Ricerca di articoli, documentazione o conoscenza diretta di come diversi sistemi di controllo del codice sorgente differenziano (o rilevano) il tipo di file (binario rispetto al testo). Di particolare interesse è come Git lo fa contro Mercurial.Come i sistemi di controllo del codice sorgente diffondono i file binari da file di testo
Guardano: Estensioni file? Firme o contenuto di file (ad esempio, questo file è UTF8)? Un mix di cose?
SVN:
La prima volta che aggiungere o importare un file in Subversion, il file viene esaminato per determinare se si tratta di un file binario. Attualmente, Subversion guarda solo i primi 1024 byte del file; se uno qualsiasi dei byte è zero, o se più del 15% non sono caratteri di stampa ASCII, allora Subversion chiama il file binario. Questa euristica potrebbe essere migliorata in futuro, comunque.
http://subversion.apache.org/faq.html#binary-files
Git funziona in modo simile. Git di solito indovina correttamente se un blob contiene dati di testo o binari esaminando l'inizio del contenuto - Controlla ogni occorrenza di un byte zero (NUL "carattere") nei primi 8000 byte.
http://git-scm.com/docs/gitattributes
E da Git fonte:
#define FIRST_FEW_BYTES 8000
int buffer_is_binary(const char *ptr, unsigned long size)
{
if (FIRST_FEW_BYTES < size)
size = FIRST_FEW_BYTES;
return !!memchr(ptr, 0, size);
}
E @tonfa rende un buon punto che "Si noti inoltre che l'unico posto dove si prende cura di un file di testo di essere vs .binary è per la visualizzazione di diff e per l'unione, il formato di archiviazione non gli interessa ".
+1 per l'estratto di git blob –
Ottima risposta, grazie. – codenheim
Git distingue tra testo e binario quando traduce le terminazioni di riga tra crlf e lf (autocrlf). Il codice è un po 'diverso: i file contenenti NUL byte sono binari. Inoltre, anche i file contenenti più di 1% di byte di controllo ASCII sono considerati binari. Vedi http://git.kernel.org/?p=git/git.git;a=blob;f=convert.c;hb=HEAD, funzione 'int is_binary'. –
Mercurial cerca alcune occorrenze del carattere nullo (\ 0) nel contenuto del file. Se ce n'è uno, il file viene considerato come binario. Altrimenti è considerato come testuale, a meno che non venga esplicitamente menzionato.
Immagino che git usi lo stesso approccio.
Si noti inoltre che l'unico posto in cui si preoccupa che un file sia testo o binario sia per la visualizzazione delle differenze e per le operazioni di unione. Il formato di archiviazione non gli interessa. – tonfa
Sia Git che Mercurial sono open source, puoi guardare il codice e scoprire esattamente cosa fanno. –
http://mercurial.selenic.com/wiki/BinaryFiles – crowne
possibile duplicato di http://stackoverflow.com/questions/6855712/git-treats-text-file-as-a-binary per la parte Git (senza tag) –