#!/bin/bash

# Git大文件扫描脚本
# 用于查找仓库中的大体积文件

set -e

echo "🔍 Git仓库大文件扫描"
echo "====================="

# 检查是否在Git仓库中
if ! git rev-parse --git-dir > /dev/null 2>&1; then
    echo "❌ 当前目录不是Git仓库"
    exit 1
fi

# 函数：格式化文件大小
format_size() {
    local size=$1
    if [ $size -gt 1073741824 ]; then
        echo "$(echo "scale=2; $size/1073741824" | bc)GB"
    elif [ $size -gt 1048576 ]; then
        echo "$(echo "scale=2; $size/1048576" | bc)MB"
    elif [ $size -gt 1024 ]; then
        echo "$(echo "scale=2; $size/1024" | bc)KB"
    else
        echo "${size}B"
    fi
}

echo "📊 分析当前工作目录中的大文件..."
echo ""

# 1. 扫描当前工作目录中的大文件（包括未跟踪的）
echo "🗂️  当前目录大文件 (>1MB):"
echo "文件大小    文件路径"
echo "--------    --------"

find . -type f -size +1M -not -path "./.git/*" -exec ls -lh {} \; | \
    awk '{print $5 "\t" $9}' | \
    sort -hr | \
    head -20

echo ""

# 2. 扫描Git跟踪的大文件
echo "📋 Git跟踪的大文件 (>1MB):"
echo "文件大小    文件路径"
echo "--------    --------"

git ls-files | while read file; do
    if [ -f "$file" ]; then
        size=$(stat -f%z "$file" 2>/dev/null || stat -c%s "$file" 2>/dev/null || echo 0)
        if [ $size -gt 1048576 ]; then  # 1MB
            size_formatted=$(format_size $size)
            printf "%-10s  %s\n" "$size_formatted" "$file"
        fi
    fi
done | sort -hr | head -20

echo ""

# 3. 扫描Git历史中的大文件（这个比较耗时）
echo "🕰️  扫描Git历史中的大文件..."
echo "注意：这可能需要一些时间..."
echo ""

echo "📚 Git历史中的大文件 (>1MB):"
echo "文件大小    提交次数  文件路径"
echo "--------    --------  --------"

# 获取所有文件的历史大小信息
git rev-list --objects --all | \
    git cat-file --batch-check='%(objecttype) %(objectname) %(objectsize) %(rest)' | \
    awk '/^blob/ {print $3 "\t" $4}' | \
    sort -nr | \
    head -30 | \
    while IFS=$'\t' read size path; do
        if [ $size -gt 1048576 ]; then  # 1MB
            size_formatted=$(format_size $size)
            # 计算文件在历史中出现的次数
            count=$(git log --all --pretty=format: --name-only -- "$path" 2>/dev/null | grep -c "^$path$" || echo 0)
            printf "%-10s  %-8s  %s\n" "$size_formatted" "$count" "$path"
        fi
    done

echo ""

# 4. 显示仓库总体积信息
echo "📈 仓库体积统计:"
echo "----------------"

# .git目录大小
git_size=$(du -sh .git 2>/dev/null | cut -f1)
echo "Git仓库大小: $git_size"

# 工作目录大小（不包括.git）
work_size=$(du -sh --exclude=.git . 2>/dev/null | cut -f1 || du -sh . | cut -f1)
echo "工作目录大小: $work_size"

# 统计各类文件
echo ""
echo "📁 文件类型统计 (>100KB):"
echo "文件类型    数量    总大小"
echo "--------    ----    ------"

find . -type f -not -path "./.git/*" -exec file {} \; | \
    sed 's/.*: //' | \
    sort | uniq -c | \
    sort -nr | \
    head -10 | \
    while read count type; do
        printf "%-10s  %-6s  %s\n" "${type:0:10}" "$count" "$(echo "$type" | cut -d' ' -f1)"
    done

echo ""

# 5. 建议清理的文件类型
echo "💡 建议添加到.gitignore的文件类型:"
echo "----------------------------------------"

# 查找常见的应该被忽略的大文件
echo "🔍 发现的可能需要忽略的文件:"

# 编译文件
compiled_files=$(find . -name "*.pyc" -o -name "*.pyo" -o -name "*.class" -o -name "*.o" -o -name "*.so" -o -name "*.dll" | head -5)
if [ ! -z "$compiled_files" ]; then
    echo "📄 编译文件:"
    echo "$compiled_files"
fi

# 日志文件
log_files=$(find . -name "*.log" -o -name "*.log.*" | head -5)
if [ ! -z "$log_files" ]; then
    echo "📄 日志文件:"
    echo "$log_files"
fi

# 临时文件
temp_files=$(find . -name "*.tmp" -o -name "*.temp" -o -name "*~" -o -name ".DS_Store" | head -5)
if [ ! -z "$temp_files" ]; then
    echo "📄 临时文件:"
    echo "$temp_files"
fi

# 数据库文件
db_files=$(find . -name "*.db" -o -name "*.sqlite" -o -name "*.sqlite3" | head -5)
if [ ! -z "$db_files" ]; then
    echo "📄 数据库文件:"
    echo "$db_files"
fi

# 压缩文件
archive_files=$(find . -name "*.zip" -o -name "*.tar.gz" -o -name "*.rar" -o -name "*.7z" | head -5)
if [ ! -z "$archive_files" ]; then
    echo "📄 压缩文件:"
    echo "$archive_files"
fi

echo ""
echo "🎯 清理建议:"
echo "------------"
echo "1. 将大的编译文件、日志文件添加到.gitignore"
echo "2. 使用 'git rm --cached <file>' 移除已跟踪的大文件"
echo "3. 考虑使用Git LFS管理大的二进制文件"
echo "4. 定期清理临时文件和构建产物"

echo ""
echo "🔧 快速清理命令:"
echo "----------------"
echo "# 移除编译文件跟踪"
echo "find . -name '*.pyc' -exec git rm --cached {} \\; 2>/dev/null"
echo ""
echo "# 移除日志文件跟踪"  
echo "find . -name '*.log' -exec git rm --cached {} \\; 2>/dev/null"
echo ""
echo "# 移除数据库文件跟踪"
echo "find . -name '*.db' -exec git rm --cached {} \\; 2>/dev/null"

echo ""
echo "✅ 扫描完成！"