使用pelican搭建一个Jupyter Notebook数据科学博客

蔚落 2022-07-16 10:28 174阅读 0赞

前言：[这里][Link 1]是我最终搭建的博客，可以先预览看一下效果，[这里是 github 地址, 欢迎 fork and star !][github _ _ fork and star]

--------------------

写博客是一个证明你的技能，进一步加深学习和积累受众的一个非常好的方式。已经有非常多的[数据科学][Link 2]和[编程][Link 3]博客帮助它们的作者找到工作，或是建立了非常重要的联系。撰写博客是任何一个有想法的programmer或数据科学家在日常基础之上非常重要的一件事情。

不幸的是，写博客一个不可忽视的障碍便是首先如何搭建一个博客。在本文，我们将会涉及到如何使用Python创建博客，如何使用Jupyter notebook写博客和如何使用GitHub Pages部署博客。读完本文，你应当能够创建属于你自己的博客，并以一种熟悉简单地方式写文章。

### 静态网站 ###

根本上，一个静态网站只不过是一个由HTML文件构成的文件夹而已。我们可以运行一个服务器来使得其他人访问并获取这些文件。它的一个好处就是不需要一个数据库或是其他一些动态交互的部分，而且非常容易将其部署到像GitHub这样的网站。

将你的博客构建成为一个静态网站是一个非常好的想法，因为它维护起来极其简单。创建静态网站的一个方式是手写HTML, 然后将所有的HTML文件上传到服务器。在这样的情况下，你至少需要一个`index.html`文件。如果你的网站URL是`thebestblog.com`, 那么访问者访问`http://thebestblog.com`时将会被展示`index.html`的内容。下面是`thebestblog.com`可能的HTML构成：

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

在上面的网站中，访问`http://www.thebestblog.com/first-post.html`将会展示`first-post.html`文件中的内容。`first-post.html`可能像这样：

<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>

你可能很快会发现手写HTML会有一些问题：

*  手写HTML相当痛苦。
 *  如果要写多篇文章，你将不得不复制HTML的风格，和诸如标题，页脚等重复的元素。
 *  如果想要集成评论或是其他一些插件，你不得不写JavaScript。

通常来说，当写博客的时候，你希望能够关注内容而不是将时间花费在调整HTML上。幸好，使用静态网站生成器这个工具，你就可以摆脱手写HTML了。

### 静态网站生成器 ###

静态网站生成器允许你使用一个简单的格式写博客文章，比如markdown, 然后定义一些设置即可。生成器将会自动将你的文章转换成HTML。通过静态网站生成器，我们可以将`first-post.html`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.

这要比手写HTML要容易得多！一些通常的元素，比如标题或是页脚，可以被放到模板中，所以它们也很容易修改！

有一些不同的静态网站生成器，非常出名的一个便是用ruby写的[jekyll][] (译者注：[我的jekyll blog，有兴趣的可以看一下][jekyll blog])。由于想搭建一个数据科学博客，所以我们需要一个能够处理Jupyter notebook的静态生成器。

[Pelican][]是用Python写的一个静态网站生成器，它能够将Jupyter notebook文件转换成HTML博客文章。Pelican也十分容易部署到GitHub Pages, 其他人可以在那里阅读我们的文章。

### 安装Pelican ###

在开始之前，可以在[这里][Link 4]先看一下我们最终完成的一个示例。(译者：[这里是译者搭建的pelican博客, 与原文稍有不同，部署在github的project下][Link 1])

如果你还没有安装python, 那么在开始之前你需要进行一个准备工作的安装。推荐使用`python3.5`。

Python一旦安装完成，我们可以进行以下操作：

*  创建一个文件夹 – 我们将把博客内容和风格文件放到这个文件夹中。在本篇教程里，我们取名为`jupyter-blog`, 你可以取为任何你喜欢的名字。
 *  `cd`进入到`jupyter-blog`
 *  创建一个叫做`.gitignore`的文件，并添加入[这个文件][Link 5]的内容。最终我们将会把文件提交到git, `.gitignore`将会排除指定类型的文件。
 *  创建并激活一个[虚拟环境][Link 6](译者注：此步非必须，如发生问题可以跳过。)
 *  在`jupyter-blog`中创建一个叫做`requirements.txt`的文件并写入以下内容：
    
        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`下执行`pip install -r requirements.txt`安装`requirements.txt`中的所有包。

