当项目树有二进制文件时，GIT、Mercurial、SVN或其他版本控制工具能否正常工作？

有时我们的项目树可以有二进制文件，如jpg、png、doc、xls或pdf。GIT、Mercurial、SVN或其他工具在只更改了二进制文件的一部分时能做得很好吗

例如，如果规范是用.doc编写的，并且它是存储库的一部分，那么如果它是4MB，编辑了100次，但只编辑了1或2行，并且在一年中签入了100次，那么它就是400MB

如果它是100个不同的.doc和.xls文件，那么它是40GB。。。不是一个容易管理的尺寸

我试过GIT和Mercurial，发现它们似乎都添加了大量数据，即使在.doc或.pdf中更改了一行。GIT、Mercurial或SVN内部是否有其他方法可以完成这项工作

另外，我试过Dropbox，我可以得到一个7MB的文件，然后我突出显示了.PDF文件中的几个地方，Dropbox似乎可以在1秒内上传更改。我的上传速度只有200kb/s，所以我认为Dropbox在区分我的文件方面做得相当好。因此，我们可以使用Dropbox，但这种方式没有版本控制。

请参阅。您的主要问题是，即使是doc和其他文件中的微小更改，也会触发文件结构中的重大更改（部分原因是它是压缩的）

---

因此，我不相信您会找到任何好的方法在版本控制系统中处理这些文件。

存在二进制差异工具，但是它们没有多大帮助，因为由于压缩，图像的一个像素或Word文档中一个字符的更改与文件中一个字节的更改不一致。因此，这种二进制数据的“良好”处理是不可能的

如果您想提交这样的文档，请考虑提交未压缩的变体-RTF，而不是DOC、TEX，而不是PDF等。如果版本控制系统使用压缩来压缩其内部存储库，那么该方法应该工作得很好。比如说,

新添加的对象使用zlib压缩整体存储

---

编辑：我只想指出，即使是RTF也很可怕，但没有DOC那么可怕。如果你的文档可以切换到TXT或TeX，那就最好了。

我一直在使用git在Mac、Linux和Windows机器之间同步我的文档。我不得不做一次重新设计，以避开Windows上2Gb的文件限制。在3个定期同步的存储库中，总容量约为7Gb。在某个时候，我甚至在互联网某处的托管服务器上有一个远程副本

现在，我几乎不需要复制这些回购协议，这样大的规模就不会有太多阻碍。我还看到.git没有显著增加，它仍然保持在签出文档、PDF和excel表大小的40-60%左右

更改文档或pdf文件中的一行，会随着格式效果的波动而在文件中发生很大的变化。类似地，更改XLS文件中的单元格可以更改许多其他单元格

---

但是，与不进行版本控制的文档相比，我很高兴能够以低于标准的压缩比生活

一般来说，版本控制系统在文本文件中工作得更好。整个合并/冲突概念实际上是基于源代码的。然而，SVN对于二进制文件非常有效。（我们使用它来编辑CAD图纸。）

我要指出的是，当有多个人在处理一个普通的二进制文件时，文件锁定（svn:needs lock）几乎是必须的。如果没有文件锁定，两个人可以同时处理一个二进制文件。有人先提交他们的更改。猜猜没有犯罪的人会怎么样。他们所做的所有二进制/无法组织的工作实际上都丢失了。文件锁定可序列化文件上的工作。您确实失去了版本控制系统的“并发”访问功能，但您仍然拥有提交日志、回滚到以前版本等优点

TortoieSVN客户端足够智能，可以使用MS Word内置的合并工具来区分doc/docx文件。它还具有配置选项，允许您根据文件扩展名指定备用的diff工具，这非常酷。（遗憾的是，没有人为我们的CAD软件包制作一个不同的工具）

---

不过，像Git或Hg这样的当前一代DVC往往会使用二进制文件。它们没有任何类型的文件锁定机制。

IMHO，您应该停止使用SCM来管理这样的文档。您应该使用像Alfresco这样的专用工具（我相信还有很多其他的文档管理工具）。

这是一个正确的观点：最好配置Word、Excel和Openoffice，以便在默认情况下以“臃肿的”基于xml的格式保存，因为SCM更有可能检测到差异。@Peter Tillemans:可能，至少使用

git

，在提交XML数据之前设置一个钩子来运行

tidy

；这可能会增加减少差异的机会。尽管可能需要安装

cygwin

，以便在windows下获得

tidy

。这还假设MS格式足够一致，可以在

tidy

ed之后读取。Postscript是TeX的另一种替代方法。正如另一个答案中所述，Word还可以将文件保存为XML格式，这可能会导致差异。