hg-fast-export.py

   1 #!/usr/bin/env python
   2
   3 # Copyright (c) 2007, 2008 Rocco Rutte <pdmef@gmx.net> and others.
   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
   8 from hg2git import load_cache,save_cache,get_git_sha1,set_default_branch,set_origin_name
   9 from tempfile import mkstemp
  10 from optparse import OptionParser
  11 import re
  12 import sys
  13 import os
  14
  15 # silly regex to catch Signed-off-by lines in log message
  16 sob_re=re.compile('^Signed-[Oo]ff-[Bb]y: (.+)$')
  17 # insert 'checkpoint' command after this many commits or none at all if 0
  18 cfg_checkpoint_count=0
  19 # write some progress message every this many file contents written
  20 cfg_export_boundary=1000
  21
  22 def gitmode(flags):
  23   return 'l' in flags and '120000' or 'x' in flags and '100755' or '100644'
  24
  25 def wr(msg=''):
  26   if msg == None:
  27     msg = ''
  28   print msg
  29   #map(lambda x: sys.stderr.write('\t[%s]\n' % x),msg.split('\n'))
  30
  31 def checkpoint(count):
  32   count=count+1
  33   if cfg_checkpoint_count>0 and count%cfg_checkpoint_count==0:
  34     sys.stderr.write("Checkpoint after %d commits\n" % count)
  35     wr('checkpoint')
  36     wr()
  37   return count
  38
  39 def get_parent_mark(parent,marks):
  40   """Get the mark for some parent.
  41   If we saw it in the current session, return :%d syntax and
  42   otherwise the SHA1 from the cache."""
  43   return marks.get(str(parent),':%d' % (parent+1))
  44
  45 def file_mismatch(f1,f2):
  46   """See if two revisions of a file are not equal."""
  47   return node.hex(f1)!=node.hex(f2)
  48
  49 def split_dict(dleft,dright,l=[],c=[],r=[],match=file_mismatch):
  50   """Loop over our repository and find all changed and missing files."""
  51   for left in dleft.keys():
  52     right=dright.get(left,None)
  53     if right==None:
  54       # we have the file but our parent hasn't: add to left set
  55       l.append(left)
  56     elif match(dleft[left],right):
  57       # we have it but checksums mismatch: add to center set
  58       c.append(left)
  59   for right in dright.keys():
  60     left=dleft.get(right,None)
  61     if left==None:
  62       # if parent has file but we don't: add to right set
  63       r.append(right)
  64     # change is already handled when comparing child against parent
  65   return l,c,r
  66
  67 def get_filechanges(repo,revision,parents,mleft):
  68   """Given some repository and revision, find all changed/deleted files."""
  69   l,c,r=[],[],[]
  70   for p in parents:
  71     if p<0: continue
  72     mright=repo.changectx(p).manifest()
  73     l,c,r=split_dict(mleft,mright,l,c,r)
  74   l.sort()
  75   c.sort()
  76   r.sort()
  77   return l,c,r
  78
  79 def get_author(logmessage,committer,authors):
  80   """As git distincts between author and committer of a patch, try to
  81   extract author by detecting Signed-off-by lines.
  82
  83   This walks from the end of the log message towards the top skipping
  84   empty lines. Upon the first non-empty line, it walks all Signed-off-by
  85   lines upwards to find the first one. For that (if found), it extracts
  86   authorship information the usual way (authors table, cleaning, etc.)
  87
  88   If no Signed-off-by line is found, this defaults to the committer.
  89
  90   This may sound stupid (and it somehow is), but in log messages we
  91   accidentially may have lines in the middle starting with
  92   "Signed-off-by: foo" and thus matching our detection regex. Prevent
  93   that."""
  94
  95   loglines=logmessage.split('\n')
  96   i=len(loglines)
  97   # from tail walk to top skipping empty lines
  98   while i>=0:
  99     i-=1
 100     if len(loglines[i].strip())==0: continue
 101     break
 102   if i>=0:
 103     # walk further upwards to find first sob line, store in 'first'
 104     first=None
 105     while i>=0:
 106       m=sob_re.match(loglines[i])
 107       if m==None: break
 108       first=m
 109       i-=1
 110     # if the last non-empty line matches our Signed-Off-by regex: extract username
 111     if first!=None:
 112       r=fixup_user(first.group(1),authors)
 113       return r
 114   return committer
 115
 116 def export_file_contents(ctx,manifest,files):
 117   count=0
 118   max=len(files)
 119   for file in files:
 120     # Skip .hgtags files. They only get us in trouble.
