tag - qué tipos de etiquetas existen en git

¿Cómo determinar si Git maneja un archivo como binario o como texto?

Question

Sé que GIT de alguna manera detecta automáticamente si un archivo es binario o de texto y que se pueden usar gitattributes para configurarlo manualmente si es necesario. ¿Pero también hay una manera de preguntarle a GIT cómo trata un archivo?

Entonces, digamos que tengo un repositorio GIT con dos archivos: un archivo ascii.dat que contiene texto sin formato y un archivo binary.dat que contiene elementos binarios aleatorios. Git maneja el primer archivo dat como texto y el archivo secundario como binario. Ahora quiero escribir un GIT webfrontend que tenga un visor para archivos de texto y un visor especial para archivos binarios (mostrando un volcado hexadecimal, por ejemplo). Claro, podría implementar mi propia verificación de texto / binario, pero sería más útil si el espectador confía en la información sobre cómo maneja GIT estos archivos.

Entonces, ¿cómo puedo preguntarle a GIT si trata un archivo como texto o binario?

Answer 1

A riesgo de recibir una cachetada por la mala calidad del código, estoy enumerando una utilidad C, is_binary, construida en torno a la rutina buffer_is_binary () original en la fuente de Git. Por favor, vea los comentarios internos sobre cómo construir y ejecutar. Fácilmente modificable:

/***********************************************************
 * is_binary.c 
 *
 * Usage: is_binary <pathname>
 *   Returns a 1 if a binary; return a 0 if non-binary
 * 
 * Thanks to Git and Stackoverflow developers for helping with these routines:
 * - the buffer_is_binary() routine from the xdiff-interface.c module 
 *   in git source code.
 * - the read-a-filename-from-stdin route
 * - the read-a-file-into-memory (fill_buffer()) routine
 *
 * To build:
 *    % gcc is_binary.c -o is_binary
 *
 * To build debuggable (to push a few messages to stdout):
 *    % gcc -DDEBUG=1 ./is_binary.c -o is_binary
 *
 * BUGS:
 *  Doesn''t work with piped input, like 
 *    % cat foo.tar | is_binary 
 *  Claims that zero input is binary. Actually, 
 *  what should it be?
 *
 * Revision 1.4
 *
 * Tue Sep 12 09:01:33 EDT 2017
***********************************************************/
#include <string.h>
#include <stdio.h>
#include <stdlib.h>

#define MAX_PATH_LENGTH 200
#define FIRST_FEW_BYTES 8000

/* global, unfortunately */
char *source_blob_buffer;

/* From: https://stackoverflow.com/questions/14002954/c-programming-how-to-read-the-whole-file-contents-into-a-buffer */

/* From: https://stackoverflow.com/questions/1563882/reading-a-file-name-from-piped-command */

/* From: https://stackoverflow.com/questions/6119956/how-to-determine-if-git-handles-a-file-as-binary-or-as-text
*/

/* The key routine in this function is from libc: void *memchr(const void *s, int c, size_t n); */
/* Checks for any occurrence of a zero byte (NUL character) in the first 8000 bytes (or the entire length if shorter). */

int buffer_is_binary(const char *ptr, unsigned long size)
{
  if (FIRST_FEW_BYTES < size)
    size = FIRST_FEW_BYTES;
    /* printf("buff = %s./n", ptr); */
  return !!memchr(ptr, 0, size);
}
int fill_buffer(FILE * file_object_pointer) {
  fseek(file_object_pointer, 0, SEEK_END);
  long fsize = ftell(file_object_pointer);
  fseek(file_object_pointer, 0, SEEK_SET);  //same as rewind(f);
  source_blob_buffer = malloc(fsize + 1);
  fread(source_blob_buffer, fsize, 1, file_object_pointer);
  fclose(file_object_pointer);
  source_blob_buffer[fsize] = 0;
  return (fsize + 1);
}
int main(int argc, char *argv[]) {

