hg-fast-export.py

   1 #!/usr/bin/env python
   2
   3 # Copyright (c) 2007 Rocco Rutte <pdmef@gmx.net>
   4 # License: MIT <http://www.opensource.org/licenses/mit-license.php>
   5
   6 from mercurial import repo,hg,cmdutil,util,ui,revlog,node
   7 from hg2git import setup_repo,fixup_user,get_branch,get_changeset,load_cache,save_cache,get_git_sha1
   8 from tempfile import mkstemp
   9 from optparse import OptionParser
  10 import re
  11 import sys
  12 import os
  13
  14 # silly regex to catch Signed-off-by lines in log message
  15 sob_re=re.compile('^Signed-[Oo]ff-[Bb]y: (.+)$')
  16 # insert 'checkpoint' command after this many commits or none at all if 0
  17 cfg_checkpoint_count=0
  18 # write some progress message every this many file contents written
  19 cfg_export_boundary=1000
  20
  21 def gitmode(x):
  22   return x and '100755' or '100644'
  23
  24 def wr(msg=''):
  25   if msg == None:
  26     msg = ''
  27   print msg
  28   #map(lambda x: sys.stderr.write('\t[%s]\n' % x),msg.split('\n'))
  29
  30 def checkpoint(count):
  31   count=count+1
  32   if cfg_checkpoint_count>0 and count%cfg_checkpoint_count==0:
  33     sys.stderr.write("Checkpoint after %d commits\n" % count)
  34     wr('checkpoint')
  35     wr()
  36   return count
  37
  38 def get_parent_mark(parent,marks):
  39   """Get the mark for some parent.
  40   If we saw it in the current session, return :%d syntax and
  41   otherwise the SHA1 from the cache."""
  42   return marks.get(str(parent),':%d' % (parent+1))
  43
  44 def file_mismatch(f1,f2):
  45   """See if two revisions of a file are not equal."""
  46   return node.hex(f1)!=node.hex(f2)
  47
  48 def split_dict(dleft,dright,l=[],c=[],r=[],match=file_mismatch):
  49   """Loop over our repository and find all changed and missing files."""
  50   for left in dleft.keys():
  51     right=dright.get(left,None)
  52     if right==None:
  53       # we have the file but our parent hasn't: add to left set
  54       l.append(left)
  55     elif match(dleft[left],right):
  56       # we have it but checksums mismatch: add to center set
  57       c.append(left)
  58   for right in dright.keys():
  59     left=dleft.get(right,None)
  60     if left==None:
  61       # if parent has file but we don't: add to right set
  62       r.append(right)
  63     # change is already handled when comparing child against parent
  64   return l,c,r
  65
  66 def get_filechanges(repo,revision,parents,mleft):
  67   """Given some repository and revision, find all changed/deleted files."""
  68   l,c,r=[],[],[]
  69   for p in parents:
  70     if p<0: continue
  71     mright=repo.changectx(p).manifest()
  72     l,c,r=split_dict(mleft,mright,l,c,r)
  73   l.sort()
  74   c.sort()
  75   r.sort()
  76   return l,c,r
  77
  78 def get_author(logmessage,committer,authors):
  79   """As git distincts between author and committer of a patch, try to
  80   extract author by detecting Signed-off-by lines.
  81
  82   This walks from the end of the log message towards the top skipping
  83   empty lines. Upon the first non-empty line, it walks all Signed-off-by
  84   lines upwards to find the first one. For that (if found), it extracts
  85   authorship information the usual way (authors table, cleaning, etc.)
  86
  87   If no Signed-off-by line is found, this defaults to the committer.
  88
  89   This may sound stupid (and it somehow is), but in log messages we
  90   accidentially may have lines in the middle starting with
  91   "Signed-off-by: foo" and thus matching our detection regex. Prevent
  92   that."""
  93
  94   loglines=logmessage.split('\n')
  95   i=len(loglines)
  96   # from tail walk to top skipping empty lines
  97   while i>=0:
  98     i-=1
  99     if len(loglines[i].strip())==0: continue
 100     break
 101   if i>=0:
 102     # walk further upwards to find first sob line, store in 'first'
 103     first=None
 104     while i>=0:
 105       m=sob_re.match(loglines[i])
 106       if m==None: break
 107       first=m
 108       i-=1
 109     # if the last non-empty line matches our Signed-Off-by regex: extract username
 110     if first!=None:
 111       r=fixup_user(first.group(1),authors)
 112       return r
 113   return committer
 114
 115 def export_file_contents(ctx,manifest,files):
 116   count=0
 117   max=len(files)
 118   for file in files:
 119     d=ctx.filectx(file).data()
 120     wr('M %s inline %s' % (gitmode(manifest.execf(file)),file))
 121     wr('data %d' % len(d)) # had some trouble with size()
 122     wr(d)
 123     count+=1
 124     if count%cfg_export_boundary==0:
 125       sys.stderr.write('Exported %d/%d files\n' % (count,max))
 126   if max>cfg_export_boundary:
 127     sys.stderr.write('Exported %d/%d files\n' % (count,max))
 128
 129 def is_merge(parents):
 130   c=0
 131   for parent in parents:
 132     if parent>=0:
 133       c+=1
 134   return c>1
 135
 136 def sanitize_name(name,what="branch"):
 137   """Sanitize input roughly according to git-check-ref-format(1)"""
 138
 139   def dot(name):
 140     if name[0] == '.': return '_'+name[1:]
 141     return name
 142
 143   n=name
 144   p=re.compile('([[ ^:?*]|\.\.)')
 145   n=p.sub('_', n)
 146   if n[-1] == '/': n=n[:-1]+'_'
 147   n='/'.join(map(dot,n.split('/')))
 148   p=re.compile('_+')
 149   n=p.sub('_', n)
 150
 151   if n!=name:
 152     sys.stderr.write('Warning: sanitized %s [%s] to [%s]\n' % (what,name,n))
 153   return n
 154
 155 def export_commit(ui,repo,revision,marks,heads,last,max,count,authors,sob):
 156   (revnode,_,user,(time,timezone),files,desc,branch,_)=get_changeset(ui,repo,revision,authors)
 157   parents=repo.changelog.parentrevs(revision)
 158
 159   branch=sanitize_name(branch)
 160
 161   wr('commit refs/heads/%s' % branch)
 162   wr('mark :%d' % (revision+1))
 163   if sob:
 164     wr('author %s %d %s' % (get_author(desc,user,authors),time,timezone))
 165   wr('committer %s %d %s' % (user,time,timezone))
 166   wr('data %d' % (len(desc)+1)) # wtf?
 167   wr(desc)
 168   wr()
 169
 170   pidx1, pidx2 = 0, 1
 171   if parents[0] < parents[1]:
 172     pidx1, pidx2 = 1, 0
 173
 174   src=heads.get(branch,'')
 175   link=''
 176   if src!='':
 177     # if we have a cached head, this is an incremental import: initialize it
 178     # and kill reference so we won't init it again
 179     wr('from %s' % src)
 180     heads[branch]=''
 181     sys.stderr.write('%s: Initializing to parent [%s]\n' %
 182         (branch,src))
 183     link=src # avoid making a merge commit for incremental import
 184   elif link=='' and not heads.has_key(branch) and revision>0:
 185     # newly created branch and not the first one: connect to parent
 186     tmp=get_parent_mark(parents[0],marks)
 187     wr('from %s' % tmp)
 188     sys.stderr.write('%s: Link new branch to parent [%s]\n' %
 189         (branch,tmp))
 190     link=tmp # avoid making a merge commit for branch fork
 191   elif last.get(branch,revision) != parents[pidx1] and parents[pidx1] > 0 and revision > 0:
 192     pm=get_parent_mark(parents[pidx1],marks)
