找到源从git分支的位置

Question

我有一个git存储库（包含或多或少的项目历史记录）和一些源代码（只是一个带有少量文件的tarball），这些源代码已经分了一段时间（实际上是在2004年或2005年的某个地方）。

tarball的来源经历了很多变化，我想从中加入一些变化。现在的问题是 - 如何找出变化的源的实际分支点，以获得最小的差异。

所以我基本上想要的是在git历史中找到位置，其中代码与我拥有的源代码的tarball最相似。我不想手动这样做。

还值得一提的是，更改的源仅包含文件子集，并将一些文件拆分为更多。然而，那里的代码似乎只有很少的修改和几个补充。

如果你想自己玩这个游戏，那么带有来源的tarball就是here而Git会在Gitorious托管：git://gitorious.org/gammu/mainline.git

Answer 1

在一般情况下，你实际上必须检查每一次提交，因为你无法知道你是否有一个巨大的差异，下一个是小差异，然后是另一个巨大差异，然后是中等差异...

您最好的选择可能是限制自己使用特定文件。如果您只考虑一个文件，则迭代该文件的所有版本不应该花费很长时间（使用git rev-list <path>来获取列表，因此您不必测试每个提交）。对于修改文件的每个提交，您可以检查diff的大小，并且很快找到最小值。这样做是为了少数文件，希望他们会同意！

为自己设置差异的最好方法是通过简单地复制tarball来进行临时提交，这样你就可以有一个名为tarball的分支来进行比较。这样，你可以这样做：

git rev-list path/to/file | while read hash; do echo -n "$hash "; git diff --numstat tarball $hash path/to/file; done

获取所有具有diff大小的提交的好列表（前三列将是SHA1，添加的行数和删除的行数）。然后你可以把它传递到awk '{print $1,$2+$3}' | sort -n -k 2，你就会有一个提交的排序列表及其差异大小！

如果你不能将自己限制在一小部分要测试的文件中，我可能会试图手工实现与git-bisect类似的东西 - 只是尝试缩小你的方式到一个小的差异，使假设在最好的情况下接近最差情况下的提交也会有较小的差异，而远离它的提交会产生较大的差异。 （在Newton的方法和完整的二进制/网格搜索之间，可能？）

编辑：Douglas' answer中建议的另一种可能性，如果您认为某些文件可能与某些提交中的相同，则使用git-hash-object对其进行哈希处理，并且然后看看你的历史中有什么提交。关于如何做到这一点question with some excellent answers。如果你使用少量文件（最好经常更改的文件）执行此操作，您可以很快缩小目标提交范围。

Answer 2

不是一个很好的解决方案，但要猜测它可能是哪些修改：假设tar球中的某些文件由于它们已经分支而没有被更改。对tar球中的每个文件运行git hash object，然后使用git show在存储库中搜索这些文件。然后尝试找到包含这些文件的提交，可能使用git whatchanged。你的问题的答案可能是提交最常见的文件，但它仍然会有点受伤。

Answer 3

根据araqnid的说法，我想出了9c6c864426bf88429e77c7e22b5aa78e9295b97a（只是要求介于0.61.0和HEAD之间的东西）这可能不是最好的）你可能会用

这样的东西做得更好

git rev-list --no-merges --all | while read rev; do patchsize=$(git diff $rev | wc -c); echo $patchsize $rev; done | sort -n | less

假设您已将tarball导入git并检出该修订版（我通过解压缩然后

执行此操作

git init
git add .
git commit -m "import tarball"
git remote add origin git://gitorious.org/gammu/mainline.git

所以在你这样做并运行上面之后它应该以patchsize的升序输出所有差异的大小（第一个将是0，因为它会找到当前的头部）它需要很长时间......但它应该找到最小的差异......

Answer 4

叉子是怎么做的？它是别人制作的克隆，然后做了自己的工作吗？如果是这样，那真的很容易。你需要做的就是创建一个从fork中提取代码的本地分支。 git将看到forked分支的祖先指向你原始存储库中的一个提交，并将“连接点”可以说......它将重新连接从原始存储库到fork的历史记录。

你应该能够做到这一点：

git remote add thefork git://wherever.it.lives/thefork.git

git fetch thefork

git branch -f thefork-branch thefork/branchname

git checkout thefork-branch

此时，您可以运行gitk并查看分叉分支和本地存储库的完整历史记录，看看它们是否连接。

Answer 5

将tarball中的文件导入git修订版，在单独的分支或全新的分支上：修订图中的位置并不重要，我们只希望它以树形式提供。

现在对于master中的每个修订版，只需对该树/修订版（'imported'）进行diff操作，然后输出diff的大小。类似的东西：

git rev-list master | while read rev; do patchsize=$(git diff $rev imported | wc -c); echo $rev $patchsize; done

因此，通过非常粗略的经验法则，具有最小补丁大小的修订将是“最接近的”。 （相同的修订版将产生0的补丁大小，其他任何东西肯定都不为零，并且变化越多，越大）。

Answer 6

如果您对叉子的位置有一个粗略的想法，请考虑使用Will Manley的git meld。 （另见：View differences of branches with meld?。）

要执行此操作，请将tarball内容添加到您的存储库（无论如何您都将执行此操作）。安装Meld和git-meld后，运行

git meld branch_from_tarball commit_to_check &

在不同的提交上，直到找到差异最小的提交。此命令将打开meld并查看指定提交之间目录树中的更改，并隐藏相同的文件。屏幕截图示例：

Meld显示两个非常不同的提交：

显示两个类似的提交：