CVS版本库到Git的迁移
CVS是最早广泛使用的版本控制系统，因为其服务器端存储结构的简单直白，至今仍受到不少粉丝的钟爱。但是毕竟是几十年前的产物，因为设计上的原因导致缺乏现代版本控制系统的一些必须功能，如：没有原子提交，分支管理不便（慢），分支合并困难因为合并过程缺乏跟踪，不支持文件名/目录名的修改等等。很多CVS的用户都已经转换到Subversion这一更好的集中式版本控制系统了。如果还在使用CVS，那么可以考虑直接迁移到Git。
CVS到Git迁移可以使用cvs2svn软件包中的cvs2git命令。为什么该项目叫做cvs2svn而非cvs2git呢？这是因为该项目最早是为CVS版本库迁移到Subversion版本库服务的，只是最近才增加了CVS版本转换为Git版本库的功能。cvs2svn将CVS转换为Subversion版本库的过程一直以稳定著称，在cvs2svn 2.1版开始，增加了将CVS版本库转换为Git版本库的功能，无疑让这个工具更具生命力，也减少了之前CVS到Git库的转换环节。在推出cvs2git功能之前，通常的CVS到Git迁移路径是用cvs2svn将CVS版本库迁移到Subversion版本库，再用git-svn将Subversion版本库迁移到Git。
关于cvs2svn及cvs2git可以参考下面的链接：
6.1.1. 安装cvs2svn（含cvs2git）
Linux下cvs2svn的安装
大部分Linux发行版都提供cvs2svn的发布包，可以直接用平台自带的cvs2svn软件包。cvs2svn在2.1版本之后开始引入了到Git库的转换，2.3.0版本有了独立的cvs2git转换脚本，cvs2git正在逐渐完善当中，因此尽量选择最新版本的cvs2svn。
例如在Debian或Ubuntu下，可以通过下面命令查看源里面的cvs2svn版本。
$ aptitude versions cvs2svn
p 2.1.1-1 stable 990
pi 2.3.0-2 testing,unstable 1001
可以看出Debian的Testing和Sid的仓库中才有2.3.0版本的cvs2svn。于是执行下面的命令安装在Testing版本才有的2.3.0-2版本的cvs2svn：
$ sudo aptitude cvs2svn/testing
如果对应的Linux发行版没有对应的版本也可以从源码开始安装。cvs2svn的官方版本库在http://cvs2svn.tigris.org/svn/cvs2svn/trunk，已经有人将cvs2svn项目转换为Git库。可以从Git库下载源码，安装cvs2svn。
-
下载cvs2svn源代码
$ git clone git://repo.or.cz/cvs2svn.git
-
进入cvs2svn源码目录，安装cvs2svn。
$ cd cvs2svn $ sudo make install
-
安装用户手册。
$ sudo make man
cvs2svn对其他软件包的依赖：
- Python 2.4或以上版本（Python 3.x暂不支持）。
- RCS：如果在转换中使用了--use-rcs，就需要安装RCS软件包。参见：http://www.cs.purdue.edu/homes/trinkle/RCS/。
- CVS：如果在转换中使用了--use-cvs，就需要安装CVS软件包。参见：http://ccvs.cvshome.org/。
- Git：1.5.4.4或以上的版本。之前版本的Git的git fast-import 命令有Bug，加载cvs2git导出文件有问题。
Mac OS X下cvs2svn的安装
Mac OS X下可以使用Homebrew安装cvs2svn。
-
Mac OS X缺省安装的Python缺少cvs2svn依赖的gdbm模组，先用Homebrew来重新安装python。
$ brew install python
-
安装cvs2svn
$ export PATH=/usr/local/bin:$PATH $ brew install cvs2svn
6.1.2. 版本库转换（命令行参数模式）
转换CVS版本库的注意事项：
-
使用cvs2git对CVS版本库转换，必须在CVS的服务器端执行，即cvs2git必须能够通过文件系统直接访问CVS版本库中的,v文件。
-
在转换前，确保所有人的修改都已经提交到CVS版本库中。
-
在转换前，停止CVS版本库的访问，以免在转换过程中有新提交写入。
-
在转换前，对原始版本库进行备份，以免误操作对版本库造成永久的破坏。
-
