git - 从 git 历史记录中删除垃圾邮件

Question

我已经“继承”了一个肮脏的 git 存储库，其中包含大约 5k 有效提交和大约 50k 垃圾邮件提交（这是曾经是世界可写 wiki 的编辑历史）。我们正在迁移格式，所以这是改写历史的好时机。我不想完全放弃历史，但无论是提交量还是原始内容量，垃圾邮件都是压倒性的。回滚到最后一个好的提交的旧适度技术留下了很多垃圾。

我可以找到大约 80% 的错误提交，并且使用起来没有太多麻烦，git log -S并且可以使用一些正则表达式。大多数垃圾邮件内容非常明显。问题是我不确定如何处理我想要删除的大量提交列表。

注意我非常熟悉git并且每小时使用一次（除了git revise已经接管了很多负载git rebase之外，这本来应该是分钟的），我知道如何手动完成这项工作，但我需要一个自动化的解决方案。通常我会转向，但我不确定要使用什么工具来检查当前差异。git filter-branch

我曾想过编写一个脚本来操作一个变基脚本，但我认为这会让我遇到误报的麻烦。我可能可以捕获并丢弃原始的破坏和回滚，但是当我错过了该等式的一侧时会发生什么？我希望可能匹配的REST在其中一个没有干净地变基时成功而不失败。

注意我不想根据我的匹配操作文件的内容或添加/删除文件，我想检查补丁的内容并根据它决定选择或删除。

什么是最好的git工具？

标签： gitrebasespamgit-filter-branch

Answer 1

一种可能性是使用 Git 的移植文件或git replace. 首先，识别所有“好的”提交，即非垃圾邮件提交，还包括“清理/恢复”提交。例如，通过提交者电子邮件或类似机制（您提到 pickaxe/ -S）过滤您的历史记录。

一旦你有了“好”提交的列表，使用paste命令进行简单的转换就可以得到移植文件的内容，即：

commit parent1 parent2 parent3...

说，您的良好提交如下（最新的提交在顶部）：

b3fb1155cd5352da674d93ce4b0a1567674f6d27
b460ef0aea564e587e5866107c0fc52adf552ca1
9f803dd18c89e13f47170e1ace1d0abb992cfeee

那么您需要在您的移植文件中包含以下内容：

b3fb1155cd5352da674d93ce4b0a1567674f6d27 b460ef0aea564e587e5866107c0fc52adf552ca1
b460ef0aea564e587e5866107c0fc52adf552ca1 9f803dd18c89e13f47170e1ace1d0abb992cfeee

这很容易通过以下方式获得：

sed 1d commits | paste commits - | sed '$d'

将此文件移动到并使用或.git/info/grafts验证生成的历史记录。如果您对结果感到满意，请使用重写历史并保存您的移植文件。然后，您可以删除.git loggitkgit filter-branch.git/info/grafts

请参阅https://stackoverflow.com/a/3811217/112968了解如何使用非弃用替换机制。在这种情况下使用移植文件更容易解释（它仍然适用于当前的 Git 版本，所以为什么不使用它？:)）