现有的 Git 存储库中包含混合编码的文件。

Question

现有的 Git 存储库中包含混合编码的文件。

5

我有一个现有的存储库，其中包含混合编码的文件 - 一些文件是UTF-8编码，一些文件是ANSI编码（例如Windows-1252）。大多数情况下都可以正常工作，但当对ANSI文件执行差异操作时，我看到“无效字符”已经感到厌烦了，而且我特别烦恼的是我不能使用GUI工具来暂存或取消暂存这些字符。我正在寻找一种方法来说服Git认为某个文件使用非UTF-8编码，以便Git首先执行转换，然后再对其进行操作。

据我所知，有两种实现结果的方法：

自定义二进制到文本过滤器

将转换过滤器添加到我的.gitconfig中：

    [diff "win1252"]
    textconv = "iconv -f windows-1252 -t utf-8"

在 .gitattributes 文件中，将该文件标记为二进制，并请求使用此过滤器将其转换为文本：

    *.txt    diff=win1252

这种方法在独立的git diff中似乎可以正常工作，但我遇到了几个问题，不知道该如何解决：

即使使用core.autocrlf = true，这种方法也不会对转换命令的输出执行CRLF转换，因此我的差异将显示更改行中的行尾差异。我可以创建一个脚本来运行iconv执行编码转换，然后将输出传递给dos2unix执行EOL转换，但这似乎有些笨重。
由于经常使用外部工具，我经历了显着的减速。
似乎无论是命令行还是我的GUI（SourceTree），都不会在暂存时遵守转换设置。git add -p显示垃圾（甚至比“未知字符”更糟），而SourceTree则停止暂存，并显示找不到原始文本的错误消息。

虽然我可能能够适应#1和#2，但#3是一个阻碍问题，因为我大多数需要完成这些转换以便于暂存带有“未知字符”的块。我的当前工作流程是使用没有任何转换的git add -p，虽然可能会显示“未知字符”，但至少它可以工作。

改变GUI是不切实际的：我尝试过的所有其他GUI都比这个问题更严重。

使用working-tree-encoding属性

在.gitattributes中，将文件标记为具有自定义编码的文本文件：

    *.txt    text working-tree-encoding=windows-1252

据我所知，这种方法涵盖了上述所有投诉，并且在命令行和GUI中都可以正常工作。不幸的是，有一个重要的警告：它仅适用于在设置此属性后创建的文件。对于在添加此属性之前创建的文件，Git将显示更改（从“未知字符”到windows-1252），其中包含这些未编码字符的每个文件都会受到影响。此外，在克隆存储库之后，它将抱怨“无法将' a.txt '从UTF-8编码为windows-1252”。似乎文件实际上已经正确地克隆（与原始文件逐字节匹配），但仍然显示差异。基本上，我必须提交每个带有“未知字符”的文件以将其重新编码为UTF-8存储在存储库中，这将导致我的历史记录混乱，使Blame几乎无法使用。

看起来一个现实的方法可能是使用类似于git filter-branch的东西，但是针对整个存储库（有这样的东西吗？）将所有现有文件转换为UTF-8并且将属性添加到第一个提交中，但我担心做这么大的事情。此外，我预计会失去之前的提交ID，这将是不幸的（我用提交ID标记我的可执行文件以轻松定位它们构建的版本）。

有没有办法克服所描述方法的缺点，或者有没有另一种不会受到这些缺点影响的方法？

- pepak

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- bk2204 · Accepted Answer

您使用working-tree-encoding已经走在了正确的道路上，但是还需要再执行一步操作。

在创建.gitattributes文件的同一次提交中，运行git add --renormalize .，它将根据指定的编码过滤所有的工作区文件。然后，您需要在同一次提交中提交所有更改的文件和.gitattributes文件，之后它们将以UTF-8格式存储在仓库中，但在您的工作区中仍然是Windows-1252格式。

这样做的缺点是git blame将不得不跳过该提交，但是您可以使用--ignore-rev或--ignore-revs-file（或配置选项blame.ignoreRevsFile）来忽略该修订版本，并且一切都将正常工作。