批量云盘下载后，我用10行Python脚本搞定了上百个零散文件的整理

上周在处理一批散落在云盘里的术数古籍和经典文学资料时，我遇到了最头疼的事：批量下载完成后，120多个文件全堆在同一个目录里，文件名带着各种中文括号、特殊符号，光是找《梅花易数》相关的文件就翻了半小时。刚好当时在跑hermes项目的云盘批量下载任务——hermes是团队内部部署的服务器端批量下载工具，用来同步云盘里的共享资料——就干脆顺手写了个自动整理脚本，踩了几个坑之后总算是把文件理清楚了。

第一步：先校验下载完整性，别急着整理

当时下载脚本是后台跑在服务器上的，意外收到终止信号（SIGTERM）退出，日志只保留了最后1978字节的输出，一开始根本不知道是不是所有文件都下完了。后来对照云盘的文件列表逐行核对，发现除了预先标记要跳过的重复文件，剩下的全部下载成功：素材里的《天星阳宅》梁承浩抄本、《阴基阳宅风水资料》、《梅花易数》相关讲义、经典文学类的《简爱》《巴黎圣母院》等全部下载完成，只有1个《小王子.txt》是云盘里已经没有链接的失效文件，属于预期的失败，还有个0KB的空readme.txt，整理时顺手清理了。

这次踩的坑其实非常典型：批量下载后第一步永远是校验完整性——先对比源文件列表和本地下载结果，标记失败、跳过的项，别上来就整理，不然漏了文件都不知道。后来我在hermes的下载模块里加了自动校验逻辑，每次跑完下载都会自动输出成功/失败/跳过的文件清单，不用再手动翻日志核对。

痛点：零散文件的手动分类效率太低

下载完的文件命名非常混乱：比如紫微斗数相关的文件有doc、pdf两种格式，文件名里混杂着作者、版本信息；风水类文件更是五花八门，有古籍抄本、现代整理版、漫画版，光靠肉眼分类不仅慢，还容易把同类文件归到不同文件夹里。而且文件名里的中文括号、特殊符号，后续用系统检索的时候经常搜不到，非常影响使用。

落地：10行Python搞定自动分类

我按内容类型定义了6个分类关键词，写了个简单的Python脚本自动处理，核心逻辑非常轻量：

import os
import shutil
import re

# 定义分类规则和对应目录
category_rules = {
    "阳宅风水": ["阳宅", "风水宝鉴", "阳宅十书", "漫画风水", "中国风水"],
    "阴宅风水": ["阴宅", "阴基"],
    "紫微斗数": ["紫微斗数"],
    "梅花易数": ["梅花易数", "梅花占"],
    "经典文学": ["简爱", "罗密欧与朱丽叶", "双城记", "巴黎圣母院"],
    "软件安装包": [".dmg", ".exe"]
}

def clean_filename(filename):
    # 清理文件名中的特殊字符，统一括号格式
    filename = re.sub(r'[《》\[\]【】]', '', filename)
    filename = filename.replace('（', '(').replace('）', ')')
    return filename

def classify_files(source_dir):
    for filename in os.listdir(source_dir):
        # 跳过目录和已知下载失败文件
        if os.path.isdir(os.path.join(source_dir, filename)) or filename == "小王子.txt":
            continue
        # 清理文件名
        new_filename = clean_filename(filename)
        # 匹配分类
        target_category = "其他"
        for category, keywords in category_rules.items():
            if any(kw in new_filename for kw in keywords):
                target_category = category
                break
        # 创建分类目录并移动文件
        target_dir = os.path.join(source_dir, target_category)
        os.makedirs(target_dir, exist_ok=True)
        shutil.move(os.path.join(source_dir, filename), os.path.join(target_dir, new_filename))
        print(f"已移动 {filename} -> {target_category}/")

if __name__ == "__main__":
    classify_files("/path/to/your/download/dir")

脚本跑了不到10秒，就把100多个文件分到了6个分类目录里，失效的《小王子.txt》单独留在下载根目录，备注了「云盘无链接失效」，后续补下就行。整理完还自动输出了统计报告：阳宅风水类一共8个文件总大小136MB，紫微斗数类5个文件总大小3MB，经典文学类6个文件总大小2MB，一目了然。

后续优化：避免进程意外终止的坑

之前下载脚本被SIGTERM杀的问题，后来也给hermes加了两个优化：一是状态持久化，每下载完一个文件就记录到临时状态文件里，就算进程意外终止，下次启动的时候也能跳过已下载完成的文件，不用重新下载；二是加了「下载完成自动触发整理」的钩子，不用手动跑整理脚本，整个流程全自动化。

可带走的方法总结

这次整理虽然只是个小任务，但踩的坑和落地的方案其实适用于所有批量文件处理的场景：

1. 先校验再处理：不管是下载、同步还是迁移文件，第一步永远是核对完整性，标记失败、跳过的项，避免后续处理出现遗漏；
2. 重复任务优先自动化：只要是需要重复做的文件整理、分类任务，优先用脚本按规则处理，几行代码就能搞定手动几小时的工作，还能避免人为错误；
3. 长时任务加状态持久化：跑在服务器上的长时批处理脚本，一定要加状态记录和日志输出，就算进程意外终止，也能快速恢复，不用从头再来。