  char pathname[MAX_PATH_LENGTH];
  FILE *file_object_pointer;

  if (argc == 1) {
    file_object_pointer = stdin;
  } else {
    strcpy(pathname,argv[1]);
#ifdef DEBUG
    printf("pathname=%s./n", pathname); 
#endif 
    file_object_pointer = fopen (pathname, "rb");
    if (file_object_pointer == NULL) {
      printf ("I''m sorry, Dave, I can''t do that--");
      printf ("open the file ''%s'', that is./n", pathname);
      exit(3);
    }
  }
  if (!file_object_pointer) {
    printf("Not a file nor a pipe--sorry./n");
    exit (4);
  }
  int fsize = fill_buffer(file_object_pointer);
  int result = buffer_is_binary(source_blob_buffer, fsize - 2);

#ifdef DEBUG
  if (result == 1) {
    printf ("%s %d/n", pathname, fsize - 1);
  }
  else {
    printf ("File ''%s'' is NON-BINARY; size is %d bytes./n", pathname, fsize - 1); 
  }
#endif
  exit(result);
  /* easy check -- ''echo $?'' after running */
}

Answer 2

No me gusta esta respuesta, pero puede analizar la salida de git-diff-tree para ver si es binaria. Por ejemplo:

git diff-tree -p 4b825dc642cb6eb9a060e54bf8d69288fbee4904 HEAD -- MegaCli 
diff --git a/megaraid/MegaCli b/megaraid/MegaCli
new file mode 100755
index 0000000..7f0e997
Binary files /dev/null and b/megaraid/MegaCli differ

Opuesto a:

git diff-tree -p 4b825dc642cb6eb9a060e54bf8d69288fbee4904 HEAD -- megamgr
diff --git a/megaraid/megamgr b/megaraid/megamgr
new file mode 100755
index 0000000..50fd8a1
--- /dev/null
+++ b/megaraid/megamgr
@@ -0,0 +1,78 @@
+#!/bin/sh
[…]

Ah, y por cierto, 4b825d ... es un SHA mágico que representa el árbol vacío ( es el SHA para un árbol vacío, pero git es especialmente consciente de esta magia).

Answer 3

Puede usar la utilidad ''archivo'' de la herramienta de línea de comandos. En Windows está incluido en la instalación de git y normalmente se encuentra en la carpeta C: / Archivos de programa / git / usr / bin

file --mime-encoding *

Ver más en Obtener codificación de un archivo en Windows

Answer 4

builtin_diff() ¹ llama a diff_filespec_is_binary() que llama a buffer_is_binary() que comprueba si se buffer_is_binary() un byte cero (NUL "carácter") en los primeros 8000 bytes (o la longitud completa si es más corta).

No obstante, no veo que esta prueba de "¿es binario?" Esté explícitamente expuesta en cualquier comando.

git merge-file usa directamente buffer_is_binary() , por lo que puede hacer uso de él:

git merge-file /dev/null /dev/null file-to-test

Parece producir el mensaje de error como error: Cannot merge binary files: file-to-test y produce un estado de salida de 255 cuando se le da un archivo binario. Sin embargo, no estoy seguro de que quiera confiar en este comportamiento.

Tal vez git diff --numstat sea ​​más confiable:

isBinary() {
    p=$(printf ''%s/t-/t'' -)
    t=$(git diff --no-index --numstat /dev/null "$1")
    case "$t" in "$p"*) return 0 ;; esac
    return 1
}
isBinary file-to-test && echo binary || echo not binary

Para archivos binarios, la salida --numstat debe comenzar con - TAB - TAB, entonces solo probamos eso.

¹ builtin_diff() tiene cadenas como Binary files %s and %s differ que deberían ser familiares.

Answer 5

git grep -I --name-only --untracked -e . -- ascii.dat binary.dat ...

devolverá los nombres de los archivos que git interpreta como archivos de texto.

Puede usar comodines, por ejemplo

git grep -I --name-only --untracked -e . -- *.ps1