chat

背景

整个设计中，会涉及到哪些 git 命令

给出这些命令的解释+例子

设计

推荐的三个 Git 命令（分开获取）

命令1：获取近一年所有提交的 hash 列表（正序）

git rev-list --since="1 year ago" --reverse HEAD

输出格式：每行一个完整的 commit SHA-1（40 字符），按提交时间从旧到新排序。

用途：作为遍历的主列表，保证增量处理时按时间顺序。

命令2：获取单个提交的结构化元信息（易解析）

git log --format="%H|%an|%ae|%at|%s" -n 1 <hash>

输出格式：单行，字段之间用竖线 | 分隔，例如：

a1b2c3d4e5f6...|Alice|alice@example.com|1700000000|fix login timeout

字段说明：

  • %H：完整 commit hash
  • %an：作者名（author name）
  • %ae：作者邮箱
  • %at：作者时间戳（Unix 秒）
  • %s：提交消息的第一行（subject）

为什么只选这5个字段？

  • 图数据库中的 GitHistoryCommit 还需要 committer、parentHashes、isMerge 等，但这些可以从命令1+其他命令单独获取（例如用 git rev-parse <hash>^@ 获取父 hash），或者在解析 diff 时通过 git show 的默认输出也能获得。为了保持命令最简单且输出稳定，这里只取最核心且不会包含分隔符的字段。
  • 实际脚本中可以再调用一次 git log --format="%P|%cn|%ce|%ct" -n 1 <hash> 获取其他字段，但为了“最少命令”，建议将这5个字段作为基础，其余字段按需扩展。

命令3：获取单个提交的纯净 diff（无提交信息）

git show --unified=0 --format="" <hash>

输出格式：标准的 Git diff 格式，但不包含 commit header、Author、Date、message（因为 --format=""），且 --unified=0 使得每个 hunk 只显示变更行及其行号，没有上下文行。

示例输出：

diff --git a/src/auth.py b/src/auth.py
index 83db48f..8e3c5b7 100644
--- a/src/auth.py
+++ b/src/auth.py
@@ -10,7 +10,8 @@ def login():
     username = input()
-    password = input()
+    password = getpass.getpass()
     return authenticate(username, password)

解析要点：

  • 文件路径：取 diff --git a/... b/... 中的路径（去掉 a/ 和 b/ 前缀）
  • 变更类型：
    • 新增文件：出现 new file mode
    • 删除文件：出现 deleted file mode
    • 修改文件：同时有 --- a/... 和 +++ b/...
    • 重命名：出现 rename from 和 rename to
  • 变更块行号：从 @@ -a,b +c,d @@ 中提取
  • 具体代码行：以 - 开头的行（旧版删除）、+ 开头的行（新版新增）

为什么这是“最少+科学”的组合？

  • 命令1 只做一件事：列出需要处理的 commit，支持时间过滤和正序。
  • 命令2 以竖线分隔输出，无歧义，程序可直接 split('|')。
  • 命令3 只输出 diff 内容，无额外信息，解析简单。
  • 总共 3 个命令，每个命令职责单一，管道清晰，易于并行处理。

如果你需要更丰富的元信息（如 committer、父 hash），可以在命令2中增加字段，但会面临分隔符冲突风险。

建议保持这 3 个命令作为基础，其他信息通过额外命令按需获取（例如 git rev-parse $hash^@）。

参考资料