照片视频智能分类软件：按日期、分辨率、大小分堆的落地解法

简介：这是一款面向摄影爱好者、普通用户及轻办公人群的照片视频智能分类工具，专注解决海量多媒体文件杂乱、整理耗时的痛点。软件通过控制面板的浏览或扫描功能选定目标资源，再勾选分类规则即可启动分拣，支持按分辨率（含1920x1080、3840x2160等自定义类别）、文件大小（可设1MB、5MB、10MB等阈值）、颜色属性、拍摄日期（精度可选年、年月、年月日）、曝光设置、文件格式、拍摄设备、图像方向等多维度组合分类，分类过程实时显示进度，无需复杂配置即可上手。资源包共3个文件，包含1个Python主程序脚本、1个依赖清单和1个说明文档，压缩包约171.55MB，结构简洁便于直接运行与二次调整。目前已有205人学习下载。借助该工具，读者可快速实现按日期归档作品、按格式整理素材等精细化操作，有效提升个人及轻办公场景下的多媒体资源管理效率。

1. 照片视频智能分类软件：按日期、分辨率、大小分堆的落地解法

手机相册里躺着两万张照片、几百段视频，想按年份归档、按分辨率挑出 4K 素材、按体积揪出占空间的大家伙，靠系统相册那点筛选功能基本是折磨。这套照片视频智能分类软件就是冲着这个场景来的：它把「按日期分类」拆成按年、年月、年月日三种精度，再叠加分辨率分类、文件大小分类、格式分类几条独立维度，让一堆散乱文件按规则自动落到对应文件夹。适合谁？做素材整理的剪辑师、要清手机空间的普通用户、需要按拍摄时间归档的项目资料管理员。它不修图、不剪辑，只干一件事——把文件按你定的规则分好堆，剩下的你自己接手。

2. 分类维度拆解：日期精度、分辨率档位、大小阈值怎么定

2.1 三种日期精度背后的目录结构差异

按日期分类听着简单，真正落地时第一个要拍板的是精度。按年分，目录就是2023/、2024/这种，适合长期冷归档，一个年份一个抽屉，找东西靠记忆年份。按年月分，变成2023-01/、2023-02/，颗粒度到月，适合旅行、项目这种有明确时间跨度的素材。按年月日分，2023-01-15/这种，颗粒度最细，适合每天产出量大的拍摄场景，比如婚礼跟拍、活动记录。

精度不是越高越好。年月日分完，你可能得到几百个只装三五张图的文件夹，翻起来反而累。我一般建议：手机日常照片用年月，专业拍摄按年月日，历史归档按年。软件把三种精度都做成可选项，切换时只改目录拼接规则，底层读取的拍摄时间字段不变。

拍摄时间从哪来？优先读 EXIF 里的DateTimeOriginal，没有就退到文件系统修改时间。这里有个坑：微信、QQ 保存的图片经常把 EXIF 洗掉，只剩文件时间，而文件时间可能是你保存那一刻，不是拍摄那一刻。所以分类前最好先扫一遍有多少文件缺 EXIF，心里有数。

2.2 分辨率分类的档位划分与判定逻辑

分辨率分类的核心是「按什么标准分档」。常见做法是按短边或长边像素值划区间，比如：

判定时要注意：视频的分辨率读的是元数据里的宽高，图片读的是像素尺寸，两者字段不同。软件内部一般用统一接口封装，对外只暴露「长边像素」一个值。横竖屏的问题也要处理——竖拍照片长边是高度，不能只读 width。

分档阈值建议做成可配置，不要写死。因为「高清」的定义因人而异，做短视频的可能把 1080 当低清，做文档扫描的觉得 200 万像素就够。配置文件里放一个阈值数组，改完重启生效，比重新编译省事。

2.3 文件大小与格式分类的阈值设置

文件大小分类最直接：设几个阈值，比如小于 1MB、1MB 到 10MB、大于 10MB，分到small/、medium/、large/。这个维度对清理空间特别有用——先按大小分完，直接看large/里哪些能删。

