Git 对象 SHA-1 是文件内容还是文件名？

Question

我对文件的实际内容如何存储在 .git 中感到困惑。

例如Version 1是test.txt中的实际文字内容。当我将它提交（第一次提交）到 repo 时，git returns 位于 .git\objects[=13=]caf113a95643d7c244332b0e0b287184cd049 中的该文件的 SHA-1。

当我在文本编辑器中打开文件 15af113a95643d7c244332b0e0b287184cd049 时，里面全是垃圾，像这样

x+)JMU074f040031QÐKÏ,ÉLÏË/Je¨}ºõw[Éœ„ÇR ñ·Î}úyGª*±8#³¨,1%>9?¯¯D¯¤¢„áôÏ3%³þú>š~}Ž÷*ë²-¶ç¡êÊòR“KâKòãs+‹sô

但我不确定这个垃圾是代表文本的加密形式 Version 1 还是由 SHA-1 代表 15af113a95643d7c244332b0e0b287184cd049。

Answer 1

Git Magic 提及：

By the way, the files within .git/objects are compressed with zlib so you should not stare at them directly. Filter them through zpipe -d, or type (using git cat-file):

$ git cat-file -p .git/objects/0c/15af113a95643d7c244332b0e0b287184cd049

与zpipe:

$ ./zpipe -d < .git/objects/0c/15af113a95643d7c244332b0e0b287184cd049

注意：对于zpipe，我必须先编译zpipe.c：

sudo apt-get install zlib1g-dev
cd /usr/share/doc/zlib1g-dev/examples
sudo gunzip zpipe.c.gz
sudo gcc -o zpipe zpipe.c -lz

然后：

$ /usr/share/doc/zlib1g-dev/examples/zpipe -d < /usr/share/doc/zlib1g-dev/examples/zpipe -d <

您将得到如下结果：

vonc@VONCAVN7:/mnt/d/git/seec$ /usr/share/doc/zlib1g-dev/examples/zpipe -d < .git/objects/0d/b6225927ef60e21138a9762c41ea0db714ca0d
blob 2142 <full content there...>

您会看到 header 由类型和内容大小组成，后跟实际内容。

请参阅 Jeff Kunkle 的“Understanding Git Internals”，幻灯片 8，了解 blob 实际内容的说明：

Answer 2

主题行问题的正确答案：

Git objects SHA-1 are file contents or file names?

可能是 "neither"，因为您指的是松散的 object 文件的内容，而不是原始文件——即使您指的是原始文件，也仍然不是很对。

一个松散的object，在Git，是一个普通文件。文件名由 object 的哈希 ID 构成。反过来，object 的哈希 ID 是通过计算 object 的内容 并附加前缀 header 的哈希来构建的。

前缀header取决于object类型。有四种类型：blob、commit、tag和tree。 header 由一个 zero-terminated 字节字符串组成，该字符串由 ASCII（或等效的 UTF-8）字节字符串形式的类型名称组成，后跟 space，然后是十进制表示object 的大小（以字节为单位），后跟一个 ASCII NUL（Python 中的 b'\x00'，如果你喜欢现代 Python 表示法，或者 '[=19=]' 如果你更喜欢 C).

在 header 之后是实际的 object 内容。因此，对于包含字节字符串 b'hello\n' 的文件，要散列的数据由 b'blob 6[=21=]hello\n:

组成

$ echo 'hello' | git hash-object -t blob --stdin
ce013625030ba8dba906f756967f9e9ca394464a
$ python3
[...]
>>> import hashlib
>>> s = b'blob 6[=10=]hello\n'
>>> hashlib.sha1(s).hexdigest()
'ce013625030ba8dba906f756967f9e9ca394464a'

因此，用于存储此文件的文件名是（派生自）ce013625030ba8dba906f756967f9e9ca394464a。作为一个松散的object，它变成了.git/objects/ce/013625030ba8dba906f756967f9e9ca394464a。

然而，该文件的内容是 b'blob 6[=24=]hello\n' 的 zlib-compressed 形式（显然 level=1——默认目前是 6，结果在该级别不匹配；不清楚 Git 的 zlib deflate 是否与 Python 完全匹配，但使用级别 1 在这里确实有效）：

$ echo 'hello' | git hash-object -w -t blob --stdin
ce013625030ba8dba906f756967f9e9ca394464a
$ vis .git/objects/ce/013625030ba8dba906f756967f9e9ca394464a
x\^AK\M-J\M-IOR0c\M-HH\M-M\M-I\M-I\M-g\^B[=11=]0\^]\M-E\^D\^T$

（注意最后的 $ 又是 shell 提示；现在回到 Python3）

>>> import zlib
>>> zlib.compress(s, 1)
b'x\x01K\xca\xc9OR0c\xc8H\xcd\xc9\xc9\xe7\x02\x00\x1d\xc5\x04\x14'
>>> import vis
>>> print(vis.vis(zlib.compress(s, 1)))
x\^AK\M-J\M-IOR0c\M-HH\M-M\M-I\M-I\M-g\^B\^@\^]\M-E\^D\^T

其中 vis.py 是：

def vischr(byte):
    "encode characters the way vis(1) does by default"
    if byte in b' \t\n':
        return chr(byte)
    # control chars: \^X; del: \^?
    if byte < 32 or byte == 127:
        return r'\^' + chr(byte ^ 64)
    # printable characters, 32..126
    if byte < 128:
        return chr(byte)
    # meta characters: prefix with \M^ or \M-
    byte -= 128
    if byte < 32 or byte == 127:
        return r'\M^' + chr(byte ^ 64)
    return r'\M-' + chr(byte)

def vis(bytestr):
    "same as vis(1)"
    return ''.join(vischr(c) for c in bytestr)

(vis 生成可逆但可打印的二进制文件编码；这是我 1993 年对 cat -v 问题的回答)。

请注意，存储在 Git 存储库（在提交下）中的 文件名 仅显示为 路径名组件 存储在个人 tree object 中。计算树的散列 ID object 很重要；我在 githash.py.

下的 public "scripts" 存储库中有 Python 代码执行此操作

Git 对象 SHA-1 是文件内容还是文件名？

Git objects SHA-1 are file contents or file names?

git

git-hash