如何自动查找与本地文件匹配的Git历史提交集合？

核心思路 #

通过计算本地文件的哈希值，遍历仓库历史提交，对比对应文件的哈希，找出完全匹配的提交集合。

具体步骤 #

1. 生成本地文件哈希清单 #

在本地文件目录下，生成所有文件的SHA-1哈希与文件名对应清单，确保路径和排序统一：

• Linux/macOS环境执行：

  find . -type f -exec sha1sum {} \; | sort > local_hashes.txt
  

• Windows PowerShell环境执行：

  Get-ChildItem -Recurse -File | ForEach-Object { Get-FileHash -Path $_.FullName -Algorithm SHA1 } | Sort-Object Path | Format-Table -HideTableHeaders Path, Hash > local_hashes.txt
  

2. 遍历仓库提交对比哈希 #

在目标Git仓库中，运行以下脚本遍历所有提交，生成对应提交的文件哈希清单并与本地文件对比：

#!/bin/bash
LOCAL_HASHES="local_hashes.txt"

# 遍历仓库所有提交哈希
git rev-list --all | while read commit_hash; do
    echo "正在检查提交: $commit_hash"
    # 生成当前提交的文件哈希清单
    git ls-tree -r --name-only $commit_hash | while read file; do
        git show $commit_hash:$file | sha1sum | awk -v file="$file" '{print $1 "  " file}'
    done | sort > temp_commit_hashes.txt
    
    # 对比哈希清单，完全匹配则记录提交信息
    diff -q $LOCAL_HASHES temp_commit_hashes.txt > /dev/null
    if [ $? -eq 0 ]; then
        echo "找到匹配提交: $commit_hash"
        git log --oneline -1 $commit_hash >> matching_commits.txt
    fi
    
    rm temp_commit_hashes.txt
done

3. 优化提速技巧 #

• 若知晓文件大致生成时间，用git rev-list --since="YYYY-MM-DD" --until="YYYY-MM-DD" --all缩小遍历范围
• 脚本中先统计本地文件数量与提交的文件数量，数量不一致直接跳过，减少哈希计算量
• 大仓库可尝试并行处理提交（注意控制系统资源占用）

注意事项 #

• 确保本地文件与仓库中的文件路径结构完全一致，否则路径对比会失败
• 若本地存在仓库没有的文件，或缺少仓库中的文件，需先调整本地目录结构，只保留仓库对应的文件
• 哈希算法保持统一，示例用SHA-1，也可根据需求替换为MD5等

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