从git / GitHub的历史记录中删除文件夹及其内容

Question

我在GitHub帐户上的存储库上工作，这是我偶然发现的一个问题。带有安装了几个npm软件包的文件夹的Node.js项目包在node_modules文件夹中将该文件夹添加到git存储库中，并将代码推送到github（当时不考虑npm部分）意识到您并不需要该文件夹作为代码的一部分删除该文件夹，将其推送在那种情况下，总git repo的大小约为6MB，而实际代码（除该文件夹以外的所有代码）仅为300 KB左右。现在我最后要寻找的是一种从git的历史记录中删除该软件包文件夹的详细信息的方法，因此，如果有人对其进行了克隆，则不必下载价值6mb的历史记录，而只有这些文件才可以获取截至上一次提交将为300KB。我为此找到了可能的解决方案，并尝试了这两种方法从git存储库中删除文件（历史记录）http://help.github.com/remove-sensitive-data/https://gist.github.com/1588371Gist似乎在运行脚本后在哪里工作，它表明它删除了该文件夹，并表明修改了50个不同的提交。但这并没有让我推送该代码。当我尝试推动它时，它说Branch up to date但显示对50个提交进行了修改git status。其他2种方法也无济于事。现在，即使显示它摆脱了该文件夹的历史记录，当我在本地主机上检查该存储库的大小时，它仍约为6MB。（我也删除了该refs/original文件夹，但没有看到存储库大小的变化）。我要澄清的是，是否有一种方法不仅可以消除提交历史记录（这是我认为唯一发生的事情），而且可以摆脱那些git一直假设要回滚的文件。可以说为此提供了一个解决方案，该解决方案已在我的本地主机上应用，但无法复制到该GitHub存储库，是否可以克隆该存储库，回滚到第一个提交执行该技巧并将其推送（或者这意味着git将还有所有这些提交的历史吗？-又名6MB）。我的最终目标是从根本上找到摆脱git中文件夹内容的最佳方法，以便用户不必下载6MB的内容，而仍然可以拥有从未触及modules文件夹的其他提交（这很漂亮很多））在git的历史中。我怎样才能做到这一点？

Answer 1

我发现--tree-filter其他答案中使用的选项可能非常慢，尤其是在具有大量提交的大型存储库中。

这是我使用--index-filter选项可以从git历史记录中完全删除目录的方法，该方法运行起来要快得多：

# Make a fresh clone of YOUR_REPO

git clone YOUR_REPO

cd YOUR_REPO

# Create tracking branches of all branches

for remote in `git branch -r | grep -v /HEAD`; do git checkout --track $remote ; done

# Remove DIRECTORY_NAME from all commits, then remove the refs to the old commits

# (repeat these two commands for as many directories that you want to remove)

git filter-branch --index-filter 'git rm -rf --cached --ignore-unmatch DIRECTORY_NAME/' --prune-empty --tag-name-filter cat -- --all

git for-each-ref --format="%(refname)" refs/original/ | xargs -n 1 git update-ref -d

# Ensure all old refs are fully removed

rm -Rf .git/logs .git/refs/original

# Perform a garbage collection to remove commits with no refs

git gc --prune=all --aggressive

# Force push all branches to overwrite their history

# (use with caution!)

git push origin --all --force

git push origin --tags --force

您可以使用以下命令检查存储库的大小gc：

git count-objects -vH