将Subversion代码库的部分内容转换为Git

Question

我有一个旧的Subversion存储库，里面有许多我的私人项目。其中一部分是几年前从旧的CVS存储库转换而来的（使用cvs2svn或类似工具）。它当前的结构如下：

• 主干
  • latex
  • java
    • awt-doku
    • pps
      • build.xml
      • src
        • ant
        • de
          • dclj
          • faq
          • paul
            • （约20个其他软件包）
            • ltxdoclet
              • （一些Java文件）
  • lua
  • （其他目录）
• 分支
• 标签
• 导入

问题在于，我对这个存储库进行了相当多的重新组织 - 例如，pps目录的所有内容曾经都在import的子目录中（我认为我从CVS中将其导入到那里），可能还有其他移动。

我现在对目录的内容以及路径中的其他文件，如build.xml、目录等感兴趣。我想要它们的完整历史记录，包括移动文件之前的历史记录，并且我现在想把它作为一个git仓库（因为我想在github上发布这个项目）。标签和分支从来没有被真正使用过，所以它们不重要。

我不想要这个仓库的其余部分（它们有时会成为单独的git仓库）- 这会使我的仓库变得太大（而且有些东西我不想公开）。

理想情况下，我的最终git仓库（在HEAD状态下）应该是这样的： pps - build.xml - src -- ant -- de --- dclj ---- paul ----- ltxdoclet ------ (一些java文件)

我并不关心历史目录配置，但是历史记录不应包含未触及这些目录（或它们的前身）中任何文件的提交。

---

当然，git svn 似乎是最佳选择的工具。（还有其他吗？） git svn clone 似乎是正确的命令...但是需要哪些选项呢？我创建了一个 authors.txt 文件来将 CVS 或 SVN 用户名转换为我的姓名和地址。为了只获取感兴趣的文件和目录，我使用了 --ignore-paths。

这是我的尝试：

filter='^/xcb-src/|_00|src/resources|dclj/faq|dclj/paul/([^l]|l[^t])'
git svn clone svn+ssh://mathe-svn/ --trunk trunk/java/pps -A authors.txt --ignore-paths=$filter latexdoclet

当然，它只显示提交2306之后的历史记录，当时我将import/java-pps移动到了trunk/java/pps...而且它有很多提交根本没有任何更改。

为解决第一个问题，我考虑同时给出旧目录作为--trunk参数：

git svn clone svn+ssh://mathe-svn/ --trunk trunk/java/pps --trunk import/java-pps -A authors.txt --ignore-paths=$filter latexdoclet

这并不起作用，第一个--trunk在这里被忽略了，并且它在提交2305之前有效（在移动之前）。 （它还包含许多空提交。）

我目前的尝试是导入整个存储库，过滤掉任何不需要的内容：

filter='/xcb-src/|_00|src/resources|dclj/faq|dclj/paul/([^l]|l[^t])|/esperanto|finanzen|diverses|homepage|konfig|lua|prog-aufgaben|CVSROOT|latex|tags/'
git svn clone svn+ssh://mathe-svn/ -A authors.txt --ignore-paths=$filter latexdoclet-neu

转换仍在进行中，但肯定有很多提交我根本不想要。

编辑：转换已完成 - 我现在有2658个提交（git中的3176个对象），只有大约36个提交具有一些有趣的树更改，如果我正确配置了我的gitk过滤器。（+还有3个被错误地过滤掉，因为我们的latex源文件首先在“latex”目录中。）

---

• 有没有更好的方法来做这件事情？
• 我是不是应该先导入整个代码库，然后使用git filter-branch挑选出我想要的文件和提交记录？

- Paŭlo Ebermann

Answer 1

以下是我参考的操作步骤。

---

在Dustin给出的答案之后，我首先使用以下命令将整个svn存储库转换为git：

 git svn clone -A authors.txt svn+ssh://mathe-svn/ all-projects

这使我得到了一个非常庞大的 Git 仓库，包含24241个对象和24MB（压缩后），而原来的Git仓库大小为45MB。正如评论中已经说过的，两者都有2658次提交记录，但线性历史不会丢失。

然后我开始筛选...在 git filter-branch 提供的过滤器中，--index-filter 显得最有用，因为它不需要检出任何内容（与 --tree-filter 相比），而且我只想删除不需要的文件，不需要重写元数据。

此外，--prune-empty 也很有用。我还使用了 -d /dev/shm/ebermann/git-work/tmp 将工作目录放在 tmpfs 中，但我不知道这是否真的有影响，因为我没有在这里进行核对。我使用了 --original 选项来保留原始的 master 引用名称。 （为什么 filter-branch 不允许简单地创建一个新分支并保持旧分支不变呢？）

我的树过滤器是 git rm --cached -r --ignore-unmatch，我通过 xargs 提供了一组文件和目录列表。

因此，我进行了多次调用

git filter-branch           \
  -d /dev/shm/ebermann/git-work/tmp  \
   --index-filter "
xargs -a ~/projektoj/git-conversion/remove-liste-5.txt git rm --cached -r --ignore-unmatch 
"        \
   --original "step8"       \
   master

and

git filter-branch \
  -d  /dev/shm/ebermann/git-work/tmp  \
  --prune-empty \
  --original "step9" \
  master

在此期间，我使用 gitk 查看创建的分支，寻找我之前忘记的文件。

首先，我从 svn ls svn+ssh://mathe-svn/path 的输出中创建了一个文件列表，删除了我想保留的文件/目录。后来，我不得不对旧版本重复这个过程，因为有些文件在之前被重命名（更确切地说，整个目录树被移动），所以旧名称没有显示出来。此外，有些文件在当前版本之前就已经被删除了。

现在我的 master 分支只剩下 40 个版本，我的 HEAD 包含 39 个文件和目录。

这个仓库（只克隆了这个分支到一个新仓库）现在只有 180 KB 大小（带有 288 KB 的工作树）。我现在会清理提交注释（它们经常与这个项目无关），然后将其发布在 github 上。

---

下一次，是否有一些命令可以创建一个列表，其中包含存储在我的仓库中的所有文件路径（无需检查所有修订版并针对每个版本调用 find 或类似命令）？（Git 或 SVN 都可以。）

- Paŭlo Ebermann

Answer 2

是的，在转换后学习filter-branch并进行所有编辑。您可以逐步执行并在每个步骤中进行反向操作，以防出错。

- Dustin

---

好的，明天再做吧...（我应该学会如何提出问题，让回答不仅仅是“是”或“否”。）谢谢！ - Paŭlo Ebermann

整个导出到 Git 的存储库有 24241 个对象，大约为 24 MB。那么让我们看看过滤会给我们带来什么。 - Paŭlo Ebermann

SVN仓库有45 MB大小...但两者都有2658个修订版本/提交，所以看起来我已经拥有了所有内容。 - Paŭlo Ebermann

你不能真正比较大小。git通常会更小。你可以使用git rev-list --all | wc -l计算提交的数量，但如果你删除了一些文件并压缩了空提交，你可能会有更少的提交数。 - Dustin

经过几个小时的工作（使用filter-branch），我现在只剩下了我真正想要的40个提交。（我将在另一个答案中描述这个过程。） - Paŭlo Ebermann