Git仓库文件创建者识别及公平字符计数付费方案咨询

原有统计逻辑将所有提交过某文件的作者都计入整文件贡献，在跨编辑修正内容时会出现计数不公的问题，以下针对三个问题给出可直接落地的解决方案：

1. 统计用户创建的文件列表及对应字符数 #

要筛选用户首次新增到仓库的文件（即用户作为创建者的文件），只需要在原有命令中增加--diff-filter=A参数，该参数会仅保留提交中属于「Add（新增）」状态的文件，排除后续修改、删除类提交关联的文件，最终命令如下：

git log --use-mailmap --no-merges --author="CertainEditor" --diff-filter=A --name-only --pretty=format:"" | sort -u

• sort -u用于去重，避免文件被删除后重新添加等特殊场景下的重复计数
• 将输出结果通过管道传给wc -m，即可得到该用户作为创建者贡献的总字符数，作为基础酬劳核算依据

2. Commit hooks 自动覆盖Author字段的可行性 #

强烈不建议这么实现，核心原因有两点：

• Git提交的Author字段核心作用是溯源实际修改人，强行将非创建者提交的Author改为原文件创建者，会完全丢失修改记录，后续出现内容错误、违规内容等问题时无法定位实际操作人
• 客户端hooks（pre-commit/commit-msg等）可以被用户通过git commit --no-verify轻易绕过，服务端hooks虽然可以强制拦截，但篡改作者信息的逻辑会直接打击编辑主动修正他人笔误的积极性，和鼓励互助校对的初衷相悖
  如果需要标记文件原创建者，更合理的方案是通过git notes给提交附加原创建者备注，或在提交说明中自动追加标记，不要篡改提交本身的作者信息。

3. 按实际修改量核算非创建者酬劳的方案 #

按diff增量统计是目前最公平的核算方式，完全不需要调整提交流程，直接通过Git原生命令即可实现：

• 酬劳拆分规则建议：文件创建者获得该文件首次提交时全文字符对应的酬劳；后续所有修改的贡献者，按自己实际提交中新增的有效字符数核算酬劳，删除字符、纯空白字符修改不计酬，避免无效操作刷量
• 统计指定作者所有提交累计新增字符数的基础命令如下：

git log --use-mailmap --no-merges --author="CertainEditor" --pretty=tformat: --numstat | awk '{sum += $1} END {print sum}'

• 如果需要精确到字符而非行数，可以替换为逐词diff统计逻辑，配合阈值规则过滤小幅修改：比如设置单文件单次提交新增字符数少于10（阈值可自行调整）时，不计入酬劳统计，默认归为编辑间互助校对，既鼓励主动修正笔误，也不会出现改1个字符拿整份文件酬劳的问题

注意：统计前请确保本地仓库是全量克隆，不要使用浅克隆（shallow clone），否则会缺失早期提交记录导致统计偏差。

内容的提问来源于stack exchange，提问作者user1876484