格式分类就是按扩展名分：jpg/、png/、heic/、mp4/、mov/各归各的。注意 HEIC 和 JPG 可能内容一样只是编码不同，分不分看你需求。如果要做格式转换，先按格式分好再批量转，比混在一起转稳。

多个维度同时启用时，目录结构会嵌套。比如「日期 + 分辨率」就是2023-01/高清/。嵌套层数别超过三层，否则路径太长，Windows 下容易撞 260 字符上限。软件一般提供「主维度 + 次维度」的选择，主维度放外层。

3. 动手跑一遍：从扫描到落盘的完整流程

3.1 环境准备与依赖安装

这类工具通常是 Python 写的，依赖 Pillow 读图片元数据、ffprobe 读视频信息。先确认环境：

# 检查 Python 版本，建议 3.9 以上 python3 --version # 安装核心依赖 pip install pillow exifread # 视频元数据依赖 ffprobe，确认已安装 ffprobe -version

pillow负责图片尺寸和基础 EXIF，exifread对拍摄时间字段的兼容性更好，两个都装上互补。ffprobe是 ffmpeg 套件的一部分，读视频分辨率、时长、创建时间都靠它。如果ffprobe没装，视频分类会直接跳过或报错，别等到跑完才发现视频一个没分。

3.2 扫描阶段：先出报告再动手

正式分类前，强烈建议先跑一次「只扫描不移动」的 dry-run。这一步输出一份清单：总文件数、缺 EXIF 的数量、各分辨率档位分布、各大小区间分布。

import os from PIL import Image from PIL.ExifTags import TAGS def scan_photo(path): """扫描单张图片，返回尺寸和拍摄时间""" info = {"path": path, "size": None, "shoot_time": None} try: with Image.open(path) as img: info["size"] = img.size # (width, height) exif = img.getexif() if exif: # 36867 是 DateTimeOriginal 的 tag 编号 shoot_time = exif.get(36867) info["shoot_time"] = shoot_time except Exception as e: info["error"] = str(e) return info

这段代码的关键在exif.get(36867)，36867 是 EXIF 标准里DateTimeOriginal的编号，格式是"2023:01:15 10:30:00"，注意是冒号分隔日期，后面做目录名时要替换成短横线。img.size返回的宽高顺序固定是 (宽, 高)，竖拍照片宽小于高，判定长边时取max()。

扫描结果里如果缺 EXIF 的比例超过三成，说明你的素材大量来自社交软件转发，这时候日期分类的准确性会打折扣，要么接受用文件时间，要么先手动补 EXIF。

3.3 分类执行：目录拼接与文件移动

扫描确认没问题后，进入实际分类。核心逻辑是「算目标路径 → 建目录 → 移动文件」。

import shutil from datetime import datetime def build_target_dir(base, shoot_time, resolution_tier, size_tier, mode="date"): """根据分类维度拼接目标目录""" if shoot_time: # EXIF 时间格式 2023:01:15 10:30:00 转 datetime dt = datetime.strptime(shoot_time, "%Y:%m:%d %H:%M:%S") else: dt = None parts = [base] if mode == "year" and dt: parts.append(dt.strftime("%Y")) elif mode == "month" and dt: parts.append(dt.strftime("%Y-%m")) elif mode == "day" and dt: parts.append(dt.strftime("%Y-%m-%d")) if resolution_tier: parts.append(resolution_tier) if size_tier: parts.append(size_tier) return os.path.join(*parts) def move_file(src, target_dir): """移动文件，目标存在同名时加序号""" os.makedirs(target_dir, exist_ok=True) filename = os.path.basename(src) dst = os.path.join(target_dir, filename) if os.path.exists(dst): name, ext = os.path.splitext(filename) dst = os.path.join(target_dir, f"{name}_1{ext}") shutil.move(src, dst)

build_target_dir里mode参数控制日期精度，对应前面说的三种。resolution_tier和size_tier传空字符串就跳过该维度。move_file里的重名处理不能省——不同文件夹可能有同名文件，直接覆盖就是血泪教训。用shutil.move而不是os.rename，因为跨磁盘分区时 rename 会失败，move 会自动降级为复制加删除。

