• SVN命令


    1、将文件checkout到本地目录

       svn checkout path(path是服务器上的目录)
       例如:svn checkout svn://192.168.1.1/pro/domain
        简写:svn co

    2、往版本库中添加新的文件

       svn add file
       例如:svn add test.php(添加test.php)
       svn add *.php(添加当前目录下所有的php文件)

    3、将改动的文件提交到版本库

       svn commit -m "LogMessage" [-N] [--no-unlock] PATH(如果选择了保持锁,就使用--no-unlock开关)
       例如:svn commit -m "add test file for my test" test.php
        简写:svn ci

    4、加锁/解锁

       svn lock -m "LockMessage" [--force] PATH
       例如:svn lock -m "lock test file" test.php
       svn unlock PATH

    5、更新到某个版本

    svn update -r m path
       例如:
          svn update如果后面没有目录,默认将当前目录以及子目录下的所有文件都更新到最新版本。
         svn update -r 200 test.php(将版本库中的文件test.php还原到版本200)
         svn update test.php(更新,于版本库同步。如果在提交的时候提示过期的话,是因为冲突,需要先update,修改文件,然后清除svn resolved,最后再提交commit)
       简写:svn up

    6、查看文件或者目录状态

    1)svn status path(目录下的文件和子目录的状态,正常状态不显示)
       【?:不在svn的控制中;M:内容被修改;C:发生冲突;A:预定加入到版本库;K:被锁定】
      2)svn status -v path(显示文件和子目录状态)
       第一列保持相同,第二列显示工作版本号,第三和第四列显示最后一次修改的版本号和修改人。
       注:svn status、svn diff和 svn revert这三条命令在没有网络的情况下也可以执行的,原因是svn在本地的.svn中保留了本地版本的原始拷贝。
    简写:svn st

    7、删除文件

     svn delete path -m "delete test fle"
       例如:svn delete svn://192.168.1.1/pro/domain/test.php -m "delete test file"
        或者直接svn delete test.php 然后再svn ci -m 'delete test file‘,推荐使用这种
    简写:svn (del, remove, rm)

    8、查看日志

     svn log path
       例如:svn log test.php 显示这个文件的所有修改记录,及其版本号的变化

    9、查看文件详细信息

    svn info path
       例如:svn info test.php

    10、比较差异

    svn diff path(将修改的文件与基础版本比较)
       例如:svn diff test.php
    svn diff -r m:n path(对版本m和版本n比较差异)
       例如:svn diff -r 200:201 test.php
       简写:svn di

    11、将两个版本之间的差异合并到当前文件

    svn merge -r m:n path
       例如:svn merge -r 200:205 test.php(将版本200与205之间的差异合并到当前文件,但是一般都会产生冲突,需要处理一下)
    12、SVN 帮助
    svn help
    svn help ci
  • 相关阅读:
    python 之 xlrd模块 excel的读使用
    将str文本类型转换为dict
    pycharm快捷键、常用设置、配置管理
    Bye bye bye
    课题一--作业复习
    python 整齐输出与编码读写
    图像分割——并行区域技术
    主动轮廓模型(重点)
    边界技术
    二阶导数算子
  • 原文地址:https://www.cnblogs.com/huangxiaoying/p/5364659.html
Copyright © 2020-2023  润新知