如何列出git仓库中所有文本（非二进制）文件？

Question

我有一个存储库，里面有很多自动生成的源代码文件，我已经在.gitattributes中将它们标记为“二进制”（因为并不是每个人都可以访问生成工具，所以这些文件被检入）。此外，该存储库中还有很多位于被忽略目录中的源文件（同样是生成构建过程的一部分），以及一些实际的二进制文件（例如小型资源文件，如图标）。

现在我想找到存储库中所有非自动生成和非被忽略的文件。我原本以为只需使用find和一堆排除语句就可以了，但现在我的find语句十分糟糕，并且仍然无法完全完成工作。git ls-files可以工作，但会显示所有二进制文件，需要我过滤掉。

所以，我想知道：是否有一个简单的命令可以列出每个已检入存储库的文件，并且 git 认为是“文本”文件？

- nneonneo

Answer 1

git grep --cached -Il ''

列出所有非空的普通文本文件（不包括符号链接）：

• -I：在二进制文件中不匹配模式
• -l：仅显示匹配的文件名，不显示匹配的行
• ''：空字符串使git grep匹配任何非空文件
• --cached：还要查找使用git add添加但尚未提交的文件（可选）

或者您可以在git ls-files的for循环中使用如何确定Git将文件处理为二进制还是文本？ 。

TODO 空文件。

要查找所有二进制文件，请参见：在Git HEAD中查找所有二进制文件

使用Git 2.16.1测试了此测试存储库。

- Ciro Santilli OurBigBook.com

---

用于通过管道传递给 xargs -0 的选项是 -z。 - raphinesse

Answer 2

一种巧妙的技巧是：列出所有包含回车符的非二进制文件。

$ git grep --cached -I -l -e $'\r'

对于我的情况，使用空字符串效果更好：

$ git grep --cached -I -l -e $''

这段内容摘自如何列出git中的二进制和非二进制文件?。

- Cacovsky

---

在$''中不需要$，''更具可移植性。 - Ciro Santilli OurBigBook.com

Answer 3

你可以使用Git的eol属性来查找非二进制文件。

git ls-files --eol | grep 'i/lf'

这将列出所有使用“LF”行尾的已检入文件。

这有一个优点，即使用了git ls-files命令，因此可以轻松地将其导入到xargs中。它也是一个管道命令，因此可能更快（我没有进行基准测试）。

这可能是使用git grep方法的可行替代方案，因为它在一些人认为的二进制文件方面似乎更加可定制。

请注意，您可以在.gitattributes中指定git应该将哪些文件视为二进制文件。因此，如果您在.gitattributes中添加*.svg binary，则git grep方法将遵守此规则。但eol属性也会遵守，但不适用于在设置属性之前已经检入到索引中的旧文件。但您始终可以添加| grep -v 'attr/-text'来排除在.gitattributes中已被设置为二进制文件的文件。

- CervEd

Answer 4

标准的列出未被忽略文件的方法是：

git ls-files --exclude-standard --cached

但是，正如你所看到的，它列出了所有有版本的文件。

一个解决方法是在一个名为“exclude_binaries”的单独文件中定义一个排除模式，以匹配你所知道的所有二进制文件。

git ls-files --exclude-standard --cached \
--exclude-from=/path/to/`exclude_binaries`

那将是一个不那么复杂的find，但它不能提供完全自动化的列出非二进制文件的方式：您仍需在单独的模式文件中标识并列出它们。

- VonC

Answer 5

使用 git ls-files 和 awk：

git ls-files --eol | awk -F '\t' '{if ($0 !~ /^i\/-text/) print $2}'

注意：此解决方案也适用于返回非二进制、空文件。

说明：

• --eol：显示文件的<eolinfo>和<eolattr>。参考：https://git-scm.com/docs/git-ls-files#Documentation/git-ls-files.txt---eol
• awk -F '\t'：通过制表符解析并分隔输入行。至少在 git 版本 2.37.2 中，git ls-files --eol 的输出格式显示 4 个“人类可读”列，但仅在第四列之前有制表符。因此，如果我们按制表符分隔，awk 将考虑两列。
• (awk) if ($0 !~ /^i\/-text/)：只有当该行不以 i/-text/ 开头时才匹配。这是我们测试知道该文件不是二进制文件的方法。
• (awk) print $2：打印第二列，即文件的路径（由 OP 请求）。请注意，此解决方案也适用于包含空格的文件名。

致谢：我的回答是在 @CervEd 的回答基础上进行扩展的（https://dev59.com/YWMk5IYBdhLWcg3wywwU#67346778），同时也参考了 @Quential33 的另一篇回答（https://dev59.com/ym025IYBdhLWcg3wQDhb#66796286）。

- juanmirocks