 193     sys.stderr.write('%s: Placing commit [r%d] in branch [%s] on top of [r%d]\n' %
 194         (branch,revision,branch,parents[pidx1]));
 195     wr('from %s' % pm)
 196
 197   if parents[pidx2] > 0:
 198     pm=get_parent_mark(parents[pidx2],marks)
 199     sys.stderr.write('%s: Merging with parent [%s] from [r%d]\n' %
 200         (branch,pm,parents[pidx2]))
 201     wr('merge %s' % pm)
 202
 203   last[branch]=revision
 204   heads[branch]=''
 205   # we need this later to write out tags
 206   marks[str(revision)]=':%d'%(revision+1)
 207
 208   ctx=repo.changectx(str(revision))
 209   man=ctx.manifest()
 210   added,changed,removed,type=[],[],[],''
 211
 212   if revision==0:
 213     # first revision: feed in full manifest
 214     added=man.keys()
 215     added.sort()
 216     type='full'
 217   elif is_merge(parents):
 218     # later merge revision: feed in changed manifest
 219     # for many files comparing checksums is expensive so only do it for
 220     # merges where we really need it due to hg's revlog logic
 221     added,changed,removed=get_filechanges(repo,revision,parents,man)
 222     type='thorough delta'
 223   else:
 224     # later non-merge revision: feed in changed manifest
 225     # if we have exactly one parent, just take the changes from the
 226     # manifest without expensively comparing checksums
 227     f=repo.status(repo.lookup(parents[0]),revnode)[:3]
 228     added,changed,removed=f[1],f[0],f[2]
 229     type='simple delta'
 230
 231   sys.stderr.write('%s: Exporting %s revision %d/%d with %d/%d/%d added/changed/removed files\n' %
 232       (branch,type,revision+1,max,len(added),len(changed),len(removed)))
 233
 234   map(lambda r: wr('D %s' % r),removed)
 235   export_file_contents(ctx,man,added)
 236   export_file_contents(ctx,man,changed)
 237   wr()
 238
 239   return checkpoint(count)
 240
 241 def export_tags(ui,repo,marks_cache,start,end,count,authors):
 242   l=repo.tagslist()
 243   for tag,node in l:
 244     tag=sanitize_name(tag,"tag")
 245     # ignore latest revision
 246     if tag=='tip': continue
 247     rev=repo.changelog.rev(node)
 248     # ignore those tags not in our import range
 249     if rev<start or rev>=end: continue
 250
 251     ref=get_parent_mark(rev,marks_cache)
 252     if ref==None:
 253       sys.stderr.write('Failed to find reference for creating tag'
 254           ' %s at r%d\n' % (tag,rev))
 255       continue
 256     sys.stderr.write('Exporting tag [%s] at [hg r%d] [git %s]\n' % (tag,rev,ref))
 257     wr('reset refs/tags/%s' % tag)
 258     wr('from %s' % ref)
 259     wr()
 260     count=checkpoint(count)
 261   return count
 262
 263 def load_authors(filename):
 264   cache={}
 265   if not os.path.exists(filename):
 266     return cache
 267   f=open(filename,'r')
 268   l=0
 269   lre=re.compile('^([^=]+)[ ]*=[ ]*(.+)$')
 270   for line in f.readlines():
 271     l+=1
 272     m=lre.match(line)
 273     if m==None:
 274       sys.stderr.write('Invalid file format in [%s], line %d\n' % (filename,l))
 275       continue
 276     # put key:value in cache, key without ^:
 277     cache[m.group(1).strip()]=m.group(2).strip()
 278   f.close()
 279   sys.stderr.write('Loaded %d authors\n' % l)
 280   return cache
 281
 282 def verify_heads(ui,repo,cache,force):
 283   branches=repo.branchtags()
 284   l=[(-repo.changelog.rev(n), n, t) for t, n in branches.items()]
 285   l.sort()
 286
 287   # get list of hg's branches to verify, don't take all git has
