如何查询 Git 存储库以用于 MSR（挖掘软件存储库）目的？

Question

我需要查询一个 Git 存储库，以便我最终得到以下架构的数据集，其中包含对存储库的所有贡献：

user.id,
user.ip,
contribution.type,
timestamp,
commit.id,
file,
branch,
lines.added,
lines.deleted

例如：

u1,127.0.0.1,add,2015-01-01 00:00,c123456,/path/to/index.html,master,100,0
u1,127.0.0.1,mod,2015-01-01 00:00,c123456,/path/to/page1.html,master,3,6
u1,127.0.0.1,del,2015-01-01 00:00,c123456,/path/to/page2.html,master,0,200
u2,127.0.0.2,mod,2015-01-02 00:00,c654321,/path/to/index.html,master,2,2
u3,127.0.0.3,add,2015-01-03 00:00,c234567,/path/to/topic.html,topic,300,1
u4,127.0.0.4,mod,2015-01-04 00:00,c765432,/path/to/topic.html,topic,21,1

请注意，一行应该代表对文件的一次贡献，而不是一次提交，即一次提交可能跨越多行。

到目前为止，我正在摆弄git log -g --numstat --decorate --source --date=iso --no-merges --all --format=%aE,%h,%ad,%gd 。 我想我将不得不对输出进行后处理，以便将来自--name-status （contribution_type 和文件）和--numstat （lines. added，lines.deleted）的信息合并到上面显示的格式中。 此外，我还没有弄清楚如何获取 IP 地址——git 存储库在收到“推送”时是否会记录此信息？

Answer 1

使用日志功能，并根据需要转换数据。

我怀疑你会找到所有这些信息 - user.ip 字段没有意义，因为提交不一定在网络上。

Answer 2

结帐codemetrics ，我是作者。 您可能需要进行一些后期处理。 例如，您可能需要为每个分支运行分析。 另外，我不相信 git 存储 IP 地址。