在git HEAD中查找所有二进制文件

Question

我有一个巨大的git repo,最终想用bfg清理.
但首先,我想跟踪并删除HEAD哪个git视为二进制文件...

所以,我正在寻找的是一个命令来查找HEAD中git视为二进制文件的所有文件.

这些没有帮助:

• 列出repo中的所有文本(非二进制)文件 <我正在寻找二进制文件.不是文本文件.
• Git找到历史中的所有二进制文件 <我只关心HEAD
• http://git.661346.n2.nabble.com/git-list-binary-and-or-non-binary-files-td3506370.html <我尝试过这些命令但它们没有帮助.

预先感谢您的帮助.

Answer 1

diff <(git grep -Ic '') <(git grep -c '') | grep '^>' | cut -d : -f 1 | cut -d ' ' -f 2-

打破它:

• git grep -c ''打印存储库中每个文件的名称和行数.添加该-I选项会使命令忽略二进制文件.
• diff <(cmd1) <(cmd2)使用进程替换来提供diff命名管道,通过它发送cmd1和输出cmd2.
• 的grep和cut命令用于从输出提取的文件名diff.

Answer 2

基于@jangler答案的简化解决方案(/sf/answers/2148346371/)

comm -13 <(git grep -Il '' | sort -u) <(git grep -al '' | sort -u)

说明:

1. git grep

   • -l要求只打印与模式匹配的文件的文件名''(应与每个文件的每一行匹配)
   • -I 此选项使命令忽略二进制文件
   • -a 此选项强制处理二进制文件,就像它们是文本一样

2. sort -u对grep的结果进行排序,因为comm只处理已排序的文件

3. comm -13列出第二个列表唯一的文件(git grep包含所有文件的列表,包括二进制列表)

Answer 3

以下是使用PowerShell的Windows的相同脚本:

$textFiles = git grep -Il .
$allFiles = git ls-files

foreach ($line in $allFiles){
    if ($textFiles -notcontains $line) {
        $line;
    }
}

或者是简短的形式:

$textFiles = git grep -Il .
git ls-files | where { $textFiles -notcontains $_ }

这需要O(n^2)完成,这是使用哈希表的更快的方法:

$files = @{}
git ls-files | foreach { $files[$_] = 1 }
git grep -Il . | foreach { $files[$_] = 0 }
$files.GetEnumerator() | where Value -EQ 1 | sort Name | select -ExpandProperty Name

这需要O(n)完成.

Answer 4

grep -Fvxf <(git grep -Il '') <(git grep -al '')

解释：

• git grep -Il '': 列出所有 git 认为是文本的非空常规文件。另请参阅：如何列出 git 存储库中的所有文本（非二进制）文件？
• git grep -al '': 列出所有非空的常规文件，包括二进制文件
• grep -Fvxf: 从文件 2 中选择没有出现在文件 1 中的行，因此只有 Git 认为是二进制的非空文件。请参阅：如何从另一个文件 A 中删除出现在文件 B 上的行？

还要考虑添加git add但尚未提交的文件：

grep -Fvxf <(git grep --cached -Il '') <(git grep --cached -al '')

或者您可以git ls-files使用如何确定 Git 将文件作为二进制文件还是文本处理？

使用此测试仓库在 Git 2.16.1 上进行了测试。