 288   for _,_,b in l:
 289     b=get_branch(b)
 290     sha1=get_git_sha1(b)
 291     c=cache.get(b)
 292     if sha1!=None and c!=None:
 293       sys.stderr.write('Verifying branch [%s]\n' % b)
 294     if sha1!=c:
 295       sys.stderr.write('Error: Branch [%s] modified outside hg-fast-export:'
 296         '\n%s (repo) != %s (cache)\n' % (b,sha1,c))
 297       if not force: return False
 298
 299   # verify that branch has exactly one head
 300   t={}
 301   for h in repo.heads():
 302     (_,_,_,_,_,_,branch,_)=get_changeset(ui,repo,h)
 303     if t.get(branch,False):
 304       sys.stderr.write('Error: repository has at least one unnamed head: hg r%s\n' %
 305           repo.changelog.rev(h))
 306       if not force: return False
 307     t[branch]=True
 308
 309   return True
 310
 311 def mangle_mark(mark):
 312   return str(int(mark)-1)
 313
 314 def hg2git(repourl,m,marksfile,headsfile,tipfile,authors={},sob=False,force=False):
 315   _max=int(m)
 316
 317   marks_cache=load_cache(marksfile,mangle_mark)
 318   heads_cache=load_cache(headsfile)
 319   state_cache=load_cache(tipfile)
 320
 321   ui,repo=setup_repo(repourl)
 322
 323   if not verify_heads(ui,repo,heads_cache,force):
 324     return 1
 325
 326   tip=repo.changelog.count()
 327
 328   min=int(state_cache.get('tip',0))
 329   max=_max
 330   if _max<0 or max>tip:
 331     max=tip
 332
 333   c=0
 334   last={}
 335   for rev in range(min,max):
 336     c=export_commit(ui,repo,rev,marks_cache,heads_cache,last,max,c,authors,sob)
 337
 338   c=export_tags(ui,repo,marks_cache,min,max,c,authors)
 339
 340   sys.stderr.write('Issued %d commands\n' % c)
 341
 342   state_cache['tip']=max
 343   state_cache['repo']=repourl
 344   save_cache(tipfile,state_cache)
 345
 346   return 0
 347
 348 if __name__=='__main__':
 349   def bail(parser,opt):
 350     sys.stderr.write('Error: No %s option given\n' % opt)
 351     parser.print_help()
 352     sys.exit(2)
 353
 354   parser=OptionParser()
 355
 356   parser.add_option("-m","--max",type="int",dest="max",
 357       help="Maximum hg revision to import")
 358   parser.add_option("--marks",dest="marksfile",
 359       help="File to read git-fast-import's marks from")
 360   parser.add_option("--heads",dest="headsfile",
 361       help="File to read last run's git heads from")
 362   parser.add_option("--status",dest="statusfile",
 363       help="File to read status from")
 364   parser.add_option("-r","--repo",dest="repourl",
 365       help="URL of repo to import")
 366   parser.add_option("-s",action="store_true",dest="sob",
 367       default=False,help="Enable parsing Signed-off-by lines")
 368   parser.add_option("-A","--authors",dest="authorfile",
 369       help="Read authormap from AUTHORFILE")
 370   parser.add_option("-f","--force",action="store_true",dest="force",
 371       default=False,help="Ignore validation errors by force")
 372
 373   (options,args)=parser.parse_args()
 374
 375   m=-1
 376   if options.max!=None: m=options.max
 377
 378   if options.marksfile==None: bail(parser,'--marks')
 379   if options.headsfile==None: bail(parser,'--heads')
 380   if options.statusfile==None: bail(parser,'--status')
 381   if options.repourl==None: bail(parser,'--repo')
 382
 383   a={}
 384   if options.authorfile!=None:
 385     a=load_authors(options.authorfile)
 386
 387   sys.exit(hg2git(options.repourl,m,options.marksfile,options.headsfile,
 388     options.statusfile,authors=a,sob=options.sob,force=options.force))