
│   .gitignore
│   .gitmodules
│   develop_server.sh
│   fabfile.py
│   Makefile
│   requirements.txt
│   pelicanconf.py
│   publishconf.py

生成 HTML

为了从文章生成 HTML，我们需要先运行 Pelican 来把 notebooks 转换为 HTML，然后运行本地服务器来查看：

切换到 jupyter-blog 文件夹。
运行 pelican content 来生成 HTML。
切换到 output 目录。
运行python -m pelican.server。
在浏览器里访问 localhost:8000 来预览你的博客。

在浏览器里就可以看到博客里所有文章的列表，以及具体的博客内容了。

创建 GitHub Pages

GitHub Pages 是 GitHub 的一项功能，允许你快速部署静态网站，让所有人都可以通过特定 URL 访问。为了完成它的配置，我们需要：

注册一个 GitHub 帐号，如果你还没有的话。
创建一个叫 username.github.io 的仓库，这里 username 是你的 GitHub 用户名。这里有更详细的说明告诉你怎么做。
切换到 jupyter-blog 文件夹。
运行 git remote add origin git@github.com:username/username.github.io.git 把这个仓库作为远程仓库添加到你的本地仓库，把所有的 username 参数替换为你的 GitHub 用户名。

GitHub Pages 会把 username.github.io 仓库的 master 分支下的所有 HTML 文件展示到 username.github.io 这个地址（仓库和 URL 是一样的）。

首先我们需要修改 Pelican 使得 URL 指向正确的位置：

在 publishconf.py 文件里编辑 SITEURL，把它设置为 http://username.github.io ，username 还是你的GitHub用户名。
运行 pelican content -s publishconf.py。当你想在本地预览你的博客的时候，运行 pelican content。在部署之前运行 pelican content -s publishconf.py。这将使用正确的配置文件进行部署。

提交文件

如果你想把 notebooks 和其他文件作为一个 GitHub Page 放在同一个仓库里，你可以使用分支。

运行 git checkout dev 切换到一个叫 dev 的分支。我们不能用 master 分支来存放 notebooks，因为那个分支是用于 GitHub Pages 展示的。
创建一个提交，然后和正常一样推送到 Github（使用 git add, git commit，和 git push）。