Python入门项目编写脚本批量调用丹青识画系统分析个人照片库你是不是也和我一样手机、电脑里存了成千上万张照片但真正值得回味、能称得上“好照片”的却寥寥无几每次想找几张有“艺术感”的照片发朋友圈或者做个电子相册都得花上半天时间一张张翻看效率极低。今天我们就来动手解决这个痛点。我将带你一起用Python写一个既有趣又实用的小脚本。它能自动帮你扫描电脑里的照片调用一个叫“丹青识画”的智能系统分析每张照片在构图、色彩等方面的“艺术感”得分然后自动把那些“最佳作品”筛选出来归类存放。这个项目特别适合Python新手因为它不涉及复杂的算法却能让你亲手实践文件操作、API调用和简单数据处理这几个非常核心的编程技能。整个过程就像在玩一个寻宝游戏最终还能收获一个真正能用的工具。准备好了吗我们开始吧。1. 项目目标与环境准备在动手写代码之前我们先明确一下这个项目最终要实现什么以及需要准备哪些“装备”。1.1 我们要做什么想象一下这个场景你运行脚本指定一个存放照片的文件夹路径比如D:\我的照片。脚本会做以下几件事自动寻宝遍历这个文件夹包括里面的子文件夹找出所有常见的图片文件比如.jpg,.png等。请“AI评委”打分把找到的每一张照片发送给“丹青识画”系统的API接口。这个接口就像一位专业的AI摄影师它会分析照片的构图是否巧妙、色彩搭配是否和谐、光影是否出众然后给出一个综合的“艺术感”分数。自动分拣脚本根据API返回的分数比如我们把7分满分10分以上的照片认定为“佳作”。然后自动在目标文件夹里创建一个名为精选照片的新文件夹把这些高分照片复制或移动进去。生成报告最后脚本还会生成一个简单的文本报告告诉你一共分析了多少张照片其中有多少张入选了精选集。整个过程完全自动化你只需要喝杯咖啡的功夫就能从海量照片中淘出金子。1.2 准备工作安装Python与必要库首先确保你的电脑上已经安装了Python。打开命令行Windows上是CMD或PowerShellMac/Linux上是终端输入python --version或python3 --version如果能显示版本号比如Python 3.8.10那就没问题。如果没有你需要先去Python官网下载并安装。我们这个项目主要会用到两个Python库requests用于和“丹青识画”系统的API进行网络通信发送照片接收评分。Pillow(PIL)一个强大的图像处理库我们这里用它来简单地验证和获取图片信息。安装它们非常简单在命令行里输入下面这行命令即可pip install requests pillow如果速度慢可以试试国内的镜像源比如pip install requests pillow -i https://pypi.tuna.tsinghua.edu.cn/simple1.3 获取“丹青识画”API密钥要调用AI服务我们通常需要一个“通行证”也就是API密钥Key。你需要根据“丹青识画”系统官方的指引去注册一个账号并获取你的专属API Key。这个过程通常是免费的或者有少量的免费额度供体验。假设你成功获取后会得到类似这样的一串字符sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx。请妥善保管它我们稍后在代码里会用到。2. 核心步骤拆解与代码实现现在我们像搭积木一样把整个项目分解成几个小模块逐个实现。2.1 第一步遍历文件夹收集所有照片我们的脚本首先要能“看到”所有照片。这里会用到Python内置的os和glob模块。import os import glob def find_all_images(folder_path): 在指定文件夹及其所有子文件夹中查找图片文件。 支持常见的图片格式。 # 定义支持的图片格式 image_extensions [*.jpg, *.jpeg, *.png, *.bmp, *.gif, *.tiff] image_files [] # 遍历每种格式使用glob递归搜索 for ext in image_extensions: # ** 表示匹配所有子目录recursiveTrue表示递归搜索 pattern os.path.join(folder_path, **, ext) image_files.extend(glob.glob(pattern, recursiveTrue)) # 为了兼容性再匹配一次大写扩展名有些系统可能存为.JPG for ext in image_extensions: pattern os.path.join(folder_path, **, ext.upper()) image_files.extend(glob.glob(pattern, recursiveTrue)) print(f在文件夹 {folder_path} 中共找到 {len(image_files)} 张图片。) return image_files # 你可以这样测试这个函数 if __name__ __main__: # 替换成你电脑上真实的照片文件夹路径 my_photo_folder /Users/你的用户名/Pictures all_images find_all_images(my_photo_folder) for img in all_images[:5]: # 只打印前5个看看 print(img)代码解释os.path.join()用来安全地拼接文件路径避免因为不同操作系统Windows用\Mac/Linux用/导致的问题。glob.glob(pattern, recursiveTrue)是“寻宝”的核心它能根据我们设定的模式比如*.jpg递归地搜索所有子文件夹。函数最后返回一个包含所有图片完整路径的列表。2.2 第二步调用API获取单张照片的艺术评分这是项目的核心“魔法”环节。我们将定义一个函数负责把一张照片发送给“丹青识画”API并解析返回的评分结果。这里我们需要假设API的调用方式。通常这类图像分析API会要求以POST请求发送图片数据可能是二进制文件也可能是图片的Base64编码并在请求头中带上API Key。import requests import base64 def get_art_score_from_api(image_path, api_key, api_url): 调用丹青识画API获取一张图片的艺术评分。 # 1. 准备请求头通常API Key放在这里 headers { Authorization: fBearer {api_key}, Content-Type: application/json # 根据API文档调整 } # 2. 准备请求体载荷。这里假设API接受Base64编码的图片。 