git diff avec des pdf, ou autres fichiers binaires

• Utiliser un textconv
  • Créer le convertisseur
  • Utiliser le convertisseur
• Invoquer un difftool

Par défaut si git diff doit montrer des fichiers binaires, il indique juste

Binary files a/… and b/… differ

Il y a essentiellement deux techniques pour avoir un diff pertinent.

• Utiliser un textconv
• Invoquer un difftool

Utiliser un textconv

On peut définir un convertisseur (appelé “textconv”) qui sera appelé avant le diff. Son but est de transformer le PDF (ou autre format) en texte ; et après c’est diff qui fait le boulot.

En pseudo-code diff -u <(converitsseur fichier1) <(converitsseur fichier2) serait appelé par git au lieu de diff -u fichier1 fichier2.

Pour cela il faut :

1. créer le convertisseur, et
2. l’utiliser pour les fichiers PDF (ou autre…)

Créer le convertisseur

Là c’est via gitconfig¹ (~/.gitconfig, .git/config, /etc/gitconfig), par exemple

git config --global diff.pdffilter.textconv pdftotext

où

• pdffilter est le nom (choisi arbitrairement) du convertisseur, et
• pdftotext le nom d’un programme qui peut convertir un pdf en texte pur (qui sera ensuite “diffé” à la place du vrai fichier).

Perso mon textconv il ressemble à ça:

#!/bin/sh
if [ -s "$1" ]; then
   java -jar ~/bin/pdfbox-app-1.8.4.jar ExtractText "$1" /dev/stdout
else
   cat "$1"
fi
# pdf2text "$1" -

où pdfbox vient de https://pdfbox.apache.org/download.html (il y a une version 2 et même une version 3. Je sais : je suis à la traine…)

Utiliser le convertisseur

Ceci est une simple configuration via .gitattributes ou .git/info/attributes ou ~/.config/git/attributes ou /etc/gitattributes (pour les détails sur quel fichier est lu à quel moment : voir git help attributes).

*.pdf diff=pdffilter

où pdffilter est le nom du convertisseur, choisi précédemment. (diff est ici le nom d’un attribut. Il y en a d’autres pour faire d’autres choses.)

Invoquer un difftool

On peut configurer un truc pour pouvoir appeler git difftool mais j’ai plus ça en tête.

On peut aussi faire ça, mais…

GIT_EXTERNAL_DIFF=diffpdf git diff

où diffpdf est un programme qui sait comparer ce qu’il y a à comparer.

…mais ça marchera sans doute pas si les fichiers en question sont pas des PDF. Et aussi le programme sera appelé avec 7 paramètres, donc il faudra sans doute un wrapper. Bref ça peut marcher, mais c’est pas fiable.