Como código-fonte aberto um projeto cujo repositório git possui direitos autorais de mídia na história?

Desejo lançar um projeto de software de impressão digital de áudio sob uma licença gratuita, mas o repositório contém arquivos de áudio protegidos por direitos autorais. Os casos de teste também atualmente usam esses arquivos. Como libero o código ao público com o histórico máximo de versões, mas sem violar os direitos autorais?

Detalhes:

• O código é versionado sob git. Vamos recolher tudo de volta em um ramo antes do lançamento.
• Existem 400 MB de dados de áudio. Alguns arquivos são músicas licenciadas gratuitamente, por exemplo, do Jamendo, outros são MP3s de nossas coleções pessoais.
• Independentemente da abordagem adotada, sempre manteremos uma cópia imutável do repositório original, para não destruir o histórico do projeto.

Pergunta principal: Como lidar com o lançamento público?

1. Expurgar todo o histórico dos arquivos em questão do repositório git e liberar o repositório alterado. (v64 apontou uma maneira de fazer isso.)
2. Como alternativa, tire um instantâneo do estado atual do código e nem se preocupe em ter um histórico público do código de pré-lançamento.

Pergunta secundária: como poderíamos evitar esse dilema em primeiro lugar, dado que, às vezes, é necessário código ou mídia privada para os estágios iniciais de um projeto?

O GitHub tem uma página explicando como remover um arquivo de todo o histórico: Remova dados confidenciais .

De tempos em tempos, os usuários acidentalmente confirmam dados como senhas ou chaves em um repositório git. Embora você possa usar git rmpara remover o arquivo, ele ainda estará no histórico do repositório. Felizmente, o git facilita bastante remover o arquivo de todo o histórico do repositório.

Perigo: Depois que a confirmação foi enviada, você deve considerar os dados comprometidos. Se você cometeu uma senha, altere-a! Se você confirmou uma chave, gere uma nova.

Limpe o arquivo do seu repositório

Agora que a senha foi alterada, você deseja remover o arquivo do histórico e adicioná-lo ao .gitignorepara garantir que ele não seja confirmado acidentalmente. Para nossos exemplos, removeremos Rakefiledo repositório de gemas do GitHub ...

Pergunta secundária: como poderíamos evitar esse dilema em primeiro lugar, dado que, às vezes, é necessário código ou mídia privada para os estágios iniciais de um projeto?

Se você deseja rastrear grandes arquivos de mídia (400 MB de áudio), coloque-o em um repositório separado.

Isso mata dois coelhos com uma cajadada:

1. O repo principal é 400MB menor. (As pessoas não precisam baixar 400 MB de conteúdo cada vez que clonam.)
2. A mídia pode ser privada e é mantida separada de todas as outras coisas. Como tal, nenhum trabalho extra precisa ser feito para liberar o repositório público.

Se desejar, você pode tornar mais conveniente trabalhar, tornando o repositório de mídia um submódulo do repositório público (que você planeja lançar).

Dessa forma, você apenas mantém um ponteiro para ele, não o conteúdo (sensível) em si (para os estágios iniciais do desenvolvimento). Então, quando você for lançar o repositório publicamente, remova a referência do submódulo, o que é muito menos problemático do que reescrever seu histórico para filtrar 400 MB de material.