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(flags):
  22   return 'l' in flags and '120000' or 'x' in flags 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.flags(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,brmap):
 156   def get_branchname(name):
 157     if brmap.has_key(name):
 158       return brmap[name]
 159     n=sanitize_name(name)
 160     brmap[name]=n
 161     return n
 162
 163   (revnode,_,user,(time,timezone),files,desc,branch,_)=get_changeset(ui,repo,revision,authors)
 164   parents=repo.changelog.parentrevs(revision)
 165
 166   branch=get_branchname(branch)
 167
 168   wr('commit refs/heads/%s' % branch)
 169   wr('mark :%d' % (revision+1))
 170   if sob:
 171     wr('author %s %d %s' % (get_author(desc,user,authors),time,timezone))
 172   wr('committer %s %d %s' % (user,time,timezone))
 173   wr('data %d' % (len(desc)+1)) # wtf?
 174   wr(desc)
 175   wr()
 176
 177   pidx1, pidx2 = 0, 1
 178   if parents[0] < parents[1]:
 179     pidx1, pidx2 = 1, 0
 180
 181   src=heads.get(branch,'')
 182   link=''
 183   if src!='':
 184     # if we have a cached head, this is an incremental import: initialize it
 185     # and kill reference so we won't init it again
 186     wr('from %s' % src)
 187     heads[branch]=''
 188     sys.stderr.write('%s: Initializing to parent [%s]\n' %
 189         (branch,src))
 190     link=src # avoid making a merge commit for incremental import
 191   elif link=='' and not heads.has_key(branch) and revision>0:
 192     # newly created branch and not the first one: connect to parent
 193     tmp=get_parent_mark(parents[0],marks)
 194     wr('from %s' % tmp)
 195     sys.stderr.write('%s: Link new branch to parent [%s]\n' %
 196         (branch,tmp))
 197     link=tmp # avoid making a merge commit for branch fork
 198   elif last.get(branch,revision) != parents[pidx1] and parents[pidx1] > 0 and revision > 0:
 199     pm=get_parent_mark(parents[pidx1],marks)
 200     sys.stderr.write('%s: Placing commit [r%d] in branch [%s] on top of [r%d]\n' %
 201         (branch,revision,branch,parents[pidx1]));
 202     wr('from %s' % pm)
 203
 204   if parents[pidx2] > 0:
 205     pm=get_parent_mark(parents[pidx2],marks)
 206     sys.stderr.write('%s: Merging with parent [%s] from [r%d]\n' %
 207         (branch,pm,parents[pidx2]))
 208     wr('merge %s' % pm)
 209
 210   last[branch]=revision
 211   heads[branch]=''
 212   # we need this later to write out tags
 213   marks[str(revision)]=':%d'%(revision+1)
 214
 215   ctx=repo.changectx(str(revision))
 216   man=ctx.manifest()
 217   added,changed,removed,type=[],[],[],''
 218
 219   if revision==0:
 220     # first revision: feed in full manifest
 221     added=man.keys()
 222     added.sort()
 223     type='full'
 224   elif is_merge(parents):
 225     # later merge revision: feed in changed manifest
 226     # for many files comparing checksums is expensive so only do it for
 227     # merges where we really need it due to hg's revlog logic
 228     added,changed,removed=get_filechanges(repo,revision,parents,man)
 229     type='thorough delta'
 230   else:
 231     # later non-merge revision: feed in changed manifest
 232     # if we have exactly one parent, just take the changes from the
 233     # manifest without expensively comparing checksums
 234     f=repo.status(repo.lookup(parents[0]),revnode)[:3]
 235     added,changed,removed=f[1],f[0],f[2]
 236     type='simple delta'
 237
 238   sys.stderr.write('%s: Exporting %s revision %d/%d with %d/%d/%d added/changed/removed files\n' %
 239       (branch,type,revision+1,max,len(added),len(changed),len(removed)))
 240
 241   map(lambda r: wr('D %s' % r),removed)
 242   export_file_contents(ctx,man,added)
 243   export_file_contents(ctx,man,changed)
 244   wr()
 245
 246   return checkpoint(count)
 247
 248 def export_tags(ui,repo,marks_cache,start,end,count,authors):
 249   l=repo.tagslist()
 250   for tag,node in l:
 251     tag=sanitize_name(tag,"tag")
 252     # ignore latest revision
 253     if tag=='tip': continue
 254     rev=repo.changelog.rev(node)
 255     # ignore those tags not in our import range
 256     if rev<start or rev>=end: continue
 257
 258     ref=get_parent_mark(rev,marks_cache)
 259     if ref==None:
 260       sys.stderr.write('Failed to find reference for creating tag'
 261           ' %s at r%d\n' % (tag,rev))
 262       continue
 263     sys.stderr.write('Exporting tag [%s] at [hg r%d] [git %s]\n' % (tag,rev,ref))
 264     wr('reset refs/tags/%s' % tag)
