在tj-actions/changed-files中实现基于目录特性的文件过滤
2025-07-01 21:04:07作者:温玫谨Lighthearted
在持续集成和持续部署(CI/CD)流程中,精确识别变更文件是自动化工作流的关键环节。当项目结构包含多种技术栈时,如何针对特定技术类型的目录进行精准过滤成为一个常见需求。
技术背景
现代项目往往采用混合技术栈,例如同时包含Helm图表和Kustomize配置的Kubernetes项目。Helm图表通常包含Chart.yaml文件作为标识,而Kustomize项目则使用kustomization.yaml。在自动化流程中,我们需要区分这些不同类型的变更。
解决方案
tj-actions/changed-files动作提供了files_yaml输入参数,支持基于YAML格式的复杂文件过滤规则。通过这个功能,我们可以:
- 定义多个文件组别
- 为每个组别指定包含和排除模式
- 实现基于目录特性的精确匹配
实际应用示例
以下是一个典型配置示例,展示了如何区分不同技术类型的目录:
- name: 获取变更的Helm图表文件
id: changed-files
uses: tj-actions/changed-files@v44
with:
files_yaml: |
helm:
- '**/Chart.yaml'
- 'charts/**'
kustomize:
- '**/kustomization.yaml'
- 'kustomize/**'
高级用法
对于更复杂的场景,我们可以结合包含和排除模式:
- 匹配所有包含Chart.yaml的目录
- 排除特定测试目录
- 只关注src目录下的特定文件类型
files_yaml: |
production_helm:
- '**/Chart.yaml'
- '!test/**'
- 'src/**/values.prod.yaml'
技术实现原理
该功能底层使用glob模式匹配,支持:
- 递归匹配(**)
- 单级匹配(*)
- 字符集匹配([abc])
- 范围匹配([a-z])
- 取反匹配(!pattern)
最佳实践建议
- 为每种技术类型创建独立的文件组
- 使用明确的排除规则减少误匹配
- 在复杂项目中分层组织匹配规则
- 定期审查匹配规则确保准确性
通过合理配置tj-actions/changed-files的过滤规则,可以显著提升CI/CD流程的精确度和效率,特别是在混合技术栈的项目环境中。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
630
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
910
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
888
暂无简介
Dart
922
228
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
303
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
634
217
openGauss kernel ~ openGauss is an open source relational database management system
C++
183
260