如何将文件另存为 git 树而不是 blob？
How to save a file as a git tree instead of a blob?
由于许多文件格式都具有树状结构（例如 XML、tar，即使是 MP3，如果您考虑将标签和框架拆分为叶子），我想知道是否有让 git 将它们存储为树对象而不是 blob 的方法，以利用结构，例如用于比较和合并。
到目前为止，我考虑过使用钩子或 smudge/clean-filters，但两者都有我想避免的缺点：
- 使用只重写 blob（即文件内容）的清洁过滤器，我可以并行创建和
git add 一棵树，并用足够的信息替换 blob，以便 smudge-filter 重新创建结帐时的原始文件。但是，这会使 git status 声称 "directory" 内部表示的树丢失，会有一个占位符文件可能会阻止添加同名树
- 使用 post-commit 钩子会搞乱
git diff 等等
那么有什么明智的方法可以做到这一点吗？或者我应该坚持使用 blob 而不是修改 merge/diff 驱动程序？
如果您尝试在 Git 中添加任何二进制文件（如 XML、tar、MP3），它们将被区别对待。
Git 用于非二进制文件。如果您打算定期包含二进制文件，请考虑使用二进制存储解决方案，例如 Git LFS。
Git 本身试图与内容形式无关。也就是说，初步估计它只关心原始数据——甚至不关心文本与二进制数据，只关心 "here is some data as a collection of files; please store it as such."（我认为 Linus 的最初设想不包括 CR/LF 转换，只要它是永远不会打开，它不会损坏二进制数据。）
这种不可知论很快就瓦解了。比较一个提交与另一个提交是从比较文件开始的，但是除了简单的 "pathname p/a/t/h in commit A must mean the same file as pathname p/a/t/h in commit B"——当两个路径都存在并且 do 命名相同的内容时效果很好——我们很快发现我们需要比较相似但不相同的文件，并希望在某种结构基础上这样做：例如，面向行或单词 diff。而且，为了处理重命名问题，如果 p/a/t/h 变为 p/t/h 或相反，我们可能希望将这些文件相互匹配，即使它们只有 90% 相似度。
（其他 VCS 会在每次提交时记录一些其他类型的文件标识，而不仅仅是路径名，通过记录目录操作或为文件分配唯一的内部 ID。Git 没有，所以它必须依赖于这个相似性检测系统。Git 的相似性检测器很特别：它不是完全面向行的，因此它可以处理二进制文件，但它确实检测行边界以消除 \r\n vs \n 从其相似性检测器更改。）
无论如何，您当然可以采用Git并修改它以添加"like trees"但具有不同风格的新对象类型。这将使您能够分离这些结构化文件。它的效果如何基本上似乎是一个研究课题。不过，仅仅将它们塞进 为 树显然效果不佳：您永远不会知道某个树实例是 "derived tree" 还是 "real tree"。为避免更改 Git 的某些核心代码，您或许可以在 Git 读取和写入其索引的位置插入真实与 derived/synthetic 树转换，并编码 "real" vs "synthetic" 进入 "file names".
如果存储在每个合成子树中的原始数据本身是二进制的，那么您将 运行 陷入 diffs 无法使用的常见问题。 pack 文件存储格式（基于 xdelta）不是面向行的，但是使用路径名的 pack heuristics 可能不会很好地执行，因此您可能需要修改那些也是。您从 xdelta 获得的压缩量取决于输入数据中的 Shannon entropy：二进制与文本在这里实际上不是问题，除非典型的文本输入具有相当低的熵；二进制输入往往难以预测。
由于许多文件格式都具有树状结构（例如 XML、tar，即使是 MP3，如果您考虑将标签和框架拆分为叶子），我想知道是否有让 git 将它们存储为树对象而不是 blob 的方法，以利用结构，例如用于比较和合并。
到目前为止，我考虑过使用钩子或 smudge/clean-filters，但两者都有我想避免的缺点：
- 使用只重写 blob（即文件内容）的清洁过滤器，我可以并行创建和
git add一棵树，并用足够的信息替换 blob，以便 smudge-filter 重新创建结帐时的原始文件。但是，这会使git status声称 "directory" 内部表示的树丢失，会有一个占位符文件可能会阻止添加同名树 - 使用 post-commit 钩子会搞乱
git diff等等
那么有什么明智的方法可以做到这一点吗？或者我应该坚持使用 blob 而不是修改 merge/diff 驱动程序？
如果您尝试在 Git 中添加任何二进制文件（如 XML、tar、MP3），它们将被区别对待。
Git 用于非二进制文件。如果您打算定期包含二进制文件，请考虑使用二进制存储解决方案，例如 Git LFS。
Git 本身试图与内容形式无关。也就是说，初步估计它只关心原始数据——甚至不关心文本与二进制数据，只关心 "here is some data as a collection of files; please store it as such."（我认为 Linus 的最初设想不包括 CR/LF 转换，只要它是永远不会打开，它不会损坏二进制数据。）
这种不可知论很快就瓦解了。比较一个提交与另一个提交是从比较文件开始的，但是除了简单的 "pathname p/a/t/h in commit A must mean the same file as pathname p/a/t/h in commit B"——当两个路径都存在并且 do 命名相同的内容时效果很好——我们很快发现我们需要比较相似但不相同的文件，并希望在某种结构基础上这样做：例如，面向行或单词 diff。而且，为了处理重命名问题，如果 p/a/t/h 变为 p/t/h 或相反，我们可能希望将这些文件相互匹配，即使它们只有 90% 相似度。
（其他 VCS 会在每次提交时记录一些其他类型的文件标识，而不仅仅是路径名，通过记录目录操作或为文件分配唯一的内部 ID。Git 没有，所以它必须依赖于这个相似性检测系统。Git 的相似性检测器很特别：它不是完全面向行的，因此它可以处理二进制文件，但它确实检测行边界以消除 \r\n vs \n 从其相似性检测器更改。）
无论如何，您当然可以采用Git并修改它以添加"like trees"但具有不同风格的新对象类型。这将使您能够分离这些结构化文件。它的效果如何基本上似乎是一个研究课题。不过，仅仅将它们塞进 为 树显然效果不佳：您永远不会知道某个树实例是 "derived tree" 还是 "real tree"。为避免更改 Git 的某些核心代码，您或许可以在 Git 读取和写入其索引的位置插入真实与 derived/synthetic 树转换，并编码 "real" vs "synthetic" 进入 "file names".
如果存储在每个合成子树中的原始数据本身是二进制的，那么您将 运行 陷入 diffs 无法使用的常见问题。 pack 文件存储格式（基于 xdelta）不是面向行的，但是使用路径名的 pack heuristics 可能不会很好地执行，因此您可能需要修改那些也是。您从 xdelta 获得的压缩量取决于输入数据中的 Shannon entropy：二进制与文本在这里实际上不是问题，除非典型的文本输入具有相当低的熵；二进制输入往往难以预测。