### 创建属于你自己的数据科学博客 ###

完成预备工作后，进入`jupyter-blog`目录并执行`pelican-quickstart`将会开始一个交互式的博客安装过程。你将会看到有一系列的问题来使得博客安装妥当。

对于大多数问题，直接点击`Enter`接受默认值即可，需要自定义的地方有the title of the website（网站标题）, the author of the website（作者）,`n` for the URL prefix（URL前缀选择`n`）, and the timezone（时间区）。下面是一个示例（译者：以下内容以后都可在`pelicanconf.py`中再次修改）：

# xuliucheng @ xlcdemac in ~/pelican-blog [14:39:44] 
    $ 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? LiuchengXu's Blog > Who will be the author of this web site? LiuchengXu > 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] > 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) y > Is this your personal page (username.github.io)? (y/N) y Done. Your new project is available at /Users/xuliucheng/pelican-blog # xuliucheng @ xlcdemac in ~/pelican-blog [14:43:04] $ ls Makefile content develop_server.sh fabfile.py output pelicanconf.py publishconf.py requirements.txt

运行完`pelican-quickstart`后，你会发现在`jupyter-blog`目录下多了两个文件夹：`content` 和 `output`， 还有几个文件。比如`pelicanconf.py`和`publishconf.py`，下面是应当出现的几个文件：

jupyter-blog
    ├── Makefile
    ├── content
    ├── develop_server.sh
    ├── fabfile.py
    ├── output
    ├── pelicanconf.py
    ├── publishconf.py
    └── requirements.txt
    
    2 directories, 6 files

### 安装Jupyter插件 ###

Pelican默认情况下并不支持使用jupyter写博客 – 我们需要安装[插件][Link 7]来进行支持。我们将把插件以[git submodule][]的方式进行安装以便于管理。如果你还没有安装git, 可以在[这里][Link 8]找到一些提示.

git安装好后：

*  执行`git init`将当前文件夹初始化为一个git仓库。
 *  创建`plugins`文件夹。
 *  执行`git submodule add git://github.com/danielfrg/pelican-ipynb.git plugins/ipynb`来添加插件。

# xuliucheng @ xlcdemac in ~/pelican-blog [14:45:19] 
    $ git init
    Initialized empty Git repository in /Users/xuliucheng/pelican-blog/.git/
    
    # xuliucheng @ xlcdemac in ~/pelican-blog on git:master x [14:52:21] 
    $ mkdir plugins
    
    # xuliucheng @ xlcdemac in ~/pelican-blog on git:master x [14:52:37] 
    $ cd plugins 
    
    # xuliucheng @ xlcdemac in ~/pelican-blog/plugins on git:master x [14:52:48] 
    $ git submodule add git://github.com/danielfrg/pelican-ipynb.git plugins/ipynb
    Cloning into '/Users/xuliucheng/pelican-blog/plugins/plugins/ipynb'...
    remote: Counting objects: 387, done.
    remote: Total 387 (delta 0), reused 0 (delta 0), pack-reused 387
    Receiving objects: 100% (387/387), 299.26 KiB | 93.00 KiB/s, done.
    Resolving deltas: 100% (190/190), done.

现在你应该有一个`.gitmodules`文件和一个`plugins`文件夹:

jupyter-blog
    ├── Makefile
    ├── content
    ├── develop_server.sh
    ├── fabfile.py
    ├── output
    ├── pelicanconf.py
    ├── plugins
    ├── publishconf.py
    └── requirements.txt
    
    3 directories, 6 files

为了启动插件，我们需要修改`pelicanconf.py`并将以下内容添加到尾部：

MARKUP = ('md', 'ipynb')
    
    PLUGIN_PATHS = [ './plugins' ]  # 如果像原文直接PLUGIN_PATH = `./plugins`而不使用列表会报warning
    PLUGINS = ['ipynb.markup']

这几行代码是告诉pelican在生成HTML时激活插件。

### 撰写你的第一篇博文 ###

插件安装完毕后，我们可以来创建第一篇文章：

*  新建一个jupyter notebook并写入一些内容。[这里][Link 9]是一个示例。
 *  将notebook文件复制到`content`文件夹。
 *  创建一个跟notebook同名的一个文件，不过扩展名为\`.ipynb-meta’。 [这里][Link 10]是一个示例。
 *  将下面的内容添加到`ipynb-meta`文件中，请注意修改部分条目以适应你自己的博客。
    
        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.
    
