Git：如何从Git历史记录中删除当前不存在的*所有*文件？

Question

我看到了很多关于如何从所有git历史记录中删除一个单个文件的文章和问题。例如：在Git存储库中删除/删除大文件的提交历史记录？ 我想要做的是删除所有不在主分支头部的文件。

我的用例是我正在从一个单体存储库（称为monolith）分离出一个较小的存储库（称为small）。我想在创建small时保留git历史记录，但只保留与相关的git历史记录。

首先，在GitHub上创建了一个新存储库small。然后，在我的笔记本电脑上，我将其添加为名为origin-small的远程到我的本地monolith存储库，并将monolith的主分支的当前状态推送到origin-small。

然后，我从monolith中删除了远程origin-small，更改了目录，并从GitHub克隆了small。看起来，我有了一个带有完整历史记录的原始存储库monolith的副本。

但是，small的历史记录中有很多不再相关的文件，它们使存储库变得臃肿。

我想做的是：

1. 从small中删除所有不必要的文件。
2. 运行一个命令来清除刚刚删除的文件的整个git历史记录。

是否有一种方法可以使用单个命令完成此操作？还是我需要为每个要删除的文件/目录运行一次git filter-branch？

- Cameron Hudson

Answer 1

我最终使用了git-filter-repo。 警告：如果存在标签，则此方法无法更新远程标签。

1. 安装git-filter-repo。

brew install git-filter-repo

克隆你想要的仓库，以镜像形式。

git clone --mirror <my-repo-url>

进入仓库目录。

cd <my-repo-name>

分析仓库以识别所有在历史记录中存在但不再存在的文件。

git filter-repo --analyze

在 analysis 输出目录中，将有一个名为 path-deleted-sizes.txt 的文件，其中包含了一份所有曾经被提交过的文件清单，这些文件后来被删除了，但仍然存在于 Git 历史记录中。 创建一个新文件，该文件不包含标题和其他列。

tail +3 ./filter-repo/analysis/path-deleted-sizes.txt \
    | tr -s ' ' \
    | cut -d ' ' -f 5- \
    > ./filter-repo/analysis/path-deleted.txt

清理所有已经不存在的文件在 Git 历史记录中。这将清理不良提交，删除空提交，并为您重新压缩一切。

git filter-repo --invert-paths --paths-from-file ./filter-repo/analysis/path-deleted.txt

清理./filter-repo目录，否则您将无法推送更改。

rm -rf ./filter-repo

强制推送所有引用到远程仓库。即使命令没有指示，它也将进行强制推送。此外，它将更新远程仓库上的所有分支，这非常方便。如果在GitHub / Bitbucket等平台上启用了某些分支的分支保护，则需要允许强制推送。如果发现某些引用无法进行强制推送，则可以随时重新运行此命令。

git push

- Cameron Hudson

---

参见：如何在提交历史中识别大文件。 - Martin Thoma

这很棒，但是应该将 ./filter-repo 替换为 .git/filter-repo，以便使其开箱即用。这是 git-filter-repo 现在默认放置结果的位置。 - FvD

实际上，如果你镜像了该仓库并且没有 .git 文件夹，并且帖子中描述的路径是正确的。 - Maverick1st

Answer 2

列出所有存在于旧提交中的文件。

git rev-list HEAD | sed 1d | xargs -i git ls-tree -r {} --name-only | sort -u

列出head中存在的所有文件。

git ls-tree -r HEAD --name-only | sort -u

获取在head中不存在的文件 (参考链接)。

files=$(comm -23 <(git rev-list HEAD | sed 1d | xargs -i git ls-tree -r {} --name-only | sort -u) <(git ls-tree -r HEAD --name-only | sort -u))

将不可见字符（我猜测是换行符）替换为空格，否则在git filter-branch中会导致错误。

lostfiles=$(echo $files | sed -e 's/\s/ /g')

从历史记录中删除 lostfiles：

git filter-branch -f --tree-filter "rm -rf ${lostfiles}" --prune-emtpy

可以将它们组合成一个命令，但我不知道是否会有性能问题，因此我更喜欢单独的命令。

- ElpieKay