使用 git filter-branch 删除除文件列表之外的所有内容的历史记录答案

【问题标题】：Remove history for everything except a list of files using git filter-branch使用 git filter-branch 删除除文件列表之外的所有内容的历史记录
【发布时间】：2017-08-11 10:30:55
【问题描述】：

我正在尝试在两个 git 存储库 repo1 和 repo2 之间移动一些文件。我有一个要移动的文件的简短列表（保留历史记录）。

要从repo1移动三个文件：

libraryname/file1
libraryname/file2
tests/libraryname/file3

libraryname/ 和 tests/libraryname/ 中还有其他文件。 /和tests/中还有其他文件夹

我的计划是检查repo1，然后修改历史树，直到它只包含我感兴趣的文件的历史记录。然后检查repo2，并合并上一个操作的输出。看来git filter-branch 是第一步的正确工具。

到目前为止，我已经尝试过git filter-branch --index-filter 'git rm -r --cached <FILES>' 其中<FILES> 列出了所有不需要的整个文件夹或文件。

但这会留下很多文件夹，它们不再存在于HEAD，但在此存储库生命周期的某个时刻已经存在。弄清楚这个 repo 历史上存在的所有东西似乎很乏味 - 一定有更好的方法

我如何最终得到一个只包含这三个文件的 git 提交树？有没有比我建议的更好的方法？或者，有没有办法删除HEAD 上当前不存在的所有文件的痕迹？

【问题讨论】：

标签： git git-filter-branch

【解决方案1】：

使用 Git 2.24（2019 年第四季度），git filter-branch is deprecated。

等价物是，使用newren/git-filter-repo，以及它的example section：

如果您要过滤的文件、目录、glob 或正则表达式的列表很长，您可以将它们粘贴到一个文件中并使用--paths-from-file；例如，使用名为 stuff-i-want.txt 的文件，其内容为

README.md
guides/
tools/releases
glob:*.py
regex:^.*/.*/[0-9]{4}-[0-9]{2}-[0-9]{2}.txt$
tools/==>scripts/
regex:(.*)/([^/]*)/([^/]*)\.text$==>\2/\1/\3.txt

然后你可以运行

git filter-repo --paths-from-file stuff-i-want.txt

在您的情况下，stuff-i-want.txt 将是：

libraryname/file1
libraryname/file2
tests/libraryname/file3

正如kubanczyk 指出的in the comments：

在 Ubuntu 20.04 上运行良好，您只需 pip3 install git-filter-repo，因为它是 stdlib-only 并且不安装任何依赖项。

在 Ubuntu 18 上，它与发行版的 git 版本不兼容，但在 docker run -ti ubuntu:20.04 上运行它很容易

【讨论】：

不错的工具！在 Ubuntu 20.04 上运行良好，您只需 pip3 install git-filter-repo，因为它是 stdlib-only 并且不安装任何依赖项。在 Ubuntu 18 上，它与发行版的 git 版本不兼容，但很容易在 docker run -ti ubuntu:20.04 上运行它
@kubanczyk 感谢您的反馈。我已将您的评论包含在答案中以提高知名度。

【解决方案2】：

你说它留下了文件夹；我假设你的意思是它留下文件 in 那些文件夹（因为 git 不保留空文件夹）......

看来您可能想采取清除索引然后重新添加所需条目的方法。

git filter-branch ...
    --index-filter 'git rm -r --cached * && git reset $GIT_COMMIT -- libraryname/file1 libraryname/file2 tests/libraryname/file3
    ...

由于您对内容进行了如此多的精简，请不要忘记您可能想要包含--prune-empty 选项

【讨论】：

这对我有用，其中git checkout $GIT_COMMIT <path> 失败（对于不存在<path> 的提交）。谢谢！

【解决方案3】：

这是一种基于白名单的方法，如果涉及大量文件，它可能会更快（因为它只需要比较整行预先排序的列表）并且更容易。

创建分支的所有提交中所有文件的排序列表：

$ export LC_COLLATE=C whitelist="$(mktemp)" && git log --name-status | sed 's/^[A-Z][[:space:]]\{1,\}//; t; d' | sort -u > "$whitelist"
使用您喜欢的文本编辑器编辑该列表并删除所有不感兴趣的文件，即。 e.创建要保留的文件的白名单。

$ "$EDITOR" -- "$whitelist" # remove from list what you don't want to keep
执行实际的过滤操作：

$ git filter-branch -f --index-filter 'git ls-files -c | sort | comm -23 -- - "$whitelist" | while IFS= read -r f; do git rm --cached -- "$f"; done' --prune-empty
一旦过滤操作没有问题，就删除白名单。

$ rm -- "$whitelist" && unset LC_COLLATE whitelist

【讨论】：