Python 文件整理与账目统计练手项目指南

学习编程语言的高效路径之一，是通过小而完整的项目把零散语法串联成可复用的工程能力。对于Python初学者而言，理想的练手项目应当满足三个条件：需求清晰、代码量适中、且能自然覆盖多类语言特性。本文围绕两个典型场景展开——文件自动分类整理与简易账目统计，并给出可执行的验收标准与升级方向。

一、项目一：文件夹自动分类整理

1.1 需求描述

扫描指定文件夹，将其中的文件按类型归入不同子目录。例如把图片移入 images 目录、文档移入 docs 目录、压缩包移入 archives 目录。看似简单的需求，实际涉及字符串处理、列表遍历、循环控制、条件判断、文件路径解析、目录创建、文件移动以及异常处理等多项基础能力。

1.2 为什么这个项目值得做

很多初学者能写出“把文件移走”的脚本，但真实环境中的脚本必须面对重复执行、命名冲突、目录缺失、权限不足等问题。把这些问题纳入验收标准，才能从“能跑”进阶到“可靠”。

1.3 验收标准

• 幂等性：重复执行不报错。第二次运行时，已归类文件不应再次被处理，或处理结果保持一致。
• 不覆盖同名文件：目标目录已存在同名文件时，应自动重命名（如追加序号或时间戳），而非直接覆盖。
• 目录自动创建：目标子目录不存在时自动创建，且需处理多级路径。
• 统计成功与失败数量：分别记录移动成功、失败的文件数，便于排查问题。
• 规则可配置：分类规则应以数据结构（如字典）形式集中定义，修改规则无需改动主逻辑。

1.4 参考实现骨架

import os
import shutil
from pathlib import Path
RULES = {
    ".jpg": "images", ".png": "images",
    ".pdf": "docs", ".txt": "docs",
    ".zip": "archives",
}
def unique_target(target: Path) -> Path:
    if not target.exists():
        return target
    stem, suffix = target.stem, target.suffix
    i = 1
    while True:
        candidate = target.with_name(f"{stem}_{i}{suffix}")
        if not candidate.exists():
            return candidate
        i += 1
def organize(src_dir: str):
    success, failed = 0, 0
    for item in Path(src_dir).iterdir():
        if not item.is_file():
            continue
        dest_dir = Path(src_dir) / RULES.get(item.suffix.lower(), "others")
        try:
            dest_dir.mkdir(parents=True, exist_ok=True)
            target = unique_target(dest_dir / item.name)
            shutil.move(str(item), str(target))
            success += 1
        except Exception as e:
            failed += 1
            print(f"处理失败: {item.name}, 原因: {e}")
    print(f"成功: {success}, 失败: {failed}")

该骨架中，RULES 字典承担配置职责，unique_target 解决命名冲突，mkdir(parents=True, exist_ok=True) 保证目录自动创建，异常捕获则确保单个文件失败不影响整体流程。

1.5 升级方向

• 按年月归档：结合文件修改时间，将文件归入 2024/07 这类层级目录。
• 清理空文件夹：整理完成后自底向上扫描并删除空目录。
• 查找重复文件：基于文件内容哈希比对，识别并处理重复项。
• 生成整理日志：将每次移动记录写入日志文件，便于审计与回滚。
• 定时运行：借助系统计划任务定期触发脚本。

二、项目二：简易账目统计

2.1 需求描述

给定若干条原始流水记录，例如“7月1日餐饮35午餐”“7月1日交通12地铁”，程序需自动计算当月总支出、每类支出金额、每日平均支出以及最大单笔支出。

2.2 能力覆盖

该项目训练的是数据加工链路：解析字符串、提取结构化字段、按类别聚合、计算统计指标并输出结果。它与项目一形成互补——前者偏文件系统操作，后者偏数据计算。

2.3 实现思路

1. 逐行读取原始记录，用字符串分割或正则提取日期、类别、金额、备注。
2. 将每条记录转为字典或元组，形成结构化列表。
3. 按类别累加金额，得到分类汇总。
4. 按日期聚合得到每日支出，再求平均值。
5. 遍历金额字段求最大值及其对应记录。

records = ["7月1日餐饮35午餐", "7月1日交通12地铁"]
parsed = []
for r in records:
    day, rest = r.split("日", 1)
    category = rest[:2]
    amount = int("".join(ch for ch in rest[2:] if ch.isdigit())[:2])
    parsed.append({"day": day, "category": category, "amount": amount})
total = sum(p["amount"] for p in parsed)
by_category = {}
for p in parsed:
    by_category[p["category"]] = by_category.get(p["category"], 0) + p["amount"]

实际实现中应使用更稳健的解析方式，并对格式异常的记录做容错处理。

三、从练手到工程思维

两个项目的共同价值在于建立“输入—判断—处理—输出”的固定思维框架：先明确输入形态，再设计判断与分支逻辑，接着执行处理动作，最后输出可验证的结果。当你能为脚本补充幂等性、异常处理、配置化与日志能力时，就已经在练习真实工程中最关键的可靠性意识。建议先完成基础版本并通过全部验收标准，再逐项叠加升级功能，逐步体会从“能运行”到“可维护”的差距。