在Git存储库中查找类似的blob

Question

我有一个源文件从另一个远程存储库导入我的存储库，想知道该文件何时在远程存储库中提交。

不幸的是，a script to find duplicated blobs对我没有帮助，因为文件在导入时略有修改。

如果有一个脚本可以找到类似的blob，我认为这个问题很容易解决。有人知道吗？

Answer 1

Blob（和其他git对象）由加密校验和索引。此类函数具有不将类似输入映射到类似输出的预期属性。因此，您无法根据任务使用blob ID。一种可能的方法是从git存储库中提取所有blob并在其上计算模糊校验和（例如ssdeep）。然后你可以在模糊校验和空间中搜索你的blob（在ssdeep的情况下编辑距离）。