在提交到存储库之前解压缩压缩数据文件

Question

以某种方式将正常压缩文件的“未压缩”版本存储在存储库中是否有意义？

如果是这样，有没有一种标准的方法来实现它？ （也许是一个标准的预提交钩子，它将每个这样的文件解压缩到一个特别命名的文件夹中; 和一个post-checkout钩子，将这些特别命名的文件夹压缩成LibreOffice知道如何读写的压缩文件？类似于"Should I decompress zips before I archive?"描述的过程？） （也许黑客攻击版本控制软件的代码，自动解压缩旧版本和新版本，并在解压缩文件之间存储差异，如果失败或没有提供显着的改进，请回到原始存储系统原始文件之间的直接差异，或者直接存储文件？）

我有一组经常编辑的OpenOffice / LibreOffice文件。 我将它们存储在版本控制存储库中 - 正如"Should images be stored in a git repository?"所建议的那样。 虽然我碰巧使用TortoiseHg或SourceTree来访问我的存储库，而不是git。

我碰巧知道Open Office文件实际上是zip压缩容器，里面有一些XML文件。 （我听说许多其他流行的应用程序“二进制文件格式”也是某种形式的zip压缩文件）。

我的理解是即使对这种“二进制”文件的最小改变也会导致存储在存储库中的整个新文件。 与“文本”文件中的小变化相反，这只会导致存储和传输更改。

理论上，这将具有以下优点：

• 如果更改只有几个字，我可以在更改日志的“差异”视图中看到更改的确切字词。 （而不是非信息性的“二进制文件已更改”消息）。
• 当几个不同的人独立编辑文件的第14版时，将所有改进合并到文件的第16版会更容易，而不会回归。
• 更快地同步到远程存储库 - 只需要传输短的“更改”，而不是整个（压缩）文件。
• 可能更小的存储库，就磁盘空间而言 - 经过几百次更改后，我希望一个相对较小的存储库只包含几百个小的更改，而不是一个包含几百个完整副本的相对较大的存储库文件。 （我最后列出了这个优势，因为在这些廉价的磁盘空间中它几乎无关紧要）。

Answer 1

  

以某种方式将正常压缩文件的“未压缩”版本存储在存储库中是否有意义？

特别是如果你需要分支和差异，这是有道理的。

此old thread总结了这种情况。

  

  
1. 对于大小主要由嵌入图像和其他大型对象控制的Openoffice文档，git delta机制已经表现得相当好，因为OO文件是Zip压缩文件，其中每个文件都是单独压缩的。
     如果您不更改图像，那么该图像将以相同的方式保存   delta可以完成。
  
2. 对于大小以普通内容为主的OO文档，git delta机制无法工作，因为zip压缩引入了“混合”，文档中的一个小变化转换为zip文件中的一个非常大的变化。
        

可以在提交之前写一个clean过滤器来解压缩   但是，在结帐时使用补充smudge过滤器是一种技巧。如果你没有正确涂抹，git总是会将文件显示为索引更改的文件   正确涂抹意味着使用OO使用的压缩比和压缩方法，这可能有点棘手。我已尝试在clean和smudge阶段使用zip二进制文件，但它不能很好地工作。污迹文件总是与原始文件不同。
  一个应该可以在较低级别工作，以便更好地控制正在发生的事情（libzip），并在未压缩文件前面添加要在污迹上恢复的压缩参数。

     

然而，更大的问题是，在处理大型OO文件时，干净/涂抹的东西可能会非常慢。