使用GitPython获取指定根路径下所有Git仓库信息的实现问题

核心逻辑优化点 #

• 修正原逻辑的判断错误：原逻辑会把Git仓库直接跳过，优化后仅跳过非Git仓库的目录
• 遍历顺序采用从浅到深的全目录扫描，不需要额外区分子模块和主仓库，GitPython天然可识别子模块目录为独立Git仓库
• 新增已扫描路径去重机制，避免同一个仓库被重复添加到结果中
• 新增远程信息提取、仓库名称解析逻辑，符合返回三元组的要求

完整可运行代码 #

import os
from git import Repo, InvalidGitRepositoryError

def scan_git_repos(root_path: str) -> list[tuple[str, str, str]]:
    result = []
    scanned_repo_paths = set()

    # 递归遍历根路径下所有层级的子目录
    for current_dir, _, _ in os.walk(root_path):
        # 已经识别过的仓库路径直接跳过，避免重复处理
        if current_dir in scanned_repo_paths:
            continue

        try:
            # 尝试初始化Repo对象，非Git仓库会抛出异常直接跳过
            repo = Repo(current_dir)
        except InvalidGitRepositoryError:
            continue

        # 提取默认origin远程的URL，无远程配置的仓库可按需调整处理逻辑
        try:
            remote_url = repo.remote("origin").url
        except ValueError:
            # 无远程的仓库如果需要保留可替换为 remote_url = "" 继续执行
            continue

        # 从远程URL解析仓库名称，兼容HTTP、SSH两种格式的URL
        if remote_url.endswith(".git"):
            repo_name = remote_url[:-4].rsplit("/", maxsplit=1)[-1]
        else:
            repo_name = remote_url.rsplit("/", maxsplit=1)[-1]

        # 组装要求的三元组格式加入结果
        repo_item = (current_dir, remote_url, repo_name)
        if repo_item not in result:
            result.append(repo_item)
        scanned_repo_paths.add(current_dir)

    return result

效果说明 #

• 主仓库和下属的Git子模块会被识别为两个独立的条目返回，完全符合需求要求
• 自动过滤重复仓库，不管扫描顺序如何都不会出现重复结果
• 兼容Windows、Linux、macOS的路径格式，传入示例中的C:/ProgramFiles可正常运行

内容的提问来源于stack exchange，提问作者Luk Aron