git status显示tar.gz无内容变动却提示变更的解决方案

你观察到的无内容变更但tar.gz哈希变动的问题，完全是打包压缩流程默认写入的动态元数据导致的：

• tar归档环节默认会记录每个归档文件的修改时间、访问时间、用户/组ID、打包操作发生的时间戳，即便包内所有文件内容完全一致，只要这些元数据随运行时间、运行环境变化，生成的tar归档文件二进制就会不同
• gzip压缩环节默认也会在文件头写入压缩执行时间、运行操作系统标识等动态字段，哪怕输入的tar文件二进制完全一致，用默认参数压缩出的gz文件哈希也会存在差异
  你校验到包内所有文件MD5一致、仅元数据存在区别，和这个成因完全吻合。

不建议这么做：

• gzip是单文件压缩格式，本身不支持保留目录结构、多文件归档属性，如果你需要打包的是包含层级的多文件内容，弃用tar会直接丢失归档能力
• 即便单独使用gzip，默认压缩参数下写入的动态时间戳元数据依然会导致同内容生成不同压缩包，问题不会被解决。

这是最彻底的解决方案，只要包内内容不变，无论何时运行脚本都能生成二进制完全一致的tar.gz文件，git自然不会误判变更，不需要修改git的任何规则。
使用Python的tarfile和gzip模块打包时，固定所有动态元数据即可，参考实现：

import tarfile
import gzip
import os

# 可根据需求替换为固定时间戳，比如归档内容的统一版本时间
FIXED_MTIME = 0

def build_reproducible_targz(output_path: str, source_dir: str):
    # 初始化gzip写入流，固定压缩头时间戳，不写入动态系统信息
    with gzip.GzipFile(filename=output_path, mode="wb", mtime=FIXED_MTIME) as gz_stream:
        with tarfile.open(fileobj=gz_stream, mode="w") as tar_stream:
            for root, _, files in os.walk(source_dir):
                for file_name in files:
                    full_path = os.path.join(root, file_name)
                    arc_path = os.path.relpath(full_path, source_dir)
                    # 生成归档元信息对象，覆写所有动态字段
                    tar_info = tar_stream.gettarinfo(full_path, arcname=arc_path)
                    tar_info.mtime = FIXED_MTIME
                    tar_info.uid = 0
                    tar_info.gid = 0
                    tar_info.uname = ""
                    tar_info.gname = ""
                    # 写入文件内容
                    with open(full_path, "rb") as f:
                        tar_stream.addfile(tar_info, f)

如果暂时无法修改打包逻辑，可以给git配置自定义对比规则，让git不直接对比tar.gz的二进制哈希，而是解压后对比实际内容，仅当内容变化时才标记文件为已修改：

1. 在仓库根目录的.gitattributes文件中添加规则，指定tar.gz文件使用自定义对比驱动：

*.tar.gz diff=targz_content_diff

2. 执行以下git命令配置对比驱动的转换逻辑：

git config diff.targz_content_diff.textconv "tar -xzOf"

该方案存在一定性能损耗：git每次检查文件状态时都需要解压所有tar.gz文件做内容对比，归档文件数量多、体积大时，git status的运行速度会明显下降，仅作为临时方案使用。

内容的提问来源于stack exchange，提问作者that_roy