在转换完成后，永久停止CVS版本库的写入服务，可以仅开放只读服务。
这是由于cvs2git是一次性操作，不能对CVS后续提交执行增量式的到Git库转换，因此当CVS版本库转换完毕后，须停止CVS服务。
-
先做小规模的试验性转换。
转换CVS版本库切忌一上来就对整个版本库进行转换，等到发现日志乱码、文件名乱码、提交者ID不完全后重新转换会浪费大量时间。
应该先选择CVS版本库中的部分文件和目录作为样本，进行小规模的转换测试。
-
不要对包含CVSROOT目录的版本库的根进行操作，可以先对服务器目录布局进行调整。
如果转换直接针对包含CVSROOT目录的版本库根目录进行操作，会导致CVSROOT目录下的文件及更改历史也被纳入到Git版本库，这是不需要的。
检查CVS版本库中的文件名乱码
CVS中保存的数据在服务器端直接和同名文件（文件多了一个“,v”后缀）相对应，当转换的CVS版本库是从其他平台（如Windows）拷贝过来的，就可能因为平台本身字符集不一致导致中文文件名包含乱码，在CVS版本库转换过程造成乱码。可以先对有问题的目录名和文件名进行重命名，转换为当前平台正确的编码。
小规模的转换试验
前面提到过，最好先进行小规模的转换试验，然后再对整个版本库进行转换。例如版本库是如下方式部署：CVSROOT为/cvshome/user，需要将之下的jiangxin/homepage/worldhello转换为一个Git版本库。先检查一下版本库中的数据，找出典型的目录用于转换。
典型的数据是这样的：包含中文文件名，并且日志中包含中文。例如在版本库中，执行CVS查看日志命令，看到类似下面的输出。
RCS file: /cvshome/user/jiangxin/homepage/worldhello/archive/2003/.mhonarc.db,v
Working file: archive/2003/.mhonarc.db
head: 1.16
branch:
locks: strict
access list:
symbolic names:
keyword substitution: kv
total revisions: 16; selected revisions: 16
description:
----------------------------
revision 1.16
date: 2004-09-21 15:56:30 +0800; author: jiangxin; state: Exp; lines: +3 -3; commitid: c2c414fdea20000;
<D0><U+07B8><C4><D3>ʼ<FE><B5><D8><A3><BB>
<D0><U+07B8><C4><CB><D1><CB><F7><D2><FD><C7>棻
----------------------------
日志乱码是因为CVS并没有对日志的字符转换为统一的UTF-8字符集。此版本库之前用CVSNT维护，缺省字符集为GBK。那么就先对有乱码的这一个目录进行一下试验性的转换。
-
调用cvs2git执行转换，产生两个导出文件。这两个导出文件将作为Git版本库创建时的导入文件。
命令行用了两个--encoding参数设置编码，会依次进行尝试将日志中的非Ascii字符转换为UTF-8。
$ cvs2git --blobfile git-blob.dat --dumpfile git-dump.dat \ --encoding utf8 --encoding gbk --username cvs2git \ /cvshome/user/jiangxin/homepage/worldhello/archive/2003/
-
成功导出后，产生两个导出文件，一个保存各个文件的各个不同版本的数据内容，即在命令行指定的输出文件git-blob.dat。另外一个文件是上面命令行指定的git-dump.dat用于保存各个提交相关信息（提交者、提交时间、提交日志等）。
$ du -sh git*dat 9.8M git-blob.dat 24K git-dump.dat
可以看出保存文件内容的导出文件（git-blob.dat）相对更大一些。
-
创建空的Git库，使用Git通用的数据迁移命令git fast-import将cvs2git的导出文件导入版本库中。
$ mkdir test $ cd test $ git init $ cat ../git-blob.dat ../git-dump.dat | git fast-import
-
检查导出结果。
$ git reset HEAD $ git checkout . $ git log -1 commit 8334587cb241076bcd2e710b321e8e16b5e46bba Author: jiangxin <> Date: Tue Sep 21 07:56:31 2004 +0000 修改邮件地址； 修改搜索引擎；
很好，导出的Git库的日志，中文乱码问题已经解决。但是会发现提交日志中的作者（Author）字段信息不完整：缺乏邮件地址。这是因为CVS的提交者仅为用户登录ID，而Git的提交者信息还要包含邮件地址。cvs2git提供参数实现两种提交者ID的转换，不过需要通过配置文件予以指定，这就需要采用下面介绍的转换方法。
6.1.3. 版本库转换（配置文件模式）
使用命令行参数调用cvs2git麻烦、可重用性差，而且可配置项有限。采用cvs2git配置文件模式运行不但能够简化cvs2git的命令行参数，而且能够提供更多的命令行无法提供的配置项，可以更精确的对CVS到Git版本库转换进行定制。
cvs2svn软件包提供了一个cvs2git的配置示例文件，见源码中的cvs2git-example.options[1]。将该示例文件在本地复制一份，对其进行更改。该文件是Python代码格式，以“#”（井号）开始的行是注释，文件缩进不要随意更改，因为缩进也是Python语法的一部分。可以考虑针对下列选项进行定制。
-
设置CVS版本库位置。
使用配置文件方式运行cvs2git，只能在配置文件中设置要转换的CVS版本库位置，而不能在命令行进行设置。具体说是在配置文件的最后面run_options的set_project方法中指定。
run_options.set_project( # CVS 版本库的位置（不是工作区，而是包含,v 文件的版本库） # 可以是版本库下的子目录。 r'/cvshome/user/jiangxin/homepage/worldhello/archive/2003/', -
导出文件的位置也在配置文件中预先设置好了，也不能再在命令行中设置。
-
导出CVS版本文件的内容至文件cvs2svn-tmp/git-blob.dat。
缺省使用cvs命令做导出，最稳定。
ctx.revision_collector = GitRevisionCollector( 'cvs2svn-tmp/git-blob.dat', #RCSRevisionReader(co_executable=r'co'), CVSRevisionReader(cvs_executable=r'cvs'), ) -
另外一个导出文件的缺省位置：cvs2svn-tmp/git-dump.dat。
ctx.output_option = GitOutputOption( os.path.join(ctx.tmpdir, 'git-dump.dat'), # The blobs will be written via the revision recorder, so in # OutputPass we only have to emit references to the blob marks: GitRevisionMarkWriter(), # Optional map from CVS author names to git author names: author_transforms=author_transforms, )
-
-
设置无提交用户信息时使用的用户名。这个用户名可以用接下来的用户映射转换为Git用户名。
ctx.username = 'cvs2svn'
-
建立CVS用户和Git用户之间的映射。Git用户名可以用Python的tuple语法(name,email)或者用字符串name <email>来表示。
author_transforms={ 'jiangxin' : ('Jiang Xin', 'jiangxin@ossxp.com'), 'dev1' : u'开发者1 <dev1@ossxp.com>', 'cvs2svn' : 'cvs2svn <admin@example.com>', } -
字符集编码。即如何转换日志中的用户名、提交说明以及文件名的编码。
对于可能在日志中出现中，必须做出下面类似设置。编码的顺序对输出也会有影响，一般将utf8放在gbk之前能保证当日志中同时出现两种编码时都能正常转换[2]。
ctx.cvs_author_decoder = CVSTextDecoder( [ 'utf8', 'gbk', ], fallback_encoding='gbk' ) ctx.cvs_log_decoder = CVSTextDecoder( [ 'utf8', 'gbk', ], fallback_encoding='gbk' ) ctx.cvs_filename_decoder = CVSTextDecoder( [ 'utf8', 'gbk', ], #fallback_encoding='ascii' ) -
是否忽略.cvsignore文件？缺省保留.cvsignore文件。
无论选择保留或是不保留，最好在转换后手工进行.cvsignore到.gitignore的转换。因为 cvs2git不能自动将.cvsignore文件转换为.gitignore文件。
ctx.keep_cvsignore = True
-
对文件换行符等的处理。下面的配置原本是针对CVS到Subversion的属性转换，但是也会影响到Git转换时的换行符设置。
维持默认值比较安全。
ctx.file_property_setters.extend([ # 基于配置文件设置文件的 mime 类型 #MimeMapper(r'/etc/mime.types', ignore_case=False), # 对于二进制文件（-kb模式）不设置 svn:eol-style 属性（对于 Subverson 来说） CVSBinaryFileEOLStyleSetter(), # 如果文件是二进制，并且 svn:mime-type 没有设置，将其设置为 'application/octet-stream'。 CVSBinaryFileDefaultMimeTypeSetter(), # 如果希望根据文件的 mime 类型来判断文件的换行符，打开下面注释 #EOLStyleFromMimeTypeSetter(), # 如果上面的规则没有为文件设置换行符类型，则为 svn:eol-style 设置缺省类型。 # （二进制文件除外） # 缺省把文件视为二进制，不为其设置换行符类型，这样最安全。 # 如果确认 CVS 的二进制文件都已经设置了 -kb 参数，或者使用上面的规则能够对 # 文件类型做出正确判断，也可以使用下面参数为非二进制文件设置缺省换行符号。 ## 'native': 服务器端文件的换行符保存为 LF，客户端根据需要自动转换。 ## 'CRLF': 服务器端文件的换行符保存为 CRLF，客户端亦为 CRLF。 ## 'CR': 服务器端文件的换行符保存为 CR，客户端亦为 CR。 ## 'LF': 服务器端文件的换行符保存为 LF，客户端亦为 LF。 DefaultEOLStyleSetter(None), # 如果文件没有设置 svn:eol-style ，也不为其设置 svn:keywords 属性 SVNBinaryFileKeywordsPropertySetter(), # 如果 svn:keywords 未色环只，基于文件的 CVS 模式进行设置。 KeywordsPropertySetter(config.SVN_KEYWORDS_VALUE), # 设置文件的 svn:executable 属性，如果文件在 CVS 中标记为可执行文件。 ExecutablePropertySetter(), ]) -
是否只迁移主线，忽略分支和里程碑？
缺省对所有分支和里程碑都进行转换。如果选择忽略分支和里程碑，将False修改为True。
ctx.trunk_only = False
-
分支和里程碑迁移及转换。
global_symbol_strategy_rules = [ # 和正则表达式匹配的 CVS 标识，转换为 Git 的分支。 #ForceBranchRegexpStrategyRule(r'branch.*'), # 和正则表达式匹配的 CVS 标识，转换为 Git 的里程碑。 #ForceTagRegexpStrategyRule(r'tag.*'), # 忽略和正则表达式匹配的 CVS 标识，不进行（到Git分支/里程碑）转换。 #ExcludeRegexpStrategyRule(r'unknown-.*'), # 岐义的CVS标识的处理选项。 # 缺省根据使用频率自动确定转换为分支或里程碑。 HeuristicStrategyRule(), # 或者全部转换为分支。 #AllBranchRule(), # 或者全部转换为里程碑。 #AllTagRule(), ... run_options.set_project( ... # A list of symbol transformations that can be used to rename # symbols in this project. symbol_transforms=[ # 是否需要重新命名里程碑？第一个参数用于匹配，第二个参数用于替换。 #RegexpSymbolTransform(r'release-(\d+)_(\d+)', # r'release-\1.\2'), #RegexpSymbolTransform(r'release-(\d+)_(\d+)_(\d+)', # r'release-\1.\2.\3'),