 121     if file == ".hgtags":
 122       sys.stderr.write('Skip %s\n' % (file))
 123       continue
 124     d=ctx.filectx(file).data()
 125     wr('M %s inline %s' % (gitmode(manifest.flags(file)),file))
 126     wr('data %d' % len(d)) # had some trouble with size()
 127     wr(d)
 128     count+=1
 129     if count%cfg_export_boundary==0:
 130       sys.stderr.write('Exported %d/%d files\n' % (count,max))
 131   if max>cfg_export_boundary:
 132     sys.stderr.write('Exported %d/%d files\n' % (count,max))
 133
 134 def is_merge(parents):
 135   c=0
 136   for parent in parents:
 137     if parent>=0:
 138       c+=1
 139   return c>1
 140
 141 def sanitize_name(name,what="branch"):
 142   """Sanitize input roughly according to git-check-ref-format(1)"""
 143
 144   def dot(name):
 145     if name[0] == '.': return '_'+name[1:]
 146     return name
 147
 148   n=name
 149   p=re.compile('([[ ~^:?*]|\.\.)')
 150   n=p.sub('_', n)
 151   if n[-1] == '/': n=n[:-1]+'_'
 152   n='/'.join(map(dot,n.split('/')))
 153   p=re.compile('_+')
 154   n=p.sub('_', n)
 155
 156   if n!=name:
 157     sys.stderr.write('Warning: sanitized %s [%s] to [%s]\n' % (what,name,n))
 158   return n
 159
 160 def export_commit(ui,repo,revision,marks,mapping,heads,last,max,count,authors,sob,brmap):
 161   def get_branchname(name):
 162     if brmap.has_key(name):
 163       return brmap[name]
 164     n=sanitize_name(name)
 165     brmap[name]=n
 166     return n
 167
 168   (revnode,_,user,(time,timezone),files,desc,branch,_)=get_changeset(ui,repo,revision,authors)
 169   parents=repo.changelog.parentrevs(revision)
 170
 171   branch=get_branchname(branch)
 172
 173   wr('commit refs/heads/%s' % branch)
 174   wr('mark :%d' % (revision+1))
 175   if sob:
 176     wr('author %s %d %s' % (get_author(desc,user,authors),time,timezone))
 177   wr('committer %s %d %s' % (user,time,timezone))
 178   wr('data %d' % (len(desc)+1)) # wtf?
 179   wr(desc)
 180   wr()
 181
 182   pidx1, pidx2 = 0, 1
 183   if parents[0] < parents[1]:
 184     pidx1, pidx2 = 1, 0
 185
 186   src=heads.get(branch,'')
 187   link=''
 188   if src!='':
 189     # if we have a cached head, this is an incremental import: initialize it
 190     # and kill reference so we won't init it again
 191     wr('from %s' % src)
 192     heads[branch]=''
 193     sys.stderr.write('%s: Initializing to parent [%s]\n' %
 194         (branch,src))
 195     link=src # avoid making a merge commit for incremental import
 196   elif link=='' and not heads.has_key(branch) and revision>0:
 197     # newly created branch and not the first one: connect to parent
 198     tmp=get_parent_mark(parents[0],marks)
 199     wr('from %s' % tmp)
 200     sys.stderr.write('%s: Link new branch to parent [%s]\n' %
 201         (branch,tmp))
 202     link=tmp # avoid making a merge commit for branch fork
 203   elif last.get(branch,revision) != parents[pidx1] and parents[pidx1] > 0 and revision > 0:
 204     pm=get_parent_mark(parents[pidx1],marks)
 205     sys.stderr.write('%s: Placing commit [r%d] in branch [%s] on top of [r%d]\n' %
 206         (branch,revision,branch,parents[pidx1]));
 207     wr('from %s' % pm)
 208
 209   if parents[pidx2] > 0:
 210     pm=get_parent_mark(parents[pidx2],marks)
 211     sys.stderr.write('%s: Merging with parent [%s] from [r%d]\n' %
 212         (branch,pm,parents[pidx2]))
 213     wr('merge %s' % pm)
 214
 215   last[branch]=revision
 216   heads[branch]=''
 217   # we need this later to write out tags
 218   marks[str(revision)]=':%d'%(revision+1)
 219
 220   ctx=repo.changectx(str(revision))
 221   man=ctx.manifest()
 222   added,changed,removed,type=[],[],[],''
 223
 224   if revision==0:
 225     # first revision: feed in full manifest
