快速获取每个提交文件子集的 changed/deleted 行数的方法

Question

我正在用 GitPython 做一些源代码分析。对于每次提交，我都会像这样查看每个 .java 文件的内容：

from git import Repo 
repo = Repo.init('/path/to/repo', bare=True)
for commit in repo.iter_commits():
    for obj in commit.tree.traverse(predicate = lambda obj, depth: obj.type == 'blob' and obj.name.endswith('.java')):
        content = obj.data_stream.read().decode("CP437")
        #...

这已经非常快速和可靠了。但是，当我尝试另外获取这些文件的更改和删除代码行数时，速度会慢得多。更准确地说，我尝试了内部调用 git diff --numstat 的 commit.stats.files。这基本上正是我想要的（我可以很容易地过滤 .java 文件），但是对于上面代码需要 ~5s 的 repo，添加 commit.stats.files 将时间增加到 ~140s，这对于更大的文件是不可行的回购

所以我的问题是：您是否有关于获取所有提交的所有 .java 文件的差异代码行的聪明而快速的方法的想法？
我不需要完整的差异，只需要行数...

最好不要将旧代码的运行时间增加超过 2 倍。

Answer 1

在您的终端中尝试运行ning git log --numstat 或 git log --numstat > stats.txt。

如果运行宁时间可以接受:

检查运行从 gitpython 使用相同的命令是否也可以在性能方面发挥作用（git = new Git(...); git.log('-numstat', ...)（如果不可接受：运行使用 os.exec ... 的命令）
解析此命令的输出

快速获取每个提交文件子集的 changed/deleted 行数的方法

Fast way to get number of changed/deleted lines per subset of files per commit

python

git

optimization

diff

gitpython