解壓縮OpenOffice文件以更好地存儲版本控制

Question

我聽說過有關OpenOffice（ODF）文件是如何壓縮XML和其他數據的zip文件的討論。因此，對文件進行微小更改可能會完全改變數據，因此增量壓縮在版本控制系統中效果不佳。

我已經對OpenOffice文件進行了基本測試，將其解壓縮，然後用零壓縮進行重新壓縮。我使用Linux zip實用程序進行測試。 OpenOffice仍然樂意打開它。

所以我想知道是否值得開發一個小實用程序，每次在我承諾版本控制之前在ODF文件上運行。對這個想法有什麼想法？可能更好的選擇？其次，如何實現這個小實用程序，這將是一種很好而健壯的方法？調用zip的Bash shell（可能只有Linux）？蟒蛇？任何你能想到的陷阱？很明顯，我不想意外地損壞一個文件，並且有幾種方法可能發生。

可能的陷阱，我能想到的：

• 磁盤空間不足
• 其他一些權限問題，防止寫入文件或臨時文件
• ODF文檔被加密（可能應見好就收這些孤單;加密可能還會導致大文件更改，從而阻止有效的增量壓縮）

Answer 1

您可能會考慮以FODT格式存儲文檔 - 平面XML格式。
這是相對較新的替代解決方案。

文檔只是存儲解壓。

更多資訊請點擊https://wiki.documentfoundation.org/Libreoffice_and_subversion。

Answer 2

首先，您要使用的版本控制系統d支持鉤子，這些鉤子可以將文件從存儲庫中的版本轉換爲工作區域中的文件，例如從gitattributes的Git中的clean/smudge過濾器。

其次，你可以找到這樣的過濾器，而不是自己從「Management of opendocument (openoffice.org) files in git」混帳郵件列表上線（但請參閱「Followup: management of OO files - warning about "rezip" approach」的警告），

您也可以瀏覽寫一個，例如重新壓縮在「Tracking OpenOffice files/other compressed files with Git」線程中回答，或嘗試在「[PATCH 2/2] Add keyword unexpansion support to convert.c」線程內找到答案。

希望幫助

Answer 3

這裏是我已經把一個Python腳本。到目前爲止，它的測試已經很少了。我已經在Python 2.6中完成了基本的測試。但我更喜歡Python的概念，因爲如果發生任何錯誤，它應該異常中止，而bash腳本可能不會。

這首先檢查輸入文件是否有效並且尚未解壓縮。然後它將輸入文件複製到「.bak」擴展名的「備份」文件中。然後它解壓縮原始文件，覆蓋它。

我確定有些事情我忽略了。請隨時提供反饋。

#!/usr/bin/python 
# Note, written for Python 2.6 

import sys 
import shutil 
import zipfile 

# Get a single command-line argument containing filename 
commandlineFileName = sys.argv[1] 

backupFileName = commandlineFileName + ".bak" 
inFileName = backupFileName 
outFileName = commandlineFileName 
checkFilename = commandlineFileName 

# Check input file 
# First, check it is valid (not corrupted) 
checkZipFile = zipfile.ZipFile(checkFilename) 
checkZipFile.testzip() 

# Second, check that it's not already uncompressed 
isCompressed = False 
for fileObject in checkZipFile.infolist(): 
    if fileObject.compress_type != zipfile.ZIP_STORED: 
     isCompressed = True 
if isCompressed == False: 
    raise Exception("File is already uncompressed") 

checkZipFile.close() 

# Copy to "backup" file and use that as the input 
shutil.copy(commandlineFileName, backupFileName) 
inputZipFile = zipfile.ZipFile(inFileName) 

outputZipFile = zipfile.ZipFile(outFileName, "w", zipfile.ZIP_STORED) 

# Copy each input file's data to output, making sure it's uncompressed 
for fileObject in inputZipFile.infolist(): 
    fileData = inputZipFile.read(fileObject) 
    outFileObject = fileObject 
    outFileObject.compress_type = zipfile.ZIP_STORED 
    outputZipFile.writestr(outFileObject, fileData) 

outputZipFile.close() 

這是在Mercurial repository in BitBucket。

Answer 4

我修改了Craig McQueen's answer中的python程序。變化包括：

• 其實檢查testZip的回報（根據文檔，似乎原來的程序會很樂意與損壞的zip文件過去checkzip步驟進行）。

• 重寫for-loop以檢查已經解壓縮的文件是否是單個if語句。

下面是新程序：

#!/usr/bin/python 
# Note, written for Python 2.6 

import sys 
import shutil 
import zipfile 

# Get a single command-line argument containing filename 
commandlineFileName = sys.argv[1] 

backupFileName = commandlineFileName + ".bak" 
inFileName = backupFileName 
outFileName = commandlineFileName 
checkFilename = commandlineFileName 

# Check input file 
# First, check it is valid (not corrupted) 
checkZipFile = zipfile.ZipFile(checkFilename) 

if checkZipFile.testzip() is not None: 
    raise Exception("Zip file is corrupted") 

# Second, check that it's not already uncompressed 
if all(f.compress_type==zipfile.ZIP_STORED for f in checkZipFile.infolist()): 
    raise Exception("File is already uncompressed") 

checkZipFile.close() 

# Copy to "backup" file and use that as the input 
shutil.copy(commandlineFileName, backupFileName) 
inputZipFile = zipfile.ZipFile(inFileName) 

outputZipFile = zipfile.ZipFile(outFileName, "w", zipfile.ZIP_STORED) 

# Copy each input file's data to output, making sure it's uncompressed 
for fileObject in inputZipFile.infolist(): 
    fileData = inputZipFile.read(fileObject) 
    outFileObject = fileObject 
    outFileObject.compress_type = zipfile.ZIP_STORED 
    outputZipFile.writestr(outFileObject, fileData) 

outputZipFile.close() 

Answer 5

這裏的另一個節目，我偶然發現：store_zippies_uncompressed由米爾科Friedenhagen。

wiki還顯示如何將它與Mercurial集成。

Answer 6

如果您不需要節省存儲空間，但只是希望能夠區分存儲在版本控制系統中的OpenOffice.org文件，則可以使用oodiff page上的說明，該說明告訴您如何使oodiff成爲默認值diff用於git和mercurial下的OpenDocument格式。 （它還提到SVN，但它已經這麼長時間，因爲我使用SVN經常我不知道如果這些都說明或限制。）

（我發現這個使用Mirko Friedenhagen's page（克雷格·麥昆以上）引用）