如何映射存在缺失提交时PR合并前后的代码变更行号？

场景说明 #

假设main分支中某文件Test.java初始内容如下：

public class Test {
    public static void main(String[] args)
    {
        int sum = 0;
        for (int i=0; i<10; i++)
        {
            sum += i;
        }
    }
}

从main分支拉出feature分支，修改后提交PR，对应的diff如下：

diff --git a/Test.java b/Test.java
index fb3a6d4..5379684 100644
--- a/Test.java
+++ b/Test.java
@@ -5,6 +5,7 @@ public class Test {
         for (int i=0; i<10; i++)
         {
             sum += i;
+            log.info("Sum: {}", sum);
         }
     }
 }

PR的diff显示新增行位于第8行，但合并前main分支被他人新增一行，修改后的Test.java内容如下：

public class Test {
    public static void main(String[] args)
    {
        int sum = 0;
        log.info("Calculating sum");        // 他人在main分支新增的行
        for (int i=0; i<10; i++)
        {
            sum += i;
        }
    }
}

合并后该新增行实际位于第9行。

使用需求 #

代码分析工具返回的是PR合并到base分支后的行号（如示例中的9），但GitHub PR评论要求使用合并前的PR行号（如示例中的8），需要实现行号映射。实际场景中变更行数可能较多，且无法将main最新代码拉取到feature分支。

现有方案 #

使用Python开发，借助unidiff库解析Git diff。目前有个朴素方案：

• 本地克隆仓库；
• 为分支中每个变更文件的行首/行尾添加原行号；
• 本地将feature分支以squash and merge方式合并到main分支；
• 解析合并提交的diff，关联新行号与编码的旧行号。
  但该方案较为原始，希望找到更优方案，同时不确定其对fork仓库提交的PR是否适用。

优化解决方案 #

不需要本地合并分支，直接通过分析两个关键diff即可完成行号映射，步骤如下：

1. 获取核心diff数据 #

不需要克隆仓库，只需要拿到两个diff内容：

• PR原始diff：即feature分支基于PR创建时的main版本生成的变更diff（就是当前手里的PR diff）；
• main分支增量diff：从PR创建时的main版本到当前最新main版本的变更diff（可通过GitHub API直接获取，无需拉取代码）。

2. 构建main分支的行偏移表 #

针对每个变更文件，分析main分支的增量diff，计算出在PR原始diff的上下文范围内，每一行的偏移量：

• 遍历main增量diff的所有变更块（hunks），记录每个行区间的偏移值：新增一行偏移+1，删除一行偏移-1；
• 把这些偏移信息按行号区间整理成映射表，格式示例：[(start_line, end_line, offset), ...]。

3. 反向映射合并后行号到PR原始行号 #

拿到代码分析工具返回的合并后行号，结合偏移表反向计算：

• 先找到合并后行号落在哪个偏移区间，用该行号减去对应的偏移量，得到PR原始diff中的基准行号；
• 对于PR中新增的行，直接匹配原始diff里的新增行内容（unidiff可提取新增行），确认其在PR diff中的行号。

4. 基于unidiff的代码实现思路 #

• 用unidiff库分别解析PR原始diff和main增量diff；
• 对每个文件，提取PR diff的所有hunks，记录每个hunk的起始行、结束行以及新增行的内容和位置；
• 解析main增量diff的hunks，生成行偏移表；
• 对合并后的目标行号，遍历偏移表计算原始行号，再对应到PR diff的hunk中，得到最终的PR原始行号。

方案优势 #

• 无需本地克隆或合并分支，纯diff分析，效率更高；
• 完全支持fork仓库的PR，只要能获取到两个diff即可；
• 能处理多行变更、复杂的main分支增量场景，可靠性更强。

内容的提问来源于stack exchange，提问作者JavaLearner