在git HEAD中查找所有二进制文件

Question

我有一个巨大的git repo，最终想用bfg清理。 但首先，我想跟踪并删除HEAD中的文件，git将其视为二进制文件...

所以，我正在寻找的是一个命令来查找HEAD中git视为二进制文件的所有文件。

这些没有帮助：

• List all text (non-binary) files in repo <我正在寻找二进制文件。不是文本文件。
• Git find all binary files in history <我只关心HEAD
• http://git.661346.n2.nabble.com/git-list-binary-and-or-non-binary-files-td3506370.html <我尝试了这些命令但他们没有帮助。

预先感谢您的帮助。

Answer 1

diff <(git grep -Ic '') <(git grep -c '') | grep '^>' | cut -d : -f 1 | cut -d ' ' -f 2-

打破它：

• git grep -c ''打印存储库中每个文件的名称和行数。添加-I选项使命令忽略二进制文件。
• diff <(cmd1) <(cmd2)使用过程替换为diff提供命名管道，通过该管道发送cmd1和cmd2的输出。
• grep和cut命令用于从diff的输出中提取文件名。

Answer 2

基于@jangler（https://stackoverflow.com/a/30690662/808101）答案的简化解决方案

comm -13 <(git grep -Il '' | sort -u) <(git grep -al '' | sort -u)

说明：

1. git grep -l要求只打印匹配模式''的文件名（应与每个文件的每一行匹配） -I此选项使命令忽略二进制文件 -a此选项强制处理二进制文件，就像它们是文本一样
2. sort -u对grep的结果进行排序，因为comm只处理已排序的文件
3. comm -13列出第二个列表唯一的文件（git grep列表包含所有文件，包括二进制文件）

Answer 3

以下是使用PowerShell的Windows的相同脚本：

$textFiles = git grep -Il .
$allFiles = git ls-files

foreach ($line in $allFiles){
    if ($textFiles -notcontains $line) {
        $line;
    }
}

或者是简短的形式：

$textFiles = git grep -Il .
git ls-files | where { $textFiles -notcontains $_ }

这需要O(n^2)来完成，这是使用哈希表的更快方法：

$files = @{}
git ls-files | foreach { $files[$_] = 1 }
git grep -Il . | foreach { $files[$_] = 0 }
$files.GetEnumerator() | where Value -EQ 1 | sort Name | select -ExpandProperty Name

这需要O(n)完成。

Answer 4

grep -Fvxf <(git grep -Il '') <(git grep -al '')

说明：

• git grep -Il ''：列出git认为是文本的所有非空常规文件。另见：How to list all text (non-binary) files in a git repository?
• git grep -al ''：列出所有非空的常规文件，包括二进制文件
• grep -Fvxf：从文件2中选择未出现在文件1中的行，因此只选择Git认为是二进制的非空文件。见：How to remove the lines which appear on file B from another file A?

还要考虑使用git add添加但尚未提交的文件：

grep -Fvxf <(git grep --cached -Il '') <(git grep --cached -al '')

或者你可以用git ls-files在How to determine if Git handles a file as binary or as text?上做一个for循环

使用this test repo在Git 2.16.1上测试。