Python实现照片按拍摄日期批量重命名工具-代码聚汇网

Python实现照片按拍摄日期批量重命名工具

Python照片管理批量重命名

|难度：普通|阅读约 10 分钟

1. 为什么我们需要按拍摄日期批量重命名照片？

每次旅行或活动结束后，手机和相机里总会积累大量照片。这些文件通常以"DSC_1234.jpg"或"IMG_20230701.jpg"这样的格式命名，前者完全无法体现时间信息，后者虽然包含日期但格式不统一。更糟糕的是，当你从不同设备导入照片时，文件名冲突和混乱排序会让你在后期整理时抓狂。

我最近帮朋友整理婚礼照片时就遇到了典型场景：5台相机和10部手机拍摄的3000多张照片，文件名杂乱无章。通过开发这个批量重命名工具，最终将所有照片统一命名为"20230521143015_OriginalName_1684657815.jpg"的格式，瞬间解决了以下痛点：

时间线索断裂：照片查看器默认按文件名排序，混乱的命名导致时间线错乱
跨设备冲突：不同设备的"DSC_0001.jpg"会互相覆盖
检索困难：无法通过文件名快速定位特定时间段的照片
元数据埋没：宝贵的EXIF拍摄信息没有体现在文件名中

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 工具核心功能设计解析

2.1 命名模板的智慧选择

{年}{月}{日}{时}{分}{秒}_{文件名}_{时间戳}的模板设计经过多次迭代验证：

python复制# 示例输出文件名
20230521143015_IMG_1234_1684657815.jpg

前14位数字：精确到秒的拍摄时间（YYYYMMDDHHMMSS），保持时间顺序与文件名顺序一致
原始文件名：保留部分原名称便于溯源
Unix时间戳：提供机器友好的绝对时间参考（秒级精度）

为什么不直接用时间戳？因为人类无法直观识别"1684657815"这样的时间表示，而"20230521143015"一目了然。

2.2 EXIF数据提取关键技术

读取照片元数据是工具的核心能力。经过对比测试，Python的Pillow和exifread库组合最为可靠：

python复制from PIL import Image
import exifread

def get_exif_datetime(image_path):
    with open(image_path, 'rb') as f:
        tags = exifread.process_file(f, details=False)
        return tags.get('EXIF DateTimeOriginal')

常见陷阱包括：

手机截图通常不含EXIF信息
某些相机会将时区信息存储在单独标签
经过微信传输的照片可能丢失元数据

2.3 跨平台兼容性处理

工具需要处理不同操作系统下的特殊状况：

Windows长路径问题：启用\\?\前缀绕过260字符限制
MacOS资源派生文件：自动忽略._开头的系统文件
Linux符号链接：保持链接关系不被破坏

3. 完整实现步骤详解

3.1 环境准备与依赖安装

推荐使用Python 3.8+环境，依赖库安装命令：

bash复制pip install pillow exifread tqdm

tqdm用于显示进度条
建议创建虚拟环境避免依赖冲突

3.2 核心代码实现

python复制import os
from datetime import datetime
from pathlib import Path
import exifread
from tqdm import tqdm

def rename_photos_by_date(root_dir):
    for file_path in tqdm(list(Path(root_dir).rglob('*'))):
        if file_path.is_file() and file_path.suffix.lower() in ['.jpg', '.jpeg', '.png']:
            try:
                # 获取EXIF时间
                dt_original = get_exif_datetime(file_path)
                if not dt_original:
                    dt_original = file_path.stat().st_ctime
                    dt_obj = datetime.fromtimestamp(dt_original)
                else:
                    dt_obj = datetime.strptime(str(dt_original), '%Y:%m:%d %H:%M:%S')
                
                # 生成新文件名
                timestamp = int(dt_obj.timestamp())
                new_name = f"{dt_obj.strftime('%Y%m%d%H%M%S')}_{file_path.stem}_{timestamp}{file_path.suffix}"
                
                # 执行重命名
                new_path = file_path.with_name(new_name)
                file_path.rename(new_path)
            except Exception as e:
                print(f"Error processing {file_path}: {str(e)}")

3.3 异常处理最佳实践

必须处理的边界情况：

EXIF缺失：回退到文件创建时间
文件名冲突：自动追加(1)、(2)等后缀
权限问题：提供错误日志记录
特殊字符：过滤非法文件名字符

4. 高级技巧与性能优化

4.1 多线程加速处理

对于数万张照片的场景，使用多线程可以大幅提升速度：

python复制from concurrent.futures import ThreadPoolExecutor

with ThreadPoolExecutor(max_workers=8) as executor:
    executor.map(process_single_file, photo_paths)

4.2 增量处理模式

通过记录已处理文件的MD5值，避免重复处理：

python复制import hashlib

def get_file_md5(file_path):
    with open(file_path, 'rb') as f:
        return hashlib.md5(f.read()).hexdigest()

4.3 自定义规则扩展

支持用户自定义命名模板：

python复制template = "{年}-{月}-{日} {时}时{分}分_{相机型号}_{原始名}"

5. 实际应用中的经验教训

在帮摄影工作室部署该工具时，我们遇到了几个教科书级的案例：

时区陷阱：某客户从日本带回的照片显示时间比实际快1小时，原因是EXIF存储的是当地时间而非UTC。解决方案是增加时区转换选项。
批量修改反例：有位用户先用了某知名重命名工具批量添加前缀，导致EXIF信息丢失。现在我们的工具会优先读取EXIF，其次才是文件系统时间。
内存溢出：一次性处理5万+照片时出现OOM错误，改为分批处理后解决。建议每1000个文件作为一个处理批次。

这个工具目前已在本地多个摄影机构中投入使用，平均为每位摄影师每周节省2-3小时整理时间。最让我意外的是，有些用户开始要求增加视频文件的元数据处理功能——这可能是下一个迭代方向。