自动整理照片按日期分脚本

wen 实用脚本 2026-08-02 2

告别照片堆积如山：用脚本实现按日期自动整理照片的终极指南

目录导读

痛点直击：为什么你的照片总是“乱成一锅粥”？
方案解析：自动整理照片按日期分脚本的工作原理
实操教程：从零开始编写你的第一个整理脚本（Python示例）
进阶技巧：如何应对重复照片、RAW格式与跨设备同步？
避坑指南：运行脚本前必须注意的3个致命错误
常见问题FAQ：关于脚本整理照片的10个高频问答

痛点直击：为什么你的照片总是“乱成一锅粥”？

手机、相机、无人机、截图……现代人的照片散落在各个设备中，手动按日期新建文件夹、拖拽文件不仅耗时耗力，还容易出错。根据统计，一个普通用户每年会产生超过3000张照片，如果不进行系统化管理，找一张特定照片平均需要花费2.5分钟。 而“自动整理照片按日期分脚本”正是解决这一痛点的利器：通过代码读取照片的EXIF信息（拍摄时间），自动创建 2024-01-15 这样的文件夹，并按规则移动文件,实现秒级归档。

自动整理照片按日期分脚本

方案解析：自动整理照片按日期分脚本的工作原理

核心逻辑只有三步：

扫描：遍历指定文件夹内所有图片文件（支持.jpg, .png, .heic, .raw等）。
提取时间：优先读取EXIF中的 DateTimeOriginal 字段；若缺失，则回退到文件系统的“创建时间”或“修改时间”。
移动与重命名：根据 年-月 或 年-月-日 格式创建目标文件夹，并执行 shutil.move() 操作，高级脚本还能检测同名文件，自动添加后缀 _1, _2 防止覆盖。

实操教程：从零开始编写你的第一个整理脚本（Python示例）

以下脚本适用于Windows/macOS/Linux，需安装Python 3及Pillow库（用于读取EXIF），将以下代码保存为 organize_photos.py：

import os
import shutil
from PIL import Image
from datetime import datetime
def get_date_taken(path):
    try:
        with Image.open(path) as img:
            exif = img._getexif()
            if exif and 36867 in exif:
                return datetime.strptime(exif[36867], '%Y:%m:%d %H:%M:%S')
    except:
        pass
    # 回退到文件修改时间
    return datetime.fromtimestamp(os.path.getmtime(path))
def organize(source_dir, dest_dir):
    for root, dirs, files in os.walk(source_dir):
        for file in files:
            if file.lower().endswith(('.jpg', '.jpeg', '.png', '.heic')):
                full_path = os.path.join(root, file)
                dt = get_date_taken(full_path)
                if dt:
                    folder_name = dt.strftime('%Y-%m-%d')  # 按日期分
                    target_folder = os.path.join(dest_dir, folder_name)
                    os.makedirs(target_folder, exist_ok=True)
                    shutil.move(full_path, os.path.join(target_folder, file))
                    print(f'已移动：{file} -> {folder_name}/')
if __name__ == '__main__':
    organize('/path/to/your/photos', '/path/to/sorted/photos')

关键点：使用 shutil.move 而非 os.rename 以支持跨磁盘移动；exist_ok=True 避免重复创建文件夹报错。

进阶技巧：如何应对重复照片、RAW格式与跨设备同步？

去重逻辑：在移动前计算文件的MD5哈希值，存入一个集合，若新文件哈希值已存在，则视为重复，自动移入 duplicates/ 文件夹。
RAW+JPEG配对：对于同时有 .raw 和 .jpg 的同名文件，脚本应优先处理JPEG，然后通过文件名匹配（IMG_001.raw 和 IMG_001.jpg）将RAW文件移入同一日期文件夹。
云同步无缝衔接：将整理后的根目录指向OneDrive或iCloud本地同步盘，即可实现“本地自动整理，云端实时备份”。

避坑指南：运行脚本前必须注意的3个致命错误

权限问题：确保目标硬盘有写入权限,否则脚本会中途报错。
文件名冲突：如果不同年份有同名文件（如 2023-05-01/IMG_001.jpg 和 2024-05-01/IMG_001.jpg），目标文件夹不同则无碍，但若按纯日期分，需加入文件名前缀（如 20230501_IMG_001.jpg）避免混淆。
彻底测试：不要直接在原始照片上运行！ 先在副本文件夹中用 print 代替 move 进行“演练”,确认无误后再实际执行。

常见问题FAQ：关于脚本整理照片的10个高频问答

Q1：脚本会修改原始照片文件吗？ A：不会，脚本只读取EXIF信息并移动文件位置，不改变照片的像素数据，但请勿在移动过程中断电,以免文件损坏。

Q2：如果照片没有EXIF信息（如截图），还能按日期分吗？ A：可以，脚本会回退使用文件系统的“修改时间”，对于截图，通常修改时间即为创建时间,效果尚可。

Q3：如何按“年-月”而非“天”来分？ A：将代码中的 strftime('%Y-%m-%d') 改为 strftime('%Y-%m') 即可。

Q4：脚本支持短视频（.mp4）吗？ A：基础版不支持，但可以通过 os.path.getmtime 处理视频文件,略微修改上述代码即可扩展。

Q5：运行报错 ModuleNotFoundError: No module named 'PIL' 怎么办？ A：在命令行执行 pip install Pillow 安装依赖库。

Q6：能否整理NAS上的照片？ A：可以，只需将源路径和目标路径设置为网络挂载盘符即可，但受网络速度影响较大,建议先在本地测试。

Q7：整理后我还能找到原始照片的存放位置吗？ A：脚本执行后原始位置即被清空，建议在移动前先备份一份日志文件（记录每个文件的移动路径）。

Q8：如何让脚本自动检测新文件并实时整理？ A：你可以将该脚本与 cron（Linux/macOS）或“任务计划程序”（Windows）结合,设置每10分钟自动运行一次。

Q9：电脑中有多个磁盘分区，脚本能否处理跨分区移动？ A： shutil.move 支持跨分区移动，但速度较慢（先复制再删除）,建议将源和目标放在同一物理磁盘以提高效率。

Q10：有没有图形化的替代工具？ A：有，比如Adobe Bridge或Lightroom的自动导入功能，但脚本的优势在于免费、可定制、无侵入式批量处理，如果你熟悉命令行,脚本效率更高。

通过“自动整理照片按日期分脚本”，你不仅解放了双手，更建立了一套可持续的照片管理系统。真正的效率提升不在于节省一次整理的时间，而在于任何时候你都能在两秒内找到三年前拍的那张海边日落。 立即行动,让你的数字回忆井然有序吧。