 226     added=man.keys()
 227     added.sort()
 228     type='full'
 229   elif is_merge(parents):
 230     # later merge revision: feed in changed manifest
 231     # for many files comparing checksums is expensive so only do it for
 232     # merges where we really need it due to hg's revlog logic
 233     added,changed,removed=get_filechanges(repo,revision,parents,man)
 234     type='thorough delta'
 235   else:
 236     # later non-merge revision: feed in changed manifest
 237     # if we have exactly one parent, just take the changes from the
 238     # manifest without expensively comparing checksums
 239     f=repo.status(repo.lookup(parents[0]),revnode)[:3]
 240     added,changed,removed=f[1],f[0],f[2]
 241     type='simple delta'
 242
 243   sys.stderr.write('%s: Exporting %s revision %d/%d with %d/%d/%d added/changed/removed files\n' %
 244       (branch,type,revision+1,max,len(added),len(changed),len(removed)))
 245
 246   map(lambda r: wr('D %s' % r),removed)
 247   export_file_contents(ctx,man,added)
 248   export_file_contents(ctx,man,changed)
 249   wr()
 250
 251   return checkpoint(count)
 252
 253 def export_tags(ui,repo,marks_cache,mapping_cache,count,authors):
 254   l=repo.tagslist()
 255   for tag,node in l:
 256     tag=sanitize_name(tag,"tag")
 257     # ignore latest revision
 258     if tag=='tip': continue
 259     # ignore tags to nodes that are missing (ie, 'in the future')
 260     if node.encode('hex_codec') not in mapping_cache:
 261       sys.stderr.write('Tag %s refers to unseen node %s\n' % (tag, node.encode('hex_codec')))
 262       continue
 263
 264     rev=int(mapping_cache[node.encode('hex_codec')])
 265
 266     ref=marks_cache.get(str(rev),':%d' % (rev))
 267     if ref==None:
 268       sys.stderr.write('Failed to find reference for creating tag'
 269           ' %s at r%d\n' % (tag,rev))
 270       continue
 271     sys.stderr.write('Exporting tag [%s] at [hg r%d] [git %s]\n' % (tag,rev,ref))
 272     wr('reset refs/tags/%s' % tag)
 273     wr('from %s' % ref)
 274     wr()
 275     count=checkpoint(count)
 276   return count
 277
 278 def load_authors(filename):
 279   cache={}
 280   if not os.path.exists(filename):
 281     return cache
 282   f=open(filename,'r')
 283   l=0
 284   lre=re.compile('^([^=]+)[ ]*=[ ]*(.+)$')
 285   for line in f.readlines():
 286     l+=1
 287     m=lre.match(line)
 288     if m==None:
 289       sys.stderr.write('Invalid file format in [%s], line %d\n' % (filename,l))
 290       continue
 291     # put key:value in cache, key without ^:
 292     cache[m.group(1).strip()]=m.group(2).strip()
 293   f.close()
 294   sys.stderr.write('Loaded %d authors\n' % l)
 295   return cache
 296
 297 def verify_heads(ui,repo,cache,force):
 298   branches=repo.branchtags()
 299   l=[(-repo.changelog.rev(n), n, t) for t, n in branches.items()]
 300   l.sort()
 301
 302   # get list of hg's branches to verify, don't take all git has
 303   for _,_,b in l:
 304     b=get_branch(b)
 305     sha1=get_git_sha1(b)
 306     c=cache.get(b)
 307     if sha1!=None and c!=None:
 308       sys.stderr.write('Verifying branch [%s]\n' % b)
 309     if sha1!=c:
 310       sys.stderr.write('Error: Branch [%s] modified outside hg-fast-export:'
 311         '\n%s (repo) != %s (cache)\n' % (b,sha1,c))
 312       if not force: return False
 313
 314   # verify that branch has exactly one head
 315   t={}
 316   for h in repo.heads():
 317     (_,_,_,_,_,_,branch,_)=get_changeset(ui,repo,h)
 318     if t.get(branch,False):
 319       sys.stderr.write('Error: repository has at least one unnamed head: hg r%s\n' %
 320           repo.changelog.rev(h))
 321       if not force: return False
 322     t[branch]=True
 323