    这里是对上面的一些解释：
 *  `Title`: 博客文章的题目
 *  `Slug`: 服务器上这篇文章的访问路径。如果slug是`first-post`, 你的服务器是`jupyter-blog.com`， 那么你可以通过`http://jupyter-blog.com/first-post`来进行访问。
 *  `Date`: 文章的发布时间
 *  `Category`: 文章所属目录，可以为空。
 *  `Tags`: 以逗号分割的标签列表，可以为空。
 *  `Author`: 文章的作者，多个时使用逗号进行分割
 *  `Summary`: 文章的一个简单概述。

### 生成HTML ###

为了生成博文的HTML，我们需要运行pelican将notebook转换成HTML，然后运行本地服务器就能够看到效果了：

*  切换到`jupyter-blog`文件夹
 *  运行`pelican content`生成HTML
 *  切换到`output`文件夹
 *  运行`python -m pelican.server`
 *  打开浏览器访问`localhost:8000`进行预览

你应该能够看到所生成的博客效果。

### 创建一个GitHub Pages ###

[GitHub Pages][]是GitHub的一个特色，它能够快速部署一个静态网站并通过一个独一无二的URL访问。为完成安装，你需要：

*  如果还没有GitHub账号你需要先注册一个账号
 *  创建一个GitHub仓库，名称为`username.github.io`, `username`是你的GitHub名称。[这里][Link 11]可以查看更多细节。
 *  切换到`jupyter-blog`目录
 *  运行`git remote add origin git@github.com:username/username.github.io.git`来为你的本地GitHub仓库添加一个远程仓库。注意将`username`替换为你的GitHub用户名。

GitHub Page将会显示推送到仓库`username.github.io`的所有HTML文件，并可通过`username.github.io`进行访问。

首先，我们需要修改pelican以便于它能够指向正确的地址：

*  修改`pelicanconf.py`中的`SITEURL`, 将它设置为`https://username.github.io`， `username`是你的GitHub用户名。
 *  运行`pelican content -s publishconf.py`。当你想要在本地进行预览时，运行`pelican content`. 在部署之前，运行`pelican content -s publishconf.py`，这会使用正确的部署设置文件。

### 提交你的文件 ###

如果你想要GitHub pages这个仓库保存实际的notebook和一些其他文件，你可以使用git分支。

*  运行`git checkout dev`切换到一个叫做`dev`的分支。我们不能使用`master`分支来保存notebook, 因为这个分支为GitHub pages所用。
 *  像往常一样提交并推送到GitHub（使用`git add`, `git commit`, `git push`）

### 部署到GitHub Pages ###

我们需要将博客内容推送到GitHub pages的master分支来使之正常工作。现在，HTML内容已经在`output`文件夹中，不过我们需要它是仓库的根目录，而不是一个子目录。

我们可以用[ghp-import][]：

*  运行`ghp-import output -b master`将`output`中的所有内容导入到`master`分支。
 *  运行`git push origin master`将内容推送到GitHub
 *  尝试访问`username.github.io` – 你应该看到你的博客了！

任何时候当你的博客内容有所改变时，重新运行上面的 `pelican content -s publishconf.py`, `ghp-import`和`git push`命令，你的GitHub page就会得到更新。

### 接下来的工作 ###

当博客内容逐渐增多并开始有访客时，你可能会在下面内容上进一步深入：

*  主题  
    pelican支持主题，你可在[这里][Link 12]看到很多主题，并选择一个喜欢的使用。
 *  定制URL  
    使用`username.github.io`的确是很好，不过有时候你可能会想要一个更加个性化的域名。[这里][Link 13]是GitHub pages自定义域名访问的介绍。
 *  插件  
    在[这里][Link 14]查看插件列表。插件能够帮助添加统计访问，评论，等等很多功能。
 *  博客推广
    
    尽力在一些网站上推广你的博客来获取观众，比如CSDN, 简书，知乎等等。

## ————————————————— ##

译者：

上面的部署部分只讲了部署到`username.github.io`, 这里讲一下部署到`username.github.io/project`的注意事项（[因为有坑][Link 15]）。

有网友来信询问部署到`username.github.io/project`的具体操作，其实很简单，以[我的pelican blog][pelican blog]为例：

1.  在github上新建一个叫做pelican-blog的仓库。
2.  其他本地搭建步骤照旧，不同之处在于**推送到不同分支**。  
    因为如果是`username.github.io`，github展示的是master分支的内容。如果是其他名称的仓库，比如这里的pelican-blog, github展示的是它gh-pages分支的内容。因此只是在推送output目录时有所不同。
3.  在`pelicanconf.py`中设置`SITEURL`, 格式为 `https://liuchengxu.github.io/pelican-blog`.
    