使用配置文件的 cvs2git转换过程
参照上面的方法，从缺省的cvs2git配置文件定制，在本地创建一个文件，例如名为cvs2git.options文件。
-
使用cvs2git配置文件，命令行大大简化了。
$ cvs2git --options cvs2git.options
-
成功导出后，产生两个导出文件，都保存在cvs2git-tmp目录中。
一个保存各个文件的各个不同版本的数据内容，即在命令行指定的输出文件git-blob.dat。另外一个文件是上面命令行指定的git-dump.dat用于保存各个提交相关信息（提交者、提交时间、提交日志等）。
可以看出保存文件内容的导出文件相对更大一些。
$ du -sh cvs2svn-tmp/* 9.8M cvs2svn-tmp/git-blob.dat 24K cvs2svn-tmp/git-dump.dat
-
创建空的Git库，使用Git通用的数据迁移命令git fast-import将cvs2git的导出文件导入版本库中。
$ mkdir test $ cd test $ git init $ cat ../cvs2svn-tmp/git-blob.dat \ ../cvs2svn-tmp/git-dump.dat | git fast-import -
检查导出结果。
$ git reset HEAD $ git checkout . $ git log -1 commit e3f12f57a77cbffcf62e19012507d041f1c9b03d Author: Jiang Xin <jiangxin@ossxp.com> Date: Tue Sep 21 07:56:31 2004 +0000 修改邮件地址； 修改搜索引擎；
可以看到，这一次的转换结果不但日志中的中文可以显示，而且提交者ID也转换成了Git的风格。
修改cvs2git.optoins中的CVS版本库地址，开始正式的转换过程。
6.1.4. 迁移后版本库检查
完成迁移还不能算是大功告成，还需要进行细致的检验。
6.1.4.1. 文件名和日志的中文
如果转换过程参考了前面的步骤和注意事项，文件名和版本库提交日志中的中文不应该出现乱码。
6.1.4.2. 图片文件被破坏
最典型的错误就是转换后部分图片被破坏导致无法显示。这是怎么造成的呢？
CVS缺省将提交的文件以文本方式添加，除非用户在添加文件时使用了-kb参数。用命令行提交的用户经常会忘记，这就导致一些二进制文件（如图片文件）被以文本文件的方式添加到其中。文本文件在CVS检入和检出时会进行换行符转换 ，在服务器端换行符保存为LF，在Windows上检出时为CRLF。如果误做文本文件方式添加的图片中恰好出现CRLF，则在Windows上似乎没有问题（仍然是CRLF），但是CVS库转换成 Git库后，图片文件在Windows上再检出时文件数据中原来CRLF被换成了LF，导致文件被破坏。
出现这种情况是CVS版本库使用和管理上出现了问题，应该在CVS版本库中对有问题的文件重新设置属性，标记为二进制文件。然后再进行CVS版本库到Git库的转换。
6.1.4.3. .cvsignore文件的转换
CVS版本库中可能存在.cvsignore文件用于设置文件忽略，相当于Git版本库中的.gitignore。因为当前版本的 cvs2git不能自动将.cvsignore转换为.gitignore，需要在版本库迁移后手工完成。CVS的.cvsignore文件只对目录内文件有效，不会向下作用到子目录上，这一点和Git的.gitignore相区别。还有不同就是.cvsignore文件每一行用空格分割多个忽略，而Git每个忽略为单独的一行。
6.1.4.4. 迁移后的测试
一个简单的检查方法是，在同一台机器上分别用CVS和Git检出（或克隆），然后比较本地的差异。要在不同的系统上（Windows，Linux）分别进行测试。
| [1] | http://repo.or.cz/w/cvs2svn.git/blob/HEAD:/cvs2git-example.options |
| [2] | 部分中文的UTF8编码在GBK中存在古怪的对应 |