几百个附件按文件名批量归档改名（含4个实跑大坑）

行政/财务的文件夹经常是这样：合同_2024年3月-张三 最终版(2).pdf、微信图片_20240312102233.jpg、报销单 2024-4 王五(1).xlsx 混在一起。下面这份脚本从文件名里自动提取类别 + 日期，重命名成 20240315-合同-张三.pdf 并归入子目录。本次完整实跑过，不是纸面代码。

核心脚本

import os, re, shutil
from datetime import datetime

# 14位连写(日期+时间)必须放在8位前面，否则只吃走前8位剩下6位数字残留
DATE_RES = [
    re.compile(r'(?<!\\d)(20\\d{2})(\\d{2})(\\d{2})\\d{6}(?!\\d)'),   # 20240312102233
    re.compile(r'(?<!\\d)(20\\d{2})(\\d{2})(\\d{2})(?!\\d)'),        # 20240312
    re.compile(r'(?<!\\d)(20\\d{2})[年./\\-](\\d{1,2})[月./\\-](\\d{1,2})日?(?!\\d)'),  # 2024年3月15日 / 2024.03.15
]
KEYWORDS = ['合同', '发票', '报销单', '照片']

def is_junk(name):
    # 三类垃圾文件：任何位置的隐藏文件 / Office锁文件(~$可能不在开头！) / 波浪号临时文件
    return name.startswith('.') or '~$' in name or name.startswith('~')

def new_name(name, cls, d, raw):
    stem, ext = os.path.splitext(name)
    if raw:
        stem = stem.replace(raw, '')          # 剥掉已提取的日期串
    stem = re.sub(r'\\s*\\(\\d+\\)$', '', stem)   # 去Windows重复下载尾缀 (2)
    stem = stem.replace(cls, '', 1)           # 类别词只保留一份做前缀
    stem = re.sub(r'[\\s_\\-]+', '', stem)
    return '-'.join(p for p in [d, cls, stem] if p) + ext.lower()

for fn in os.listdir(SRC):
    if is_junk(fn):
        continue
    cls = next((k for k in KEYWORDS if k in fn),
               '照片' if re.match(r'^(IMG|微信图片|DSC)', fn, re.I) else '未分类')
    d = raw = None
    for rx in DATE_RES:
        m = rx.search(fn)
        if m:
            raw = m.group(0)
            try:
                d = datetime(*map(int, m.groups())).strftime('%Y%m%d')
            except ValueError:
                d = None                     # 非法日期不猜，宁可置空
            break
    os.makedirs(dst_dir := os.path.join(OUT, cls), exist_ok=True)
    dst = os.path.join(dst_dir, new_name(fn, cls, d, raw))
    base, ext = os.path.splitext(dst); n = 1
    while os.path.exists(dst):               # 撞名不覆盖，追序号
        dst = f'{base}-{n}{ext}'; n += 1
    shutil.copy2(os.path.join(SRC, fn), dst)

本次实跑踩到的4个真坑

实跑结果

13个测试文件（含3类脏文件：隐藏文件×3、Office锁文件×2、目录×1；3种日期写法；同名撞名对）→ 10个有效文件全部归入 4 个类别子目录，日期/类别/姓名提取全对，撞名对变成 -1 后缀两个都在，5个垃圾文件全部跳过，连跑2次输出结构 md5 一致（幂等），输入输出内容 md5 多重集核对零丢失。