 265     wr('from %s' % ref)
 266     wr()
 267     count=checkpoint(count)
 268   return count
 269
 270 def load_authors(filename):
 271   cache={}
 272   if not os.path.exists(filename):
 273     return cache
 274   f=open(filename,'r')
 275   l=0
 276   lre=re.compile('^([^=]+)[ ]*=[ ]*(.+)$')
 277   for line in f.readlines():
 278     l+=1
 279     m=lre.match(line)
 280     if m==None:
 281       sys.stderr.write('Invalid file format in [%s], line %d\n' % (filename,l))
 282       continue
 283     # put key:value in cache, key without ^:
 284     cache[m.group(1).strip()]=m.group(2).strip()
 285   f.close()
 286   sys.stderr.write('Loaded %d authors\n' % l)
 287   return cache
 288
 289 def verify_heads(ui,repo,cache,force):
 290   branches=repo.branchtags()
 291   l=[(-repo.changelog.rev(n), n, t) for t, n in branches.items()]
 292   l.sort()
 293
 294   # get list of hg's branches to verify, don't take all git has
 295   for _,_,b in l:
 296     b=get_branch(b)
 297     sha1=get_git_sha1(b)
 298     c=cache.get(b)
 299     if sha1!=None and c!=None:
 300       sys.stderr.write('Verifying branch [%s]\n' % b)
 301     if sha1!=c:
 302       sys.stderr.write('Error: Branch [%s] modified outside hg-fast-export:'
 303         '\n%s (repo) != %s (cache)\n' % (b,sha1,c))
 304       if not force: return False
 305
 306   # verify that branch has exactly one head
 307   t={}
 308   for h in repo.heads():
 309     (_,_,_,_,_,_,branch,_)=get_changeset(ui,repo,h)
 310     if t.get(branch,False):
 311       sys.stderr.write('Error: repository has at least one unnamed head: hg r%s\n' %
 312           repo.changelog.rev(h))
 313       if not force: return False
 314     t[branch]=True
 315
 316   return True
 317
 318 def mangle_mark(mark):
 319   return str(int(mark)-1)
 320
 321 def hg2git(repourl,m,marksfile,headsfile,tipfile,authors={},sob=False,force=False):
 322   _max=int(m)
 323
 324   marks_cache=load_cache(marksfile,mangle_mark)
 325   heads_cache=load_cache(headsfile)
 326   state_cache=load_cache(tipfile)
 327
 328   ui,repo=setup_repo(repourl)
 329
 330   if not verify_heads(ui,repo,heads_cache,force):
 331     return 1
 332
 333   try:
 334     tip=repo.changelog.count()
 335   except AttributeError:
 336     tip=len(repo)
 337
 338   min=int(state_cache.get('tip',0))
 339   max=_max
 340   if _max<0 or max>tip:
 341     max=tip
 342
 343   c=0
 344   last={}
 345   brmap={}
 346   for rev in range(min,max):
 347     c=export_commit(ui,repo,rev,marks_cache,heads_cache,last,max,c,authors,sob,brmap)
 348
 349   c=export_tags(ui,repo,marks_cache,min,max,c,authors)
 350
 351   sys.stderr.write('Issued %d commands\n' % c)
 352
 353   state_cache['tip']=max
 354   state_cache['repo']=repourl
 355   save_cache(tipfile,state_cache)
 356
 357   return 0
 358
 359 if __name__=='__main__':
 360   def bail(parser,opt):
 361     sys.stderr.write('Error: No %s option given\n' % opt)
 362     parser.print_help()
 363     sys.exit(2)
 364
 365   parser=OptionParser()
 366
 367   parser.add_option("-m","--max",type="int",dest="max",
 368       help="Maximum hg revision to import")
 369   parser.add_option("--marks",dest="marksfile",
 370       help="File to read git-fast-import's marks from")
 371   parser.add_option("--heads",dest="headsfile",
 372       help="File to read last run's git heads from")
 373   parser.add_option("--status",dest="statusfile",
 374       help="File to read status from")
 375   parser.add_option("-r","--repo",dest="repourl",
 376       help="URL of repo to import")
 377   parser.add_option("-s",action="store_true",dest="sob",
 378       default=False,help="Enable parsing Signed-off-by lines")
 379   parser.add_option("-A","--authors",dest="authorfile",
 380       help="Read authormap from AUTHORFILE")
 381   parser.add_option("-f","--force",action="store_true",dest="force",
 382       default=False,help="Ignore validation errors by force")
 383
 384   (options,args)=parser.parse_args()
 385
 386   m=-1
 387   if options.max!=None: m=options.max
 388
 389   if options.marksfile==None: bail(parser,'--marks')
 390   if options.headsfile==None: bail(parser,'--heads')
 391   if options.statusfile==None: bail(parser,'--status')
 392   if options.repourl==None: bail(parser,'--repo')
 393
 394   a={}
 395   if options.authorfile!=None:
 396     a=load_authors(options.authorfile)
 397
 398   sys.exit(hg2git(options.repourl,m,options.marksfile,options.headsfile,
 399     options.statusfile,authors=a,sob=options.sob,force=options.force))