 324   return True
 325
 326 def mangle_mark(mark):
 327   return str(int(mark)-1)
 328
 329 def hg2git(repourl,m,marksfile,mappingfile,headsfile,tipfile,authors={},sob=False,force=False):
 330   _max=int(m)
 331
 332   marks_cache=load_cache(marksfile,mangle_mark)
 333   mapping_cache=load_cache(mappingfile)
 334   heads_cache=load_cache(headsfile)
 335   state_cache=load_cache(tipfile)
 336
 337   ui,repo=setup_repo(repourl)
 338
 339   if not verify_heads(ui,repo,heads_cache,force):
 340     return 1
 341
 342   try:
 343     tip=repo.changelog.count()
 344   except AttributeError:
 345     tip=len(repo)
 346
 347   min=int(state_cache.get('tip',0))
 348   max=_max
 349   if _max<0 or max>tip:
 350     max=tip
 351
 352   for rev in range(0,max):
 353         (revnode,_,_,_,_,_,_,_)=get_changeset(ui,repo,rev,authors)
 354         mapping_cache[revnode.encode('hex_codec')] = str(rev)
 355
 356
 357   c=0
 358   last={}
 359   brmap={}
 360   for rev in range(min,max):
 361     c=export_commit(ui,repo,rev,marks_cache,mapping_cache,heads_cache,last,max,c,authors,sob,brmap)
 362
 363   state_cache['tip']=max
 364   state_cache['repo']=repourl
 365   save_cache(tipfile,state_cache)
 366   save_cache(mappingfile,mapping_cache)
 367
 368   c=export_tags(ui,repo,marks_cache,mapping_cache,c,authors)
 369
 370   sys.stderr.write('Issued %d commands\n' % c)
 371
 372   return 0
 373
 374 if __name__=='__main__':
 375   def bail(parser,opt):
 376     sys.stderr.write('Error: No %s option given\n' % opt)
 377     parser.print_help()
 378     sys.exit(2)
 379
 380   parser=OptionParser()
 381
 382   parser.add_option("-m","--max",type="int",dest="max",
 383       help="Maximum hg revision to import")
 384   parser.add_option("--mapping",dest="mappingfile",
 385       help="File to read last run's hg-to-git SHA1 mapping")
 386   parser.add_option("--marks",dest="marksfile",
 387       help="File to read git-fast-import's marks from")
 388   parser.add_option("--heads",dest="headsfile",
 389       help="File to read last run's git heads from")
 390   parser.add_option("--status",dest="statusfile",
 391       help="File to read status from")
 392   parser.add_option("-r","--repo",dest="repourl",
 393       help="URL of repo to import")
 394   parser.add_option("-s",action="store_true",dest="sob",
 395       default=False,help="Enable parsing Signed-off-by lines")
 396   parser.add_option("-A","--authors",dest="authorfile",
 397       help="Read authormap from AUTHORFILE")
 398   parser.add_option("-f","--force",action="store_true",dest="force",
 399       default=False,help="Ignore validation errors by force")
 400   parser.add_option("-M","--default-branch",dest="default_branch",
 401       help="Set the default branch")
 402   parser.add_option("-o","--origin",dest="origin_name",
 403       help="use <name> as namespace to track upstream")
 404
 405   (options,args)=parser.parse_args()
 406
 407   m=-1
 408   if options.max!=None: m=options.max
 409
 410   if options.marksfile==None: bail(parser,'--marks')
 411   if options.mappingfile==None: bail(parser,'--mapping')
 412   if options.headsfile==None: bail(parser,'--heads')
 413   if options.statusfile==None: bail(parser,'--status')
 414   if options.repourl==None: bail(parser,'--repo')
 415
 416   a={}
 417   if options.authorfile!=None:
 418     a=load_authors(options.authorfile)
 419
 420   if options.default_branch!=None:
 421     set_default_branch(options.default_branch)
 422
 423   if options.origin_name!=None:
 424     set_origin_name(options.origin_name)
 425
 426   sys.exit(hg2git(options.repourl,m,options.marksfile,options.mappingfile,options.headsfile,
 427     options.statusfile,authors=a,sob=options.sob,force=options.force))