Git 查找历史上所有的二进制文件

抱歉，如果这与上一个问题重复，但我找不到我要找的东西。我正在将一个大型 cvs 代码集（20 多个具有 15 年历史的存储库 - 10-15 GB 大小）转换为 git。大部分大小是由于过去与代码一起提交的二进制文件造成的。虽然某些二进制文件是可以完全删除的文件，但最好保留其中的许多文件及其历史记录。但是，我们不希望存储库膨胀。

我们目前计划使用git-fat https://github.com/jedbrown/git-fat存储二进制文件，但我正在编写一个脚本来自动转换文件。我的第一步是尝试识别存储库中的所有二进制文件（包括已删除的文件）。有什么简单的方法可以实现这一点吗？感谢您的帮助

Edit

我实际上认为我找到了一个合理的方法，我只是跑步

git log --numstat <first commit hash> HEAD

这会打印出所有文件的列表，前面有两列，第一列包含文件的更改数量（我不确定它是以字节还是行为单位）。但对于二进制文件来说，重要的部分是“-”。通过选择带有此标签的行并“唯一”它们，我相信我可以获得二进制文件的完整列表。

这个策略有什么缺陷吗？

tldr;

git log --all --numstat \
    | grep '^-' \
    | cut -f3 \
    | sed -E 's|(.*)\{(.*) => (.*)\}(.*)|\1\2\4\n\1\3\4|g' \
    | sort -u

解释：

The git-log option --numstat

以十进制表示法和不带缩写的路径名显示添加和删除的行数，以使其更加机器友好。对于二进制文件，输出两个 - 而不是说 0 0.

Source: https://git-scm.com/docs/git-log https://git-scm.com/docs/git-log，强调我的

这会产生如下所示的输出条目：

commit 0123456789012345678901234567890123456789
Author: Joe Example <[email protected] /cdn-cgi/l/email-protection>
Date:   Thu Mar 9 15:33:29 2017 +0000

    edit Dockerfile, add assets/foobar.jpg

1   1   Dockerfile
-   -   assets/foobar.jpg

The grep '^-'匹配带有前导连字符的行，cut -f3打印第三个制表符分隔字段，并且

sed -E 's|(.*)\{(.*) => (.*)\}(.*)|\1\2\4\n\1\3\4|g'

检测已移动/重命名的文件并打印源和目标；例如，它会改变这一点：

path/to/{foo => bar}/my-document.pdf

to this:

path/to/foo/my-document.pdf
path/to/bar/my-document.pdf

最后，sort -u会进行累积、排序和uniquify https://en.wiktionary.org/wiki/uniquify路径列表。

编辑：这个答案假设存在sed支持扩展正则表达式和捕获组；例如。，https://www.gnu.org/software/sed/ https://www.gnu.org/software/sed/ .