[原创]使用python对视频/音频文件进行详细信息采集,并进行去重操作

[原创]使用python对视频/音频文件进行详细信息采集,并进行去重操作

转载请注明出处

一.关于为什么用pymediainfo以及pymediainfo的安装

　　使用python对视频/音频文件进行详细信息采集,并进行去重操作的核心是使用pymediainfo这个库

　　之前本人一直在试着用moviepy库中的VideoFileClip来获取视频/音频文件的详细信息,但效果不理想,一直报错根本无法解决.

　　直到本人发现了pymediainfo这个库,问题才得到解决(pymediainfo可以获取极其详细的音频/视频文件的具体信息).

　　pymediainfo的安装:(参考https://www.jianshu.com/p/4c115bd82774)

　　　　1.pip install pymediainfo  或者 python -m pip install pymediainfo

　　　　2.然后到官网下载该程序,(官网地址: https://pypi.org/project/pymediainfo/),安装到指定文件夹

　　　　3.特别重要的一步:到你安装pymediainfo的文件夹中找到MediaInfo.dll这个文件,把它复制到你Python的根目录下(不复制程序会报无法打开xx程序的错!)

二.视频/音频去重的简单逻辑:

　　如果两个视频/音频文件的大小完全一致,而且时长也完全一致,则该两个文件极有可能是重复的.

三.代码实现:

　　下面代码你只需要把

　　　　file_dir = r"D:\Movie\180919"  
　　　　dire_dir = r'D:\Movie\BBB'  

　　更改成你自己的绝对路径就可以了(file_dir是你视频/音频文件的目录, dire_dir是将重复视频文件移动至的目录,程序结束后file_dir目录中的重复文件会被移动到dire_dir)

　　注意:file_dir路径里只能放音频,视频文件,放入其他文件可能会报错(本人只考虑了file_dir中只有视频/音频文件的情况)

　　程序功能:8G内存IE7处理器能处理11000个,大约2000G的视频/音频文件去重工作,花费时间30~40分钟(程序执行with open操作后会巨卡5-10分钟)

 import os
 import shutil

 from pymediainfo import MediaInfo

 file_dir = r"D:\Movie\180919"               　# 定义文件目录(需要自己添加文件的绝对路径)
 dire_dir = r'D:\Movie\BBB'                    # 目标路径,将可能重复的文件移动至此(需要自己添加文件的绝对路径)
 video_sumlist = []                            # 全音/视频文件列表(绝对路径)
 video_detail_list = []                        # 全音/视频文件详细信息列表
 video_info_list = []                          # 只记录需要的关键信息
 count = 0                                     # 用于记录已处理的文件数量

 def get_all_file(f_dir): # 获取文件名称与文件大小,以方便使用MediaInfo库遍历获取视频/音频文件的超详细信息
     for root, dirs, files in os.walk(f_dir, topdown=True): # root就是"D:\Movie\180919", dirs 为[], files为全部文件列表
         for name in files:
             video_sumlist.append(os.path.join(root, name))

 get_all_file(file_dir)
 # print(video_sumlist)

 for i in video_sumlist: # 获取视频/音频文件的详细信息并存储到video_detail_list中
     media_info = MediaInfo.parse(i)
     data = media_info.to_data()
     video_detail_list.append(data)
     count+=1
     print("执行完第%d条数据...,视频名称为:%s"%(count, data["tracks"][0]["other_file_name"]))

 with open(r"./video_detail.py", "w", encoding='utf-8') as f: # 因为遍历上万文件太费时,需要将视频/音频信息存储在文件中,以减少程序执行时间
     print("开始执行写入操作...")
     f.write(str(video_detail_list))

 with open(r"./video_detail.py", "r", encoding='utf-8') as f: # 将存储在file文件中的信息读取到vfile中
     print("开始执行读取操作...")
     vfile = eval(f.read())
 print(type(vfile))

 for elem in vfile: # 简化文件信息的列表格式: [{文件名: {"t_size": t_size, "v_duration": v_duration}}, {{文件名: {"t_size": t_size, "v_duration": v_duration}}]
     # print('v_size: ', elem["tracks"][0]["file_size"])
     # print('v_duration: ', elem["tracks"][0]["duration"])
     try:
         if elem["tracks"][0]["file_name"] != 'desktop.ini':
             video_info_list.append({(elem["tracks"][0]["other_file_name"][0]+"."+elem["tracks"][0]["file_extension"]):\
              {"v_size": elem["tracks"][0]["file_size"], "v_duration": elem["tracks"][0]["duration"]}})
         else:
             print("找到了隐藏文件desktop.ini, 它没有'duration'这个键值对,需要跳过...")
     except KeyError:
         print("找到一个隐藏文件,该文件名为: ", elem["tracks"][0]["file_name"])
 print(video_info_list)
 print(video_info_list[0].keys())       # dict_keys(['海阔天空.mp4'])
 print(type(video_info_list[0].keys())) # <class 'dict_keys'>

 start_index = 0
 tomove_list = []
 while start_index < (len(video_info_list)-1):
     find_index = start_index + 1
     # print("start_index = ", start_index, "find_index = ", find_index)
     # print(list(video_info_list[start_index].values()))
     # print(list(video_info_list[start_index].values())[0]["v_size"])
     # print(list(video_info_list[start_index].values())[0]["v_duration"])
     sample0 = [list(video_info_list[start_index].values())[0]["v_size"], list(video_info_list[start_index].values())[0]["v_duration"]]
     while find_index < len(video_info_list):
         if sample0[0] == list(video_info_list[find_index].values())[0]["v_size"] and \
         sample0[1] == list(video_info_list[find_index].values())[0]["v_duration"]:
             tomove_list.append(find_index)
             find_index += 1
         else:
             find_index += 1

     # 外层循环开始:
     if tomove_list != []:
         tomove_list.reverse()
         print("to move list after reverse: ", tomove_list)
         for tomove_item in tomove_list:
             shutil.move(os.path.join(file_dir ,list(video_info_list[tomove_item].keys())[0]), dire_dir)
             video_info_list.pop(tomove_item) # 非常重要,保证video_info_list与实际音频/视频数据一致
             print("已经移除文件的编号为: ", tomove_item)
     start_index += 1
     tomove_list = []

完~