我来帮你解决这个问题——用GitPython实现类似git diff --numstat的文件增删行数统计，并且能轻松提取每个文件的有效数据：

1. 先安装GitPython #

首先确保你已经安装了GitPython库：

pip install gitpython

2. 基础实现：复刻git diff --numstat输出 #

下面的代码会遍历所有修改过的文件，按照git diff --numstat的格式输出新增行数、删除行数和文件名，同时处理重命名、二进制文件等特殊情况：

from git import Repo

# 替换为你的Git仓库路径
repo_path = "/path/to/your/git/repository"
repo = Repo(repo_path)

# 获取工作区与HEAD的差异（对应`git diff`命令）
# 如果需要暂存区与HEAD的差异，用 repo.head.commit.diff()
# 如果要对比两个特定commit，用 repo.commit("old_commit_hash").diff("new_commit_hash")
diff_index = repo.index.diff(repo.head.commit)

print("新增行数\t删除行数\t文件名")
print("-------------------------------")

for diff in diff_index:
    # 处理文件名：重命名文件显示新旧路径，否则显示当前路径
    if diff.renamed:
        filename = f"{diff.a_path} -> {diff.b_path}"
    else:
        filename = diff.b_path if diff.b_path else diff.a_path
    
    # 处理二进制文件：git diff --numstat中二进制文件显示"- -"
    if diff.binary:
        insertions = "-"
        deletions = "-"
    else:
        # 从diff统计中提取增删行数
        insertions = diff.stats["insertions"]
        deletions = diff.stats["deletions"]
    
    # 按照numstat格式打印
    print(f"{insertions}\t{deletions}\t{filename}")

3. 提取结构化数据（方便后续处理） #

如果你不想直接打印，而是要把增删行数提取为字典等结构化数据，方便后续分析，可以这样写：

from git import Repo

repo = Repo("/path/to/your/git/repository")
diff_index = repo.index.diff(repo.head.commit)

# 用字典存储每个文件的统计信息
file_stats = {}

for diff in diff_index:
    # 跳过二进制文件（也可以根据需求保留）
    if diff.binary:
        continue
    
    # 确定文件名
    if diff.renamed:
        file_key = f"{diff.a_path} -> {diff.b_path}"
    else:
        file_key = diff.b_path if diff.b_path else diff.a_path
    
    # 存储增删行数
    file_stats[file_key] = {
        "insertions": diff.stats["insertions"],
        "deletions": diff.stats["deletions"]
    }

# 遍历结构化数据进行处理
for file, stats in file_stats.items():
    print(f"文件 {file}: 新增 {stats['insertions']} 行，删除 {stats['deletions']} 行")

4. 常见扩展场景 #

• 对比暂存区与HEAD：把diff_index = repo.index.diff(repo.head.commit)换成diff_index = repo.head.commit.diff()，对应git diff --cached --numstat
• 对比两个历史commit：比如对比abc123和def456两个commit，用diff_index = repo.commit("abc123").diff("def456")
• 处理空差异：可以先判断if not diff_index: print("当前没有修改的文件")，避免空遍历

注意事项 #

• 确保你的GitPython版本是较新的，旧版本可能存在API差异
• 如果是裸仓库（bare repository），部分diff操作会受限，建议使用带工作区的仓库
• 对于大型仓库，diff操作可能会耗时较长，可以考虑按需过滤文件（比如只统计特定目录下的文件）

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