如何让Git按列而非按行对比CSV/TSV等数据文件差异？

本地Git环境快速识别变更 #

方法1：配置自定义CSV/TSV对比驱动 #

Git允许为特定文件类型指定自定义diff工具，专门处理表格类文件的列级对比：

• 先安装csv-diff工具（Python包，执行pip install csv-diff即可）
• 在全局或仓库的.gitconfig中添加自定义diff驱动：

  [diff "csvtsv"]
      command = csv-diff --git --delimiter $'\\t' %A %B
  

  （注：如果是CSV文件，去掉--delimiter $'\\t'参数即可）
• 在仓库根目录的.gitattributes文件中指定文件类型使用该驱动：

  *.csv diff=csvtsv
  *.tsv diff=csvtsv
  

  配置完成后，执行git diff会直接显示列级变更（比如仅提示新增一列，而非所有行标记为修改）。

方法2：临时用命令行验证核心内容 #

如果不想配置全局驱动，可直接对比文件原有列是否未被修改：
比如你的TSV新增了最后一列，可对比前N列的一致性：

# 对比当前文件和HEAD版本的前2列
diff <(git show HEAD:test.tsv | cut -f1-2) <(cat test.tsv | cut -f1-2)

如果输出为空，说明仅新增了最后一列，原有内容无改动。

GitHub PR中让评审者清晰识别变更 #

方法1：在PR描述中附加结构化变更摘要 #

用csv-diff生成简洁的对比报告，粘贴到PR描述里：

# 生成旧版本和新版本的对比结果
csv-diff <(git show HEAD:test.tsv) test.tsv --delimiter $'\t'

输出会类似：

1 column added:
- Column 3 (all values: 0)

评审者一眼就能明确是新增列，而非批量修改行内容。

方法2：用GitHub Actions自动生成变更说明 #

在仓库中添加Workflow，PR创建时自动运行对比并在PR评论区发布结果，示例配置（.github/workflows/csv-diff.yml）：

name: CSV/TSV Diff Report
on: [pull_request]
jobs:
  diff-report:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0
      - name: Install csv-diff
        run: pip install csv-diff
      - name: Generate diff report
        run: |
          echo "### CSV/TSV变更报告" >> $GITHUB_STEP_SUMMARY
          for file in $(git diff --name-only HEAD~1 HEAD | grep -E '\.(csv|tsv)$'); do
              echo "#### $file" >> $GITHUB_STEP_SUMMARY
              csv-diff <(git show HEAD~1:$file) $file --delimiter $'\t' >> $GITHUB_STEP_SUMMARY
          done

评审者打开PR即可看到自动生成的结构化变更说明。

方法3：拆分变更提交（适用于带表头的文件） #

如果表格有表头，可拆分两次提交：

1. 第一次仅新增表头列，提交信息写“Add new column [列名] to [文件名]”
2. 第二次填充所有行的该列数据，提交信息写“Populate values for new column [列名]”
   PR里的diff会分两次展示，评审者能清晰看到先加列再填值的过程，不会被全量行变更干扰。

内容的提问来源于stack exchange，提问作者Richard Wheeldon