git 过滤器分支和 gitattributes

Question

我想使用 git filter-branch 将企业 git 存储库历史中的 Windows/混合行尾转换为 Unix 行尾。由于存储库包含一些特定于域的二进制文件类型，.gitattributes 文件非常详细，所以我宁愿使用 git 自己的机制进行 EOL 转换，而不是像 here 这样的 dos2unix 脚本。

我设法使用我在https://github.com/cnaj/demo-crlf-rewrite/tree/so-question 中描述的过程进行转换，即执行添加.gitattributes 然后执行git reset 的树过滤器。如果没有重置，历史记录将保持不变。但是，显然在过滤操作期间索引仍处于 HEAD 修订版，因此仅识别相对于 HEAD 更改的文件，并且仅根据 .gitattributes 转换那些文件（因此演示中的“NUKE”提交)。

我的问题：

1. 此程序是否可以安全使用，还是只是无证（或被误解）行为的意外结果？
2. tree-filter 操作期间 git 的索引是多少？可以在 tree-filter 中使用改变索引的命令吗（我没有找到关于这个主题的明确文档）？
3. 额外问题：究竟是什么导致 git 在此设置中获取行尾转换？ （我很难理解发生了什么......）

Answer 1

这个：

但是，显然在过滤操作期间索引仍处于 HEAD 修订版，因此仅识别相对于 HEAD 更改的文件...

是完全错误的，但不幸的是事实很复杂。

让我们从git filter-branch 通过复制每个过滤的提交（和注释标记，如果使用--tag-name-filter）来工作的基本事实开始。如果生成的副本与原始提交逐位相同，则副本最终具有相同的哈希 ID，因此 是 原始的，在非常真实的意义上。否则，它是一个新的提交，并且是原始提交的替换。

Git 的索引扮演着几个不同的角色，虽然主要的角色是“构建下一个提交”。因此，索引实际上会随着git filter-branch 迭代每个原始提交以复制它而发生变化。不过……

即做一个tree-filter，添加.gitattributes，然后执行git reset。

...这里有问题。如果您查看the filter-branch code，您将看到它在运行树过滤器结束时运行git update-index。它不运行git add，因此它取决于早期git diff-index 和git ls-files 命令的输出。所有这些都在覆盖正常工作树的临时目录中完成。

在这里，我们遇到了我自己的个人 Git-fu 的边缘 :-) 因为git add 等调用属性代码（在松鼠路径中，通过函数unpack_trees，直接从builtin/reset.c 调用，并间接地从diff_cache 调用，从run_diff_index 或index_differs_from 调用，以尊重工作树中的.gitattributes 文件。但是，git update-index 似乎没有（这是基于您自己的观察，即您的属性没有得到应用）。

幸运的是，有一个可能的解决方法。如果您自己明确地git add .gitattributes（而不是，或者可能在必要时之前运行git reset 或另一个git checkout-index），那么应该将新文件放入索引中。然后，如果git update-index 使用索引版本而不是临时树文件（根据来源似乎很可能），它将使用您打算使用的那个。

最后：

究竟是什么导致 git 在此设置中获取行尾转换？

这没有很好的记录，而且这里的代码路径甚至更复杂。

基本上，所有过滤器，包括文本/CRLF 转换，都应用于两个点：将文件从索引“移出”到工作树时，或将文件从工作树“移入”到索引时.

也，然而，索引包含一组 stat 数据和标志，因此 Git 甚至只会查看（更不用说复制输入或输出）看起来可能不同的文件在树中比在索引版本中。

索引中有一个单独的标志来标记文件“脏”。当过滤器在检出期间修改文件时，会设置此标志。由于 initial 结帐时没有现有的.gitattributes，因此此处不会设置脏标志。 （但是这个标志的存在使得任何 确实 被过滤的文件，处理起来要慢得多。因此，使用大量属性会使 Git 变慢，因为它会破坏巧妙的索引缓存。）

Answer 2

我收到torek's answer后的亲身经历：

此程序使用安全吗，还是只是无证（或被误解）行为的意外结果？

在区分大小写的 POSIX 兼容文件系统上使用此过程应该是安全的。但是，它可以变得更简单（参见https://github.com/cnaj/demo-crlf-rewrite）。

tree-filter 操作期间 git 的索引是什么？可以在 tree-filter 中使用改变索引的命令吗（我没有找到关于这个主题的明确文档）？

是的。在每一步中，tree-filter 都会将索引设置为当前修订的内容，并将其检出到临时目录中。过滤器运行后，索引和工作副本之间的差异被提升到索引中，然后成为新的修订版本。

额外问题：究竟是什么导致 git 在此设置中获取行尾转换？ （我很难理解发生了什么......）

虽然 filter-branch 将索引设置为每个处理的版本，但 HEAD 保持在启动 filter-branch 的原始版本。这样，git reset HEAD 命令具有从索引中删除每个文件的效果。之后，所有文件都被视为已更改，并相应更新索引，并在此过程中触发 EOL 转换。