try: with open(image_path, rb) as image_file: # 将图片文件读取为二进制并编码为Base64字符串 img_base64 base64.b64encode(image_file.read()).decode(utf-8) except FileNotFoundError: print(f错误找不到图片文件 {image_path}) return None except Exception as e: print(f读取图片 {image_path} 时出错{e}) return None # 构建请求数据具体字段名需要参考API文档 payload { image: img_base64, task: artistic_score # 假设API需要指定分析任务 } # 3. 发送POST请求 try: response requests.post(api_url, headersheaders, jsonpayload, timeout30) response.raise_for_status() # 如果状态码不是200会抛出异常 result response.json() # 解析返回的JSON数据 # 4. 解析结果。这里需要根据API实际返回的JSON结构来调整。 # 假设返回格式为{success: true, data: {score: 8.5, comment: 构图出色}} if result.get(success): score result.get(data, {}).get(score) # 确保score是数字 if score is not None: return float(score) else: print(fAPI返回的评分数据异常{result}) return None else: print(fAPI调用失败{result.get(message, 未知错误)}) return None except requests.exceptions.Timeout: print(f请求超时{image_path}) return None except requests.exceptions.RequestException as e: print(f网络请求出错{e}) return None except ValueError as e: print(f解析API返回的JSON时出错{e}) return None # 注意你需要将下面的 YOUR_API_KEY 和 API_URL 替换成真实的值。 API_KEY YOUR_API_KEY_HERE # 替换成你的丹青识画API Key API_URL https://api.example.com/v1/analyze # 替换成真实的API端点地址 # 测试单张图片 if __name__ __main__: test_image /path/to/your/test.jpg score get_art_score_from_api(test_image, API_KEY, API_URL) if score: print(f图片 {test_image} 的艺术评分为{score})重要提示 这段代码中的API_URL、请求头headers的格式、请求体payload的结构都需要你根据“丹青识画”系统官方提供的API文档进行修改。这是调用任何第三方API最关键的一步。2.3 第三步筛选高分照片并归类拿到每张照片的分数后我们就可以进行“颁奖典礼”了。设定一个分数线比如7分把达标的好照片复制到一个新的文件夹。import os import shutil def filter_and_organize_images(image_score_list, source_folder, threshold7.0): 根据评分列表筛选出高于阈值的图片并复制到新的文件夹。 image_score_list: 列表每个元素是 (图片路径, 评分) 的元组 # 定义精选照片的目标文件夹 target_folder_name 精选照片 target_folder_path os.path.join(source_folder, target_folder_name) # 如果目标文件夹不存在则创建它 if not os.path.exists(target_folder_path): os.makedirs(target_folder_path) print(f已创建精选文件夹{target_folder_path}) selected_count 0 for img_path, score in image_score_list: if score and score threshold: # 获取图片的文件名 img_name os.path.basename(img_path) # 构建目标文件路径 target_path os.path.join(target_folder_path, img_name) # 处理文件名冲突如果目标文件已存在则在文件名后加序号 counter 1 name_part, ext_part os.path.splitext(img_name) while os.path.exists(target_path): new_name f{name_part}_{counter}{ext_part} target_path os.path.join(target_folder_path, new_name) counter 1 # 复制文件 try: shutil.copy2(img_path, target_path) # copy2会保留文件的元数据如创建时间 selected_count 1 print(f已精选{img_name} (评分{score:.1f})) except Exception as e: print(f复制文件 {img_name} 失败{e}) print(f\n筛选完成共从 {len(image_score_list)} 张照片中精选出 {selected_count} 张存入 {target_folder_name}。) return selected_count代码解释shutil.copy2()比shutil.copy()更好因为它会尝试保留原文件的所有信息。循环中的while os.path.exists(target_path)部分是为了防止重名文件被覆盖。如果“精选照片”里已经有一个同名的它会自动重命名为文件名_1.jpg、文件名_2.jpg。2.4 第四步整合与主流程控制现在我们把前面所有的“积木”组装起来形成一个完整的、可以一键运行的脚本。