git如何檢測類似的文件，因爲它的重命名檢測？

Question

Wikipedia解釋了自動重命名檢測：

簡言之，在給定的版本N，同名在 修訂文件N-1是它的默認祖先的文件。但是，如果修訂N-1中沒有 類似名稱的文件，則Git只會在修訂版N-1中搜索僅存在 的文件，並且將非常類似的添加到新文件。

重命名檢測顯然歸結爲類似的文件檢測。該算法是否在任何地方記錄？很高興知道自動檢測到哪種轉換。

Answer 1

Git跟蹤文件內容，而不是文件名。所以重命名文件而不更改其內容對於git來說很容易檢測。 （GIT不跟蹤，而是執行檢測;使用git mv或git rm和git add實際上是相同）

當一個文件被添加到存儲庫，文件名是在樹的對象。實際文件內容作爲二進制大對象（blob）添加到存儲庫中。 Git不會爲包含相同內容的其他文件添加另一個Blob。事實上，Git不能將內容存儲在文件系統中，哈希的前兩個字符是目錄名稱，其餘的是文件名稱。因此，檢測重命名是一個比較哈希值的問題。

要檢測重命名文件的小改動，Git使用特定算法和閾值限制來查看這是否是重命名。例如，請查看git diff的-M標誌。還有配置值，如merge.renameLimit（在合併期間執行重命名檢測時要考慮的文件數）。

要理解git如何處理類似的文件（即，哪些文件轉換被視爲重命名），請瀏覽配置選項和可用標誌，如上所述。你不需要考慮如何。要理解git如何實際完成這些任務，請查看用於查找文本差異的算法，並閱讀git源代碼。

算法僅適用於diff，merge和log目的 - 它們不影響git如何存儲它們。文件內容的任何小的改變意味着爲它添加新的對象。在該級別沒有發生增量或差異。當然，以後，這些對象可能會打包存儲在packfiles中的三角洲，但這與重命名檢測無關。

Answer 2

有許多算法檢測文本之間的相似性，版本控制系統經常使用這些算法來僅存儲兩個版本之間的差異。像WinMerge這樣的工具足夠智能，可以檢測到差異，即使在行內也是如此，所以我沒有看到爲什麼這些算法不會用於重命名檢測的原因。

這是關於algorithms to detect similar texts的討論。其中一些算法可能會針對自然語言進行優化，而其他算法可能對源代碼更好，但本質上它們非常相似。