批量查找Git版本控制下指定类型文件的脚本需求

需求说明 #

• 拥有大量Git仓库，需清理仓库中已纳入版本控制的指定临时文件（如LaTeX的.aux文件），避免这类文件留在版本库中
• 不能仅按文件类型全局查找，需排除本地未追踪的同类型文件
• 依赖全局Git忽略列表（~/.gitignore）中记录的需清理文件类型，实现两种操作：
  1. 针对单个Git仓库，递归列出所有已被版本控制的目标文件
  2. 从指定根目录递归识别所有Git仓库，批量执行上述清理检查操作

实现方案 #

1. 单个Git仓库的目标文件查询命令 #

直接在Git仓库根目录执行以下命令，会从全局忽略列表中提取文件后缀，过滤出已被Git追踪的对应文件：

# 从全局gitignore中提取所有匹配模式，过滤出文件后缀相关规则，再用git ls-files查找已追踪的对应文件
git ls-files | grep -E "($(grep -v '^#' ~/.gitignore | grep -E '\.[a-zA-Z0-9]+$' | tr '\n' '|' | sed 's/|$//'))$"

• 分步解释：
  • grep -v '^#' ~/.gitignore：过滤全局忽略列表中的注释行
  • grep -E '\.[a-zA-Z0-9]+$'：提取以文件后缀结尾的忽略规则（如.aux、.log）
  • tr '\n' '|' | sed 's/|$//'：把多行规则转换成正则的或条件
  • git ls-files：列出所有已被Git追踪的文件，再用grep过滤匹配后缀的文件

2. 批量处理所有Git仓库的脚本 #

创建一个可执行脚本（比如clean-git-tracked-files.sh），内容如下：

#!/bin/bash

# 从全局gitignore提取目标文件后缀的正则匹配式
IGNORE_PATTERNS=$(grep -v '^#' ~/.gitignore | grep -E '\.[a-zA-Z0-9]+$' | tr '\n' '|' | sed 's/|$//')

# 如果没有提取到有效规则，退出
if [ -z "$IGNORE_PATTERNS" ]; then
    echo "全局.gitignore中未找到有效的文件后缀忽略规则"
    exit 1
fi

# 递归查找所有.git目录，进入其父目录执行检查
find "$(pwd)" -type d -name ".git" | while read -r GIT_DIR; do
    REPO_DIR=$(dirname "$GIT_DIR")
    echo "=== 检查仓库: $REPO_DIR ==="
    # 进入仓库目录，查找已追踪的目标文件
    cd "$REPO_DIR" || continue
    git ls-files | grep -E "($IGNORE_PATTERNS)$"
    echo ""
done

• 使用方法：
  1. 保存脚本后赋予执行权限：chmod +x clean-git-tracked-files.sh
  2. 在所有Git仓库的根目录下运行脚本：./clean-git-tracked-files.sh
• 脚本会自动遍历所有子目录中的Git仓库，逐个输出已被追踪的目标类型文件

额外说明 #

• 如果需要直接删除这些文件（谨慎操作），可以在git ls-files | grep ...后面追加| xargs rm -f
• 若全局忽略列表中有通配符后缀规则（如*.tmp），脚本已兼容这类模式

内容的提问来源于stack exchange，提问作者Prof.Chaos