import time def main(): 项目主函数 print( 个人照片库艺术感分析脚本 ) # 1. 配置信息需要你手动修改 SOURCE_FOLDER D:/我的照片 # 请修改为你的照片文件夹路径 API_KEY sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx # 请修改为你的API Key API_URL https://api.danqing.com/v1/score # 请修改为真实的API地址 SCORE_THRESHOLD 7.0 # 艺术感分数阈值大于等于此分的照片将被精选 # 2. 检查配置 if not os.path.exists(SOURCE_FOLDER): print(f错误源文件夹 {SOURCE_FOLDER} 不存在请检查路径。) return if API_KEY sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx: print(错误请先在代码中配置你的丹青识画API Key。) return # 3. 查找所有图片 print(f\n正在扫描文件夹{SOURCE_FOLDER}) all_images find_all_images(SOURCE_FOLDER) if not all_images: print(未找到任何图片文件程序结束。) return # 4. 逐张调用API评分这里可能需要较长时间 print(f\n开始调用AI API分析图片艺术感...共{len(all_images)}张) image_scores [] for idx, img_path in enumerate(all_images, 1): print(f正在分析 [{idx}/{len(all_images)}]: {os.path.basename(img_path)}, end... ) score get_art_score_from_api(img_path, API_KEY, API_URL) if score is not None: image_scores.append((img_path, score)) print(f评分{score:.1f}) else: print(分析失败或跳过) # 为了避免对API服务器造成过大压力可以添加短暂延迟 time.sleep(0.5) # 5. 筛选并整理照片 if image_scores: print(f\n开始筛选评分 {SCORE_THRESHOLD} 的精选照片...) selected_num filter_and_organize_images(image_scores, SOURCE_FOLDER, SCORE_THRESHOLD) # 6. (可选) 简单统计并保存报告 report_path os.path.join(SOURCE_FOLDER, 精选照片, 分析报告.txt) try: with open(report_path, w, encodingutf-8) as f: f.write(f照片艺术感分析报告\n) f.write(f生成时间{time.strftime(%Y-%m-%d %H:%M:%S)}\n) f.write(f扫描文件夹{SOURCE_FOLDER}\n) f.write(f分析图片总数{len(all_images)}\n) f.write(f成功评分图片数{len(image_scores)}\n) f.write(f精选阈值{SCORE_THRESHOLD}\n) f.write(f入选精选照片数{selected_num}\n) f.write(f精选照片保存于{os.path.join(SOURCE_FOLDER, 精选照片)}\n) print(f\n详细报告已保存至{report_path}) except Exception as e: print(f\n保存报告文件时出错{e}) else: print(\n未能成功获取任何图片的评分无法进行筛选。) print(\n 脚本执行完毕 ) if __name__ __main__: main()3. 运行脚本与查看结果现在激动人心的时刻到了运行你的脚本。修改配置用文本编辑器如VSCode、Sublime Text打开你的Python脚本文件比如叫photo_art_filter.py。找到main()函数开头的几行配置根据你的实际情况修改SOURCE_FOLDER改成你电脑上存放照片的文件夹路径。API_KEY和API_URL替换成你从“丹青识画”系统获取的真实信息。SCORE_THRESHOLD可以调整比如觉得7分太严格可以改成6.5。运行脚本在命令行中切换到你的脚本所在目录运行python photo_art_filter.py观察过程你会看到脚本开始扫描文件夹然后一张张地调用API打印出分析进度和评分。查看成果脚本运行结束后打开你设定的照片源文件夹你会发现里面多了一个精选照片文件夹。打开它里面就是你照片库里的“艺术佳作”了同时文件夹里还会有一个分析报告.txt文件记录了本次分析的统计数据。4. 可能遇到的问题与改进思路第一次运行很可能会遇到一些问题这非常正常也是学习的一部分。问题1API调用失败返回错误码如401403检查最可能的原因是API Key错误、过期或者没有权限调用该接口。请仔细检查Key是否正确以及API文档中对认证方式的要求我们的代码假设是Bearer Token可能不对。问题2ModuleNotFoundError: No module named requests解决回到第一步用pip install requests pillow命令安装依赖库。问题3扫描到的图片数量远少于预期检查find_all_images函数中image_extensions列表是否包含了你的图片格式比如.heic,.webp。可以按需添加。问题4脚本运行速度慢原因每分析一张图都要网络请求如果照片多比如几千张会非常慢。我们代码里加了time.sleep(0.5)也是为了保护API不被过快调用。改进思路可以考虑使用concurrent.futures库进行多线程或异步调用同时对API进行批量请求如果API支持的话这能极大提升速度。这是很好的进阶练习方向。一些有趣的扩展想法生成可视化报告用matplotlib库画一个所有照片评分的分布直方图。按评分分级不止是“精选”可以创建“佳作7-8分”、“精品8-9分”、“神作9分以上”等多个文件夹。分析维度细化如果API返回的不仅仅是总分还有构图、色彩、主题等子分数你可以根据这些子分数定制更复杂的筛选规则。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。