Question

首先：我知道一般性意见：不要跟踪生成的文件。

说，我想跟踪生成的PDF并让git忽略写入PDF的日期。这意味着，如果唯一的区别是日期信息，我希望git将两个PDF视为相同。

我尝试的是一个过滤器 - 在其干净的部分 - 将日期设置为某个任意值。

（---评论----
基本上，过滤器确实如此：

## dump the pdf metadata to a file and replace the dates
pdftk "$FILENAME" dump_data | sed -e '{N;s/Date\nInfoValue: D:.*/Date\nInfoValue: D:19790101072619/}' > "$TMPFILE"

## update the pdf metadata
pdftk "$FILENAME" update_info "$TMPFILE" output "$TMPFILE2"

）---结束评论----

过滤器有效（提交的pdf将日期设置为我的任意值）但我遇到了files re-checked out from git repository with 'clean' filter end up with modified status

所以，我的过滤器显然不是我想要做的。

我的问题是：
1）我可以使用聪明的过滤方法让git完全忽略PDF中的日期值吗？怎么样？
或
2）如果不是过滤器，那么正确的方法是什么？

Answer 1

最后在git邮件列表的帮助下解决了这个问题。毕竟不是一个git问题，但更多的是我对pdftk的过滤期望的问题。（也许是编码的东西？没有深入挖掘。）

git邮件列表上的有用信息如下： http://permalink.gmane.org/gmane.comp.version-control.git/224797

基本上，我写的过滤器脚本不具有同等效力，这意味着第二次将清洁过滤器应用于已清理的文件会改变文件。

背景：当pdftk用于更新pdf的元数据时，其元数据从之前从那个确切的pdf中提取出来，令我惊讶的是它更改了pdf文件。

所以，我在我的过滤器中加入了安全检查，问题已经消失。

供参考，以下是完整的过滤器：

 #!/bin/bash

 ## use GNU coreutils on OS X explicitely
 ## (install via homebrew, for instance:
 ##  > brew install coreutils
 ##  > brew install gnu-sed
 ## )
 if [ ${OSTYPE:0:6} == "darwin" ]; then
     MKTMP=gmktemp
     SED=gsed
 else
     MKTMP=mktemp
     SED=sed
 fi


 FILEASARG=true
 if [ "$#" == 0 ]; then
     FILEASARG=false
 fi

 if $FILEASARG ; then
     FILENAME="$1"
 else
     FILENAME=`$MKTMP`
     cat /dev/stdin > "${FILENAME}"
 fi

 TMPFILE=`$MKTMP`
 TMPFILE2=`$MKTMP`
 TMPFILE3=`$MKTMP`

 ## dump the pdf metadata to a file and replace the dates
 pdftk "$FILENAME" dump_data > "$TMPFILE3"
 $SED -e '/Date/{ N; s/Date\nInfoValue: D:.*/Date\nInfoValue: D:19790101072619/ }' < "$TMPFILE3" > "$TMPFILE"

 ## if the metadata did not change, do nothing
 if diff "$TMPFILE3" "$TMPFILE"; then
     rm "$TMPFILE3"
     rm "$TMPFILE"
     if [ -n $FILEASARG ] ; then
    cat "$FILENAME"
     fi
     exit 0
 fi

 ## update the pdf metadata
 pdftk "$FILENAME" update_info "$TMPFILE" output "$TMPFILE2"

 ## overwrite the original pdf
 mv -f "$TMPFILE2" "$FILENAME"

 ## clean up
 rm -f "$TMPFILE"
 rm -f "$TMPFILE2"
 if [ -n $FILEASARG ] ; then
     cat "$FILENAME"
 fi

Answer 2

如果您控制PDF生成，则可以考虑在生成时在pdf关键字中注入PDF文件内容的哈希值。此哈希将唯一标识PDF文件，而不考虑日期字段。

然后在git方面，你可以jury rig something in .gitattributes（在pdf文件上使用extract -p keywords）在pdf文件上进行二进制差异。

我想这可行。

让git忽略PDF文件中的日期

2 个答案: