Git 获取存储库中所有不同文件类型的行数

如何获取存储库中所有不同文件类型的行数？例如，如果我的存储库包含3种文件类型：

• 爪哇
• xml
• （无文件扩展名）

我希望输出如下：

java 150
xml 20
(no file extension) 30

---

我可以运行一个命令来检索特定文件类型的行数（

git ls files | grep“\.java$”| xargs cat | wc-l

），但假设我不知道存储库中的所有文件类型，我将如何使用它们各自的行数来检索它们？

这确实是一个Bash问题：如何计算按文件扩展名分组的文件列表中的行数

下面是一种使用

awk

的惰性方法：

git ls-files | xargs -n100 wc -l | awk -F ' +|\\.' \
    '/\./ { sumlines[$NF] += $2 }
     END { for (ext in sumlines) print ext, sumlines[ext] }'

要点：

• git ls files

  提供存储库中的文件列表

• xargs

  从标准输入中获取文件列表，并在其上运行

  wc-l

  • -n100

    标志是在一次调用中最多传递到

    wc-l

    100个文件

    wc-l

    的调用次数等于存储库中的文件数除以100的次数

• awk

  完成了对每个文件扩展名的行数进行求和和聚合的繁重工作

  • -F'+\124;\\.

    指定字段分隔符：空格或点。其思想是，

    wc-l

    的输出包含以空格开头的行，后跟行数，后跟空格，后跟文件名。通过使用此字段作为分隔符，第二个字段将是行数，最后一个字段将是文件扩展名。这将有助于计数和聚合
  • 在

    /\./{sumlines[$NF]+=$2}

    中，

    $NF

    是最后一个字段的值，在本例中是文件扩展名，

    $2

    是行数，如前所述。也就是说，我们对每个扩展的行数求和。

    /\./

    过滤器排除输入中没有
    的行。这样做的主要原因是从

    wc-l

    的输出中排除包含总计的行

  • END

    块打印文件扩展名及其总数

它是懒惰的，因为它不会处理包含换行符的文件，也不会计算没有扩展名的文件中的行数。

注意：重新考虑这个问题后，我真的认为janos'是对所问问题的正确答案。因为它确实提供了行计数，而不是文件计数，就像我的解决方案一样

---

使用janos的解决方案给了我以下错误（我正在一个相当大的项目中使用它）：

xargs:wc:参数列表太长

因此，我提出了以下解决方案（可能不是最优雅的，但即使在大型项目上也能做到这一点）：

这主要包括以下步骤（可根据您的需要进行修改）

• 列出git通过

  git ls文件知道的所有文件

• 使用

  awk

  获取文件的所有文件类型

• 排序

  它们
• 使它们唯一，并获得发生次数计数

• 排序

  将其反转（出现次数最多的文件类型位于顶部）
• 使用

  awk

  （

  $1

  =计数，

  $2

  =文件类型）打印它们
• 使用

  head

---

是否也要获取历史提交的行计数？否则，这真的不应该被标记为git

git

；它应该被标记为

bash

。不，是工作分支的当前状态。它可以工作，但也会计算空行和注释。对吗？你有没有办法建议忽略这些？我正在尝试CLOC，但它不支持存储库中的许多文件扩展名。我更新了我的答案，以避免“参数列表过长”的问题，并修复其他不准确之处。在任何情况下，我们的答案都是不同的。我的生成按扩展名分组的文件内容计数，你的生成按扩展名分组的文件计数。我不清楚OP到底想要哪一个，可能是哪一个。是的，你是对的。事实上，当重新考虑这个问题时，我认为OP实际上想要的是行，而不是文件计数：-）

git ls-files | awk -F . '{print $NF}' | sort | uniq -c | sort -n -r | awk '{print $2,$1}' | head -10