Python自动化：高效筛选并清理低分辨率视频文件的实用指南

## 1. 为什么需要自动化清理低分辨率视频最近整理电脑里的视频文件时，我发现一个头疼的问题：硬盘里堆积了大量低分辨率的老视频。这些480p甚至360p的视频不仅画质模糊，还占用了宝贵的存储空间。手动一个个检查分辨率再删除实在太费时间，于是我决定用Python写个自动化脚本来解决这个问题。你可能也遇到过类似场景：下载文件夹里混杂着不同分辨率的视频、手机备份的视频文件大小不一、监控摄像头录制的低质量视频堆积如山。手动筛选不仅效率低下，还容易出错。这时候，一个能自动识别并清理低分辨率视频的Python脚本就能派上大用场。这个方案特别适合以下几类用户： - 视频创作者需要清理素材库 - IT运维人员要管理监控录像 - 普通用户想优化电脑存储空间 - 需要批量处理视频文件的研究人员 ## 2. 环境准备与基础工具 ### 2.1 安装必要的Python库在开始编写脚本前，我们需要准备两个核心工具：OpenCV和os模块。OpenCV（Open Source Computer Vision Library）是一个强大的计算机视觉库，我们将用它来读取视频的元数据；而Python内置的os模块则用于文件系统操作。安装OpenCV非常简单，只需在命令行运行： ```bash pip install opencv-python ``` 如果你使用的是Anaconda环境，也可以用： ```bash conda install -c conda-forge opencv ``` ### 2.2 测试OpenCV是否正常工作安装完成后，建议先做个简单测试确保一切正常。创建一个test.py文件，写入以下代码： ```python import cv2 print("OpenCV版本:", cv2.__version__) ``` 运行后如果能看到版本号输出（比如4.5.5），说明安装成功。如果遇到问题，可能需要检查Python环境路径或者尝试重新安装。 ## 3. 核心功能实现详解 ### 3.1 获取文件夹中的视频文件列表首先我们需要编写一个函数来获取指定文件夹中的所有文件。这里有个实用技巧：按修改时间排序文件，这样我们可以优先处理最新的视频文件。 ```python import os import cv2 def get_file_list(file_path): dir_list = os.listdir(file_path) if not dir_list: return [] else: # 按修改时间排序 dir_list = sorted(dir_list, key=lambda x: os.path.getmtime(os.path.join(file_path, x))) return [f for f in dir_list if f.lower().endswith(('.mp4', '.avi', '.mov'))] ``` 这个函数做了几件事： 1. 使用os.listdir获取文件夹所有内容 2. 检查是否为空文件夹 3. 用lambda函数按修改时间排序 4. 过滤出常见视频格式（mp4/avi/mov） ### 3.2 读取视频分辨率信息接下来是关键部分：读取视频的分辨率。OpenCV的VideoCapture类让这变得很简单： ```python def get_video_resolution(filename): cap = cv2.VideoCapture(filename) if not cap.isOpened(): print(f"无法打开视频文件: {filename}") return 0, 0 width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) cap.release() return width, height ``` 注意几个要点： - 使用isOpened()检查文件是否能正常打开 - CAP_PROP_FRAME_WIDTH/HEIGHT获取宽高 - 一定要记得release()释放资源 - 将浮点数转为整数更方便比较 ### 3.3 实现过滤删除逻辑现在我们可以组合这些功能，实现完整的过滤流程： ```python def clean_low_res_videos(folder_path, min_height=720): video_files = get_file_list(folder_path) for video in video_files: full_path = os.path.join(folder_path, video) width, height = get_video_resolution(full_path) print(f"处理中: {video} - 分辨率: {width}x{height}") if height < min_height: try: os.remove(full_path) print(f"已删除低分辨率视频: {video}") except Exception as e: print(f"删除失败: {video} - {str(e)}") ``` 这个函数允许我们： - 自定义最低分辨率要求（默认720p） - 显示处理进度信息 - 捕获删除操作中的异常 - 保留高分辨率视频 ## 4. 高级功能与优化建议 ### 4.1 支持更多视频格式基础版本只支持常见格式，我们可以扩展格式支持列表： ```python VIDEO_EXTENSIONS = ('.mp4', '.avi', '.mov', '.mkv', '.flv', '.wmv', '.webm') def get_file_list(file_path): # ...其他代码不变... return [f for f in dir_list if f.lower().endswith(VIDEO_EXTENSIONS)] ``` ### 4.2 添加日志记录功能对于重要操作，建议添加日志记录： ```python import logging logging.basicConfig( filename='video_cleaner.log', level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s' ) def clean_low_res_videos(folder_path, min_height=720): # ...其他代码不变... if height < min_height: try: os.remove(full_path) logging.info(f"Deleted {video} ({width}x{height})") except Exception as e: logging.error(f"Failed to delete {video}: {str(e)}") ``` ### 4.3 性能优化技巧处理大量视频时，可以考虑以下优化： 1. 多线程处理：使用concurrent.futures加速 2. 进度显示：添加tqdm进度条 3. 内存管理：确保及时释放视频资源 ```python from concurrent.futures import ThreadPoolExecutor from tqdm import tqdm def process_video(video, folder_path, min_height): full_path = os.path.join(folder_path, video) width, height = get_video_resolution(full_path) if height < min_height: os.remove(full_path) def batch_clean(folder_path, min_height=720): videos = get_file_list(folder_path) with ThreadPoolExecutor(max_workers=4) as executor: list(tqdm( executor.map(lambda v: process_video(v, folder_path, min_height), videos), total=len(videos) )) ``` ## 5. 实际应用中的注意事项 ### 5.1 安全防护措施在删除文件前，强烈建议先实现"试运行"模式： ```python def clean_low_res_videos(folder_path, min_height=720, dry_run=True): videos = get_file_list(folder_path) for video in videos: full_path = os.path.join(folder_path, video) width, height = get_video_resolution(full_path) if height < min_height: if dry_run: print(f"[试运行] 将删除: {video} ({width}x{height})") else: try: os.remove(full_path) print(f"已删除: {video}") except Exception as e: print(f"删除失败: {video} - {str(e)}") ``` 使用dry_run=True参数可以先查看哪些文件会被删除，确认无误后再实际执行。 ### 5.2 处理特殊情况的技巧在实际使用中可能会遇到： 1. 损坏的视频文件：添加异常处理 2. 权限问题：检查文件可写权限 3. 路径问题：处理空格和特殊字符改进后的版本： ```python def get_video_resolution(filename): try: cap = cv2.VideoCapture(filename) if not cap.isOpened(): return 0, 0 width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) return width, height except Exception as e: print(f"读取视频信息出错: {filename} - {str(e)}") return 0, 0 finally: if 'cap' in locals(): cap.release() ``` ### 5.3 图形界面扩展对于非技术用户，可以考虑用tkinter添加简单GUI： ```python import tkinter as tk from tkinter import filedialog, messagebox class VideoCleanerApp: def __init__(self): self.window = tk.Tk() self.setup_ui() def setup_ui(self): # 创建界面元素 self.window.title("视频清理工具") tk.Label(self.window, text="文件夹路径:").pack() self.path_entry = tk.Entry(self.window, width=50) self.path_entry.pack() tk.Button(self.window, text="浏览...", command=self.browse_folder).pack() tk.Label(self.window, text="最低分辨率(高度):").pack() self.res_entry = tk.Entry(self.window) self.res_entry.insert(0, "720") self.res_entry.pack() tk.Button(self.window, text="开始清理", command=self.start_cleaning).pack() def browse_folder(self): folder = filedialog.askdirectory() if folder: self.path_entry.delete(0, tk.END) self.path_entry.insert(0, folder) def start_cleaning(self): folder = self.path_entry.get() min_height = int(self.res_entry.get()) clean_low_res_videos(folder, min_height) messagebox.showinfo("完成", "视频清理完成！") if __name__ == "__main__": app = VideoCleanerApp() app.window.mainloop() ``` ## 6. 完整代码整合与使用示例将所有功能整合成一个完整的脚本： ```python import os import cv2 import logging from concurrent.futures import ThreadPoolExecutor from tqdm import tqdm # 配置 VIDEO_EXTENSIONS = ('.mp4', '.avi', '.mov', '.mkv', '.flv', '.wmv', '.webm') logging.basicConfig( filename='video_cleaner.log', level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s' ) def get_file_list(file_path): """获取文件夹中的视频文件列表并按修改时间排序""" dir_list = os.listdir(file_path) if not dir_list: return [] return sorted( [f for f in dir_list if f.lower().endswith(VIDEO_EXTENSIONS)], key=lambda x: os.path.getmtime(os.path.join(file_path, x)) ) def get_video_resolution(filename): """获取视频分辨率""" try: cap = cv2.VideoCapture(filename) if not cap.isOpened(): return 0, 0 width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) return width, height except Exception as e: logging.error(f"Error reading {filename}: {str(e)}") return 0, 0 finally: if 'cap' in locals(): cap.release() def process_video(video, folder_path, min_height, dry_run): """处理单个视频文件""" full_path = os.path.join(folder_path, video) width, height = get_video_resolution(full_path) if height < min_height: if dry_run: logging.info(f"[Dry Run] Would delete {video} ({width}x{height})") print(f"[试运行] 将删除: {video} ({width}x{height})") else: try: os.remove(full_path) logging.info(f"Deleted {video} ({width}x{height})") print(f"已删除: {video}") except Exception as e: logging.error(f"Failed to delete {video}: {str(e)}") print(f"删除失败: {video} - {str(e)}") def clean_low_res_videos(folder_path, min_height=720, dry_run=False, max_workers=4): """主清理函数""" if not os.path.exists(folder_path): print(f"路径不存在: {folder_path}") return videos = get_file_list(folder_path) if not videos: print("没有找到视频文件") return print(f"找到 {len(videos)} 个视频文件，开始处理...") with ThreadPoolExecutor(max_workers=max_workers) as executor: tasks = [ executor.submit(process_video, v, folder_path, min_height, dry_run) for v in videos ] for _ in tqdm(tasks, total=len(tasks)): pass if __name__ == "__main__": # 使用示例 folder = input("请输入视频文件夹路径: ") min_h = int(input("输入最低分辨率(高度): ") or "720") dry = input("试运行模式?(y/n): ").lower() == 'y' clean_low_res_videos(folder, min_h, dry) ``` 这个完整版本包含了我们讨论的所有功能： - 多格式支持 - 多线程处理 - 进度显示 - 日志记录 - 试运行模式 - 完善的错误处理使用时只需将脚本保存为video_cleaner.py，然后运行： ```bash python video_cleaner.py ``` 按照提示输入文件夹路径、最低分辨率要求和是否试运行即可。第一次使用时建议先使用试运行模式确认效果。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 Python+MediaPipe实战：打造智能健身动作识别系统