参数建议：base用绝对路径，别用相对路径，否则脚本换个目录跑就全乱。移动前先os.makedirs建目录，exist_ok=True避免重复建报错。

3.4 视频文件的特殊处理

视频不能直接用 Pillow 读，得走 ffprobe：

# 读取视频分辨率、创建时间、大小 ffprobe -v quiet -print_format json -show_format -show_streams input.mp4

返回的 JSON 里，streams数组中codec_type为video的那一项，width和height就是分辨率。创建时间在format.tags.creation_time，格式是 ISO 8601，比 EXIF 好解析。但注意：很多手机拍的视频creation_time是 UTC 时间，和你本地时间差几个小时，跨天拍摄的可能被分到前一天。稳妥做法是读com.apple.quicktime.creationdate这个 tag，它带时区信息。

视频文件通常比图片大得多，移动耗时。建议视频分类单独跑，或者先按大小筛一遍，只处理超过阈值的。

4. 避坑与排查：分类跑歪了的五种典型情况

4.1 现象：所有文件都进了同一个文件夹

原因：EXIF 读取失败，shoot_time全是 None，日期维度直接跳过，只剩基础目录。解决：先跑扫描脚本看缺 EXIF 比例，确认是读取问题还是素材本身没有。如果是exifread和 Pillow 都没读到，试试exiftool命令行工具交叉验证，它支持的格式最全。

4.2 现象：日期分错，晚上拍的照片进了第二天

原因：EXIF 时间没有时区，视频的creation_time是 UTC。解决：图片按 EXIF 原样用，视频统一转成本地时区再分类。转换时用datetime.fromisoformat解析后加时区偏移，别用字符串截取。

4.3 现象：移动一半报错中断，文件散落两处

原因：某个文件被占用（正在预览、正在上传），shutil.move抛异常。解决：加 try-except 跳过单个失败文件，记录到failed.log，跑完统一处理。不要因为一个文件卡住整个批次。

4.4 现象：路径过长导致 Windows 报错

原因：嵌套层数太多，加上原文件名长，超过 260 字符。解决：控制嵌套不超过三层；或者开启 Windows 长路径支持；或者分类时截断原文件名，只保留前 50 字符加哈希后缀。

4.5 现象：HEIC 文件读不出尺寸

原因：Pillow 默认不支持 HEIC，需要pillow-heif插件。解决：pip install pillow-heif，然后在代码开头from pillow_heif import register_heif_opener; register_heif_opener()。不装的话 HEIC 会被当成损坏文件跳过。

5. 进阶技巧：用配置文件驱动多套分类方案

跑到后面你会发现，每次改阈值、改精度都去动代码太蠢。我后来的习惯是把所有规则抽到一个 YAML 里，脚本只读配置。

# config.yaml date_mode: month # year / month / day resolution: enabled: true tiers: - name: low max_long_edge: 1280 - name: hd max_long_edge: 1920 - name: uhd max_long_edge: 99999 size: enabled: true tiers: - name: small max_mb: 1 - name: medium max_mb: 10 - name: large max_mb: 999999

读取时用yaml.safe_load，遍历 tiers 找第一个满足长边 <= max_long_edge的档位。这样换一套规则只改 YAML，代码不动。我一般会存三套配置：phone.yaml给手机照片用年月加大小分类，camera.yaml给相机素材用年月日加分辨率，archive.yaml给历史归档只用年。

验证分类结果对不对，别靠肉眼翻。写个校验脚本，统计每个目标目录的文件数，和扫描阶段的预期分布对比，偏差超过 5% 就说明有文件分错了。这个后悔药我每次大批量分类前都强制走一遍——先 dry-run 出预期，再实际跑，最后校验比对。三次对不上就停下来查，别硬跑。

希望帮到你。

本文还有配套的精品资源，点击获取