        SITEURL = 'https://liuchengxu.github.io/pelican-blog'
4.  在pelican-blog目录下，将output目录下的内容推送到gh-pages分支：
    
        ghp-import output -b gh-pages
        git push origin gh-pages

现在可以在`liuchengxu.github.io/pelican-blog`进行访问了，比如我的pelican-blog: [https://liuchengxu.github.io/pelican-blog][Link 1] .

至于日常写作在master分支即可。我的博客采用bootstrap3主题，并修缮了一些不足之处，欢迎 [>>> fork and star][github _ _ fork and star].

![这里写图片描述][20161023110627316]

另外，关于其他注意事项：

*  在Jupyter Notebook中引用图片  
    总归免不了要引入一些图片，如果不注意设置肯定会发生路径找不到的问题：这需要在 `pelicanconf.py` 中配置 `STATIC_PATHS` 属性，Pelican 默认设置content下的images 为图片资源，其他的资源需要进行配置。

比如我的content

content
    ├── images
    │   └── foo.png
    ├── notebooks
         └── test.ipynb

pelicanconf.py新增配置：

STATIC_PATHS = ['images', 'notebooks']
    NOTEBOOK_DIR = 'notebooks'

在test.ipynb中引用foo.png:

![foo]({filename}/images/foo.png)

是的，就是要添加”\{filename\}”, 不用替换成什么其他内容，而 `/` ，也就根目录，指的是`content`目录。

不过需要**注意！！！**上面的写法只是用在发布时，当你在写作时这样去链接图片肯定是找不到图片的（指的是notebook中无法找到图片，localhost:8000 还是能够访问到图片的），因此在本地预览时写的是:

![foo](../images/foo.png)

发布时再改成filename的写法。

生成页面时，Pelican 会将foo.png 复制到output/images/foo.png，同时将链接适配到生成的页面。

[原文地址:Building a data science portfolio: Making a data science blog][Building a data science portfolio_ Making a data science blog]

[Link 1]: https://liuchengxu.github.io/pelican-blog
[github _ _ fork and star]: https://github.com/liuchengxu/pelican-blog/tree/master
[Link 2]: https://github.com/rushter/data-science-blogs
[Link 3]: https://www.quora.com/What-are-the-best-programming-blogs
[jekyll]: https://jekyllrb.com/
[jekyll blog]: https://github.com/xuliuchengxlc/xuliuchengxlc.github.io
[Pelican]: http://blog.getpelican.com/
[Link 4]: https://github.com/dataquestio/jupyter-blog
[Link 5]: https://github.com/github/gitignore/blob/master/Python.gitignore
[Link 6]: http://docs.python-guide.org/en/latest/dev/virtualenvs/
[Link 7]: https://github.com/danielfrg/pelican-ipynb
[git submodule]: https://git-scm.com/docs/git-submodule
[Link 8]: https://git-scm.com/book/en/v2/Getting-Started-Installing-Git
[Link 9]: https://github.com/dataquestio/jupyter-blog/blob/master/content/first-post.ipynb
[Link 10]: https://github.com/dataquestio/jupyter-blog/blob/master/content/first-post.ipynb-meta
[GitHub Pages]: https://pages.github.com/
[Link 11]: https://help.github.com/articles/create-a-repo/
[ghp-import]: https://github.com/davisp/ghp-import
[Link 12]: https://github.com/getpelican/pelican-themes
[Link 13]: https://help.github.com/articles/using-a-custom-domain-with-github-pages/
[Link 14]: https://github.com/getpelican/pelican-plugins
[Link 15]: https://github.com/getpelican/pelican/issues/1526
[pelican blog]: https://github.com/liuchengxu/pelican-blog
[20161023110627316]: /images/20220716/efd9710b5e2b4c36b3bdf7380cc63784.png
[Building a data science portfolio_ Making a data science blog]: https://www.dataquest.io/blog/how-to-setup-a-data-science-blog/