为什么脚本的行为不同于命令行属性和git属性？

Question

下面附有更新的脚本，这些脚本现在可以在我的示例文档中使用

当通过git属性或从命令行调用以下python脚本时，为什么表现不同？

我有两个脚本是基于Mercurial zipdoc功能建模的。 我要做的只是在存储（filter.clean）上解压缩docx文件，然后在还原（filter.smudge）上压缩它们。 我有两个脚本运行良好，但是一旦将它们放到git属性中，它们将无法运行，而且我也不明白为什么。

我已经通过以下操作进行了测试

测试脚本（git bash）

$ cat original.docx | python〜/ Documents / pyscripts / unzip.py> uncompress.docx

$ cat uncompress.docx | python〜/ Documents / pyscripts / zip.py> compress.docx

$ md5sum uncompress.docx compress.docx

我可以使用Microsoft Word打开未压缩文件和压缩文件，没有任何错误。 脚本按预期工作。

测试Git属性

1. 我将clean和scrub都设置为cat ，验证了我的文件可以保存和恢复无问题。
2. 我将clean设置为python〜/ Documents / pyscripts / unzip.py 。 提交和签出后，文件现在更大（未压缩），但是在MS-Word中打开时出错。 md5也与上面的“仅脚本”测试不匹配。 尽管文件大小相同。
3. 我将clean设置为cat并将scrub设置为python〜/ Documents / pyscripts / zip.py。 提交和签出后，文件现在变小（压缩），但是在MS-Word中打开时再次出错。 md5再次不同于“仅脚本”测试，但文件大小匹配。
4. 如预期的那样，将clean和scrub设置为python脚本会产生错误。

我在这里真的迷路了，我认为git Attributes只是在stdin上提供输入，并从stdout读取它。 我已经测试了两个脚本，它们都可以与cat的管道和输出的重定向一起使用。 我知道脚本正在运行b / c，文件会按预期更改大小，但是文件中的某个地方引入了一个小的更改。

其他参考

我在Win7上使用msgit，上面的所有命令都输入到git bash窗口中。

Git属性说明

解压缩脚本

import fileinput
import sys
import zipfile

# Set stdin and stdout to binary read/write
if sys.platform == "win32":
    import os, msvcrt
    msvcrt.setmode(sys.stdout.fileno(), os.O_BINARY)
    msvcrt.setmode(sys.stdin.fileno(), os.O_BINARY)

try:
  from cStringIO import StringIO
except:
  from StringIO import StringIO

# Wrap stdio into a file like object
inString = StringIO(sys.stdin.read())
outString = StringIO()

# Store each member uncompressed
try:
    with zipfile.ZipFile(inString,'r') as inFile:
        outFile = zipfile.ZipFile(outString,'w',zipfile.ZIP_STORED)
        for memberInfo in inFile.infolist():
            member = inFile.read(memberInfo)
            memberInfo.compress_type = 0
            outFile.writestr(memberInfo,member)
        outFile.close()
except zipfile.BadZipfile:
    sys.stdout.write(inString.getvalue())

sys.stdout.write(outString.getvalue())

压缩脚本

import fileinput
import sys
import zipfile

# Set stdin and stdout to binary read/write
if sys.platform == "win32":
    import os, msvcrt
    msvcrt.setmode(sys.stdout.fileno(), os.O_BINARY)
    msvcrt.setmode(sys.stdin.fileno(), os.O_BINARY)

try:
  from cStringIO import StringIO
except:
  from StringIO import StringIO

# Wrap stdio into a file like object
inString = StringIO(sys.stdin.read())
outString = StringIO()

# Store each member compressed
try:
    with zipfile.ZipFile(inString,'r') as inFile:
        outFile = zipfile.ZipFile(outString,'w',zipfile.ZIP_DEFLATED)
        for memberInfo in inFile.infolist():
            member = inFile.read(memberInfo)
            memberInfo.compress_type = zipfile.ZIP_DEFLATED
            outFile.writestr(memberInfo,member)
        outFile.close()
except zipfile.BadZipfile:
    sys.stdout.write(inString.getvalue())

sys.stdout.write(outString.getvalue())

编辑：格式化编辑2：脚本已更新为在文件处理过程中写入内存而不是标准输出。

Answer 1

我发现在目标为stdout的情况下使用zipfile.ZipFile（）会引起问题。 打开目标为StringIO（）的zip文件，然后最后将完整的StringIO文件写入stdout已解决了该问题。

我尚未对此进行广泛的测试，有可能某些.docx内容无法很好地处理，但只有时间才能证明。 我的测试文件现在打开时没有错误，并且，由于使用了比标准.docx格式更高的压缩率，因此，工作目录中的.docx文件更小了。

我已经确认，在对.docx文件进行几次编辑和提交之后，我可以打开该文件，编辑一行，然后在不增加回购文件大小的情况下提交。 例如，一个19KB的文件在回购历史记录中进行了3次先前的编辑之后，在顶部添加了新行，从而在执行垃圾回收后在回购中仅产生了1KB的增量。 使用Mercurial运行相同的测试（尽我所能）导致9.3KB增量提交。 我不是水银专家，我的理解是没有用于水银的“ gc”命令，因此没有运行。