为什么Git将这个文本文件视为二进制文件？

Question

我想知道为什么 Git 告诉我这个？

$ git diff MyFile.txt
diff --git a/MyFile.txt b/MyFile.txt
index d41a4f3..15dcfa2 100644
Binary files a/MyFile.txt and b/MyFile.txt differ

它们不是文本文件吗？

我已经检查了.gitattributes文件，但它是空的。为什么我会收到这个消息？我不能像以前那样获取差异了。

添加:

我注意到文件权限中有一个@，这是什么意思？这可能是原因吗？

$ls -all
drwxr-xr-x   5 nacho4d  staff    170 28 Jul 17:07 .
drwxr-xr-x  16 nacho4d  staff    544 28 Jul 16:39 ..
-rw-r--r--@  1 nacho4d  staff   6148 28 Jul 16:15 .DS_Store
-rw-r--r--@  1 nacho4d  staff    746 28 Jul 17:07 MyFile.txt
-rw-r--r--   1 nacho4d  staff  22538  5 Apr 16:18 OtherFile.txt

- nacho4d

---

可能是一个UTF-8编码的文件。 - Marnix van Valen

它应该是UTF16小端LF。 - nacho4d

在Mac OS X上的ls手册中：如果文件或目录具有扩展属性，则由-l选项打印的权限字段后面跟随一个@字符。使用-@选项查看这些扩展属性。 - adl

很奇怪，因为Git根本不应该知道有任何扩展属性。如果你能够重现这个问题，最好在Git邮件列表上提出来。按照vger.kernel.org列表的惯例，您不必订阅即可发布（人们会将答案CC给您），而且还应该避免订阅[e-mail]列表，因为邮件量相当大。 - Jan Hudec

可能是重复的问题：为什么Git认为我的.cs文件是二进制的？ - Nick Grealy

Answer 1

这意味着当git检查文件的实际内容时(它不知道任何给定扩展名不是二进制文件-如果您想显式告诉它，可以使用属性文件-请参见man页面)。

检查文件内容后，发现其中有些内容不是基本ASCII字符。由于它是UTF16格式，所以我希望它会有'奇怪'的字符，因此认为它是二进制文件。

如果文件具有国际化(i18n)或扩展字符格式，则可以告诉git的方法有很多。我对设置的确切方法不够熟悉，你可能需要阅读一下全面手册;-)

编辑：快速搜索SO找到can-i-make-git-recognize-a-utf-16-file-as-text，这应该会给你一些线索。

- Philip Oakley

---

你的观点差不多但并非完全没有错。Git确实检查了实际文件并发现了一些“奇怪”的字符。但是，它并不认为UTF-16是文本文件。因为文本被定义为基于ASCII的（内置的diff仅能提供可用的结果），而UTF-16则不是。是的，有一种方法可以告诉git对于指定模式的文件使用特殊的差异处理方式（使用“.gitattributes”）。 - Jan Hudec

我应该补充一下，“有趣的字符”实际上指的是零字节。 - Jan Hudec

我们都是正确的，但是从不同的角度来看。我们都说“Git检查内容以确定其类型。” 我们都说，为了让git知道应该将其视为UTF16，用户需要通过.gitattributes等告诉git。 - Philip Oakley

在你的观点中，所有文件都是二进制的。 - stolsvik

@stolosvik和JanH，UTF-8包含基本的0-127 ASCII字符以及所有其他Unicode字符，而不需要使用空（00h）字节来表示除"NUL"字符（'C'字符串终止符）以外的任何内容。因此，Git的文本定义是，该内容（前1k字节）在UTF-8编码时不应具有空字节。您可以尝试访问https://dev59.com/l3E95IYBdhLWcg3wmvCh了解更多信息。我的原始评论是指当将UTF-16编码数据视为字节对时，ASCII代码点的高字节将为00的情况。 - Philip Oakley

Answer 2

如果您没有设置文件类型，Git 会尝试自动确定文件类型，如果文件包含非常长的行和一些 宽字符（例如 Unicode），则会将其视为二进制文件。使用.gitattributes文件，您可以定义Git如何解释该文件。手动设置 diff 属性可让Git将文件内容解释为文本，并执行常规的差异比较。

只需将.gitattributes添加到您的代码库根目录并将diff属性设置到路径或文件中即可。以下是一个示例：

src/Acme/DemoBundle/Resources/public/js/i18n/* diff
doc/Help/NothingToSay.yml                      diff
*.css                                          diff

如果您想检查文件上是否设置了属性，可以借助git check-attr来完成。

git check-attr --all -- src/my_file.txt

有关Git属性的另一个不错的参考资料可以在这里找到。

- naitsirch

---

这很有帮助，但实际上是错误的--正确的属性是 diff，而不是 text。 text 属性并不是告诉 git 使用文本进行比较，而是控制如何处理行尾（标准化为 LF）。有关更多详细信息，请参见您链接到的 .gitattributes。 - ErikE

感谢 @ErikE。根据您的评论和 Git 文档，我已更新了我的帖子。 - stollr

此外，您可以设置所需执行的差异类型。例如，如果是XML文件，则可以使用diff=xml而不是仅使用diff。 - Sandy Chapman

check-attr的反义词是什么 - 有set-attr吗？我最初意外将文件保存为UTF-16，然后提交和推送它，现在BitBucket仍将其视为UTF-16，即使重新保存为UTF-8，再次提交和推送它。这基本上使我的拉取请求无法阅读，因为审阅者需要单击每个单独的注释以添加审查注释。 - John Zabroski

Answer 3

我遇到了这个问题，即Git GUI和SourceTree将Java/JS文件视为二进制文件，因此不会显示差异。

在.git/info中创建一个名为attributes的文件，并使用以下内容解决了这个问题：

*.java diff
*.js diff
*.pl diff
*.txt diff
*.ts diff
*.html diff
*.sh diff
*.xml diff

如果你希望这适用于所有存储库，则可以在$ HOME/.config/git/attributes中添加文件attributes。

- Hemant

---

还要注意 <project-root>/.gitattributes 文件，它使更改对所有贡献者都生效，并且仅适用于相关项目。 - jpaugh

添加 * diff 对我很有帮助：它显示了所有类型文件的差异。但是你的解决方案更好，因为避免了在大型二进制文件中显示不必要的差异。 - Boolean_Type

耶！这很有帮助！ - WildCat

Answer 4

如果你在文本文件中有一行超长的字符串，Git 将会确定它是二进制文件。我将一个超长的字符串分解成几个源代码行后，突然间这个文件从“二进制”变成了一个我可以在 SmartGit 中查看的文本文件。

因此，在编辑器中不要一直向右键入太远而不使用“Enter”键，否则后来 Git 将认为你创建了一个二进制文件。

- Chris Murphy

---

这是正确的信息。我正在尝试控制一个非常大的 MySQL 转储(.sql文件)的 diffs，但是 git 把它当作二进制文件处理，即使它只有 ASCII/UTF8 数据。原因是行很长(插入值 (one),(two),(three),(...),(3 million...)，每次提交，git 存储库的大小不增加 1.7gb，只增加约 350mb。也许，git 在保存之前对"二进制"文件进行了压缩。 - Alexandre T.

@AlexandreT。Git确实压缩文件blob（使用GZip，如果我没记错的话）。 - jpaugh

Answer 5

我在使用新的编辑器编辑文件后遇到了同样的问题。事实证明，新的编辑器使用的编码（Unicode）不同于我的旧编辑器（UTF-8）。因此，我只需告诉我的新编辑器使用UTF-8保存我的文件，然后git再次正确显示我的更改，并且没有将其视为二进制文件。

我认为问题很简单，即git不知道如何比较不同编码类型的文件。因此，您使用的编码类型并不重要，只要保持一致即可。

虽然我没有测试过，但我肯定如果我只是使用新的Unicode编码提交了我的文件，下次修改该文件时它就会正确地显示更改，而不会将其检测为二进制文件，因为这时它将比较两个Unicode编码的文件而不是一个UTF-8文件和一个Unicode文件。

您可以使用像Notepad++这样的应用程序轻松查看和更改文本文件的编码类型；在Notepad++中打开文件并使用工具栏中的编码菜单即可。

- deadlydog

---

Unicode不是一种编码方式，而是一个字符集，UTF-8是它的一种编码方式，即将Unicode代码点进行编码的方式。 - phuclv

这并没有解决问题，只是避免了它。问题在于git或其diff工具不能正确识别文本文件，或者不容易允许用户覆盖其行为。 - Preza8

Answer 6

这也（至少在Windows上）是由采用UTF-8带BOM编码的文本文件引起的。将编码更改为普通的UTF-8立即使Git将该文件视为类型=文本。

- Robba

---

我有两个文件，Notepad++将它们识别为UTF-8带BOM编码。但是SourceTree/git将其中一个识别为二进制文件，另一个则识别为文本文件。除此之外，我没有任何确切的说法，只能说这并不是完全准确的陈述。 - goug

在我的情况下，我的文件是带有BOM的UTF-16编码，使用Notepad++将编码更改为普通的UTF-8解决了问题，同时我还需要在.gitattributes文件中手动添加以下内容：*.extension diff。 - Bud Damyanov

Answer 7

我们遇到了这样的情况，每当我们尝试更改一个 .html 文件时，它被视为二进制文件。这样就无法查看差异了。说实话，我没有检查这里的所有解决方案，但对我们起作用的是以下方法：

1. 删除该文件（实际上将其移动到我的桌面上），并提交 git 删除操作。Git会显示“已删除文件，模式为100644（常规），二进制文件不同”。
2. 重新添加该文件（实际上是从我的桌面移回项目中）。Git会显示“新文件，模式为100644（常规），1个块，135次插入，0次删除”。该文件现在被添加为普通文本文件。

从现在开始，我所做的任何文件更改都被视为普通文本差异。您也可以压缩这些提交（1、2和3是您实际进行的更改），但我更喜欢能够在未来看到我所做的事情。压缩 1 和 2 将显示二进制更改。

- StuFF mc

---

类似于从VS上传了一个或两个（成功编译的）cpp文件。这使得Github的比较界面看起来很荒谬。在这样的交互中，你不会希望成为钟摆上的一只苍蝇，VS一方说这是Github的问题，而Github则说这是VS的问题。:( - Laurie Stearn

Answer 8

我曾经遇到过同样的问题。当我在谷歌上搜索解决方案时，我找到了这个帖子，但是我仍然没有发现任何线索。但是通过研究，我认为我已经找到了原因，下面的示例将清楚地解释我的线索。

    echo "new text" > new.txt
    git add new.txt
    git commit -m "dummy"

目前，文件new.txt被视为文本文件。

    echo -e "newer text\000" > new.txt
    git diff

您将获得此结果。

diff --git a/new.txt b/new.txt
index fa49b07..410428c 100644
Binary files a/new.txt and b/new.txt differ

并尝试这个

git diff -a

您将会得到以下内容。

    diff --git a/new.txt b/new.txt
    index fa49b07..9664e3f 100644
    --- a/new.txt
    +++ b/new.txt
    @@ -1 +1 @@
    -new file
    +newer text^@

- howard

Answer 9

尝试使用file查看编码细节 (参考链接)：

cd directory/of/interest
file *

它会产生如下有用的输出：

$ file *
CR6Series_stats resaved.dat: ASCII text, with very long lines, with CRLF line terminators
CR6Series_stats utf8.dat:    UTF-8 Unicode (with BOM) text, with very long lines, with CRLF line terminators
CR6Series_stats.dat:         ASCII text, with very long lines, with CRLF line terminators
readme.md:                   ASCII text, with CRLF line terminators

- patricktokeeffe

---

“file”不是Git命令，它是一个完全独立的工具，在Windows上与Git一起打包。是否有文档显示这就是Git用于检测二进制文件的工具？ - Max

是的，file 是一个 Linux 工具，但它与 Git 一起打包在 C:\Program Files\git\usr\bin 中。 - patricktokeeffe

Answer 10

我曾经遇到这样一个情况，.gitignore 文件中有意包含了双重的 \r （回车）序列。

这个文件被 Git 识别为二进制文件。添加一个 .gitattributes 文件可以解决这个问题。

# .gitattributes file
.gitignore diff

- Erik Živković

---

工作正常。我还有一个双\r来忽略一些操作系统的“Icon\r\r”文件。很高兴知道原因以及解决方法。 - hsandt