使用python unidiff库分析git diff

发表于

背景

这里分享一个python写的分离特定的git修改的方法。
主要应用的问题是当时项目组需要同步chromium最新代码，结果带来了巨大量的改动，为了节省我们review新代码的时间，需要将一些不重要的修改（携带某种特征，例如新版本的chromium大量替换了智能指针，将自研的scoped_ptr变成了std::unique_ptr）分离出来，剩下的就是重要的修改了。

解决方案

这里主要用到python的unidiff库，这个库可以解析出标准的unified diff data，git diff恰好就是这个格式。
这个库能精确的最小维度叫做hunk。
所谓hunk，可以理解为diff中的
@@ -162,8 +162,8 @@
xxx代码

这样一块东西，这通常是某个file中的一段连续的修改，而且可以抽离出来单独进行git apply（打代码补丁）

样例代码

该脚本可以利用PatchSet hunk特性，对hunk中的关键语句、字词进行过滤，实现抓取 or 去掉该hunk的效果

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
#coding=utf-8
#!/usr/bin/python
# -*- coding: UTF-8 -*-
import os
import sys
reload (sys)
sys.setdefaultencoding('utf-8')
import string
from unidiff import PatchSet
 
def main():
  filename = sys.argv[1]
  try:
      patch = PatchSet.from_filename(filename, encoding='utf-8') #获取git diff
  except Exception as e:
    print str(e)
    return
  for f in patch:
      if f.path.split('.')[-1] not in ('cc', 'h', 'cpp', 'c', 'mm'):
          continue
      source = "--- %s" % f.source_file
      target = "+++ %s" % f.target_file
      for hunk in f:
          is_hint = True
          for line in hunk:
              strline = str(line)
              #对关键词进行过滤
              if line.is_context or '#include' in strline or '#define' in strline or '//' in strline:
                  continue
              if 'scoped_ptr' in strline or 'unique_ptr' in strline or 'make_scoped_ptr' in strline or 'WrapUnique' in strline:
                  continue
              is_hint = False
      if is_hint:
          #满足我需要的条件，则进行输出，这里只是进行简单的print，也可输出到file，然后 git apply file即可对使用这些抽离出来的代码对库做补丁
          print source
          print target
          print hunk
if __name__ == '__main__':
    main()