将以前合并的代码分离为多个git存储库

Question

这个问题听起来与这里提出的许多问题相似，但却是惊人的不同。

我有一个git存储库，它曾经是一个svn存储库(曾经是一个cvs存储库)。这些数据可以追溯到1999年左右。

现在是将这个存储库分成几个不同的存储库的时候了，保存了所有这些丰富的历史。但是，存储库的结构经常发生变化。目前所有的项目都来自一个基础项目，这个基础项目发展为几个项目，缩小到两个项目，然后再增长。代码已经被移来移去，但从来没有被复制过；现在，它已经在几个成熟的项目中找到了一个最后的休息点。

如果我想保存历史的话，这使得拆分存储库变得非常困难。使用git-filter分支似乎是正确的方法，但所有这些似乎都破坏了存储库的一部分，并用它们截断历史。

编辑添加了来澄清，这里有一个小例子，假装我在存储库的根中。假设存储库如下所示：

foo/
    bar/
        file.txt
    baz/

现在，假设我编辑file.txt的内容。然后我将它重命名为newfile.txt。然后我再次编辑内容。然后，我将该文件移出bar/并进入baz/。我的存储库现在如下所示：

foo/
    bar/
    baz/
        newfile.txt

好的，现在假设我想将baz/拆分到它自己的存储库中。使用git过滤器分支或使用git子树拆分将丢失newfile.txt的所有提交消息和历史记录，当它位于bar/内部和命名为file.txt时。

我理解，签出一个历史修订版可能是疯狂的；它可能引用一些名为../bar/的内容，或者它可能引用了一个无效目录，该目录并不存在，而且异常失败。只要我能在任何特定的版本中查看文件内容，我就不在乎。

端编辑

我想要做的事情似乎有两条路：

1. 克隆存储库N次，保存我想要的存储库中的文件夹(通过git rm-ing其他文件夹)，并以某种方式删除任何最终不引用头中文件的修订。我意识到这会有一些负面的副作用，因为签出旧版本不会提供有意义的代码基础--我不在乎。为了做到这一点，我需要找到一种方法，从HEAD中存在的所有文件中获取所有路径，这可以用一个丑陋的script.
2. Build来实现--这是存储库在每个索引期间的样子的某种历史索引。使用树筛选器，并将不匹配的文件从各自的版本中删除。然后，删除HEAD.

中没有出现的文件或从文件中降下来的文件。

是否有可能找到所有没有出现在头部的文件，并删除与它们相关的任何历史记录？我不关心已经被删除的文件的复活，这似乎是我问题的症结所在。

另一种解决办法也将受到赞赏。我对git还比较陌生，所以我可能遗漏了一些显而易见的东西。

Answer 1

最后，我不得不在几个阶段中完成这个任务。

首先，我得到了存储库中找到的所有文件路径的列表：

git log --pretty=format: --name-only --diff-filter=A | sort -u

使用它，我能够确定我想要保存的文件在某个点或另一个点的位置。在我的例子中，他们在整个生命周期都居住在存储库中的四个单独的目录中。我使用这些信息手动创建正则表达式，如(?:^foo|^bar/baz|^qux/(?:moo|woof))。这与我想保存的目录相匹配。

然后，我创建了一个perl脚本来保存这些路径名和包含它们的任何父路径名。

use Path::Class;    
if(scalar(@ARGV) < 1) { die "no regex"; }

my $regex = qr/$ARGV[0]/;    
my @want; my @remove; my $last = undef; my $lastrm = undef;

while(<STDIN>) {
    chomp;
    my $d = $_;
    if( $d =~ $regex ) {
        if( ! defined($last) || ! dir($last)->subsumes(dir($d)) ) {
            $last = $d;
            push @want, $d;
        }
    } else {
        if( ! defined($last) || ! dir($last)->subsumes(dir($d)) ) {
           push @remove, $d;
        }
    }
}
foreach $rm (@remove) {
    my $no_rm = 0;
    if( defined($lastrm) && dir($lastrm)->subsumes($rm) ) {
        $no_rm++;
    } else {
        foreach $keep (@want) {
            if( dir($rm)->subsumes(dir($keep)) ) {
                $no_rm++;
            }
        }
    }
    if( $no_rm == 0 ) {
        print "$rm\n";
        $lastrm = $rm;
    }
}

最后，我使用git过滤器分支来使用我的新过滤器和正则表达式来保留我想要的路径。

git filter-branch --prune-empty --index filter '
    git ls-tree -d -r -t --name-only --full-tree $GIT_COMMIT 
    | sort | /path/to/filter.pl "(?:regex|of|paths)" 
    | xargs -n 50 git rm -rf --cached --ignore-unmatch' -- --all

排序是必要的，因为它确保perl脚本获得正确层次结构中的目录。

我希望这能帮助到一些人，因为我花了很多很多小时才想出这个主意。:)

Answer 2

您应该考虑安装和使用git子树https://github.com/apenwarr/git-subtree，它处理拆分的repos并很好地保存历史记录。