Python批量校验文件是否损坏教程
用Python批量检查图片、PDF、ZIP、Office文件是否损坏，尝试打开解析，损坏的文件标记出来，避免备份归档后才发现打不开。
Python批量校验文件是否损坏
场景痛点
从U盘、网盘拷了一堆文件到本地，当时没一个个打开检查，过了半年要用才发现好几个文件打不开——图片半拉、PDF报错、ZIP解压失败。手动一个个双击打开测试，几百个文件能点一下午。用Python按文件类型分别调用对应的解析库尝试打开，能正常读完就说明没坏，报错的就是损坏文件，一键出清单。
用到的库
pip install Pillow pdfplumber openpyxl python-docx
图片校验用 Pillow，PDF用 pdfplumber，Excel用 openpyxl，Word用 python-docx，ZIP用标准库。
完整代码
import zipfile
from pathlib import Path
from openpyxl import load_workbook
from docx import Document
from PIL import Image
import pdfplumber
def check_image(p: Path) -> tuple:
"""尝试用Pillow完整读取图片，校验是否损坏。"""
try:
with Image.open(p) as img:
img.load() # 强制完整解码
return True, ""
except Exception as e:
return False, str(e)
def check_pdf(p: Path) -> tuple:
"""打开PDF并读取页数，校验是否损坏。"""
try:
with pdfplumber.open(p) as pdf:
_ = len(pdf.pages)
return True, ""
except Exception as e:
return False, str(e)
def check_xlsx(p: Path) -> tuple:
"""用openpyxl打开Excel，校验是否损坏。"""
try:
wb = load_workbook(p, read_only=True)
wb.close()
return True, ""
except Exception as e:
return False, str(e)
def check_docx(p: Path) -> tuple:
"""用python-docx打开Word，校验是否损坏。"""
try:
doc = Document(str(p))
_ = len(doc.paragraphs)
return True, ""
except Exception as e:
return False, str(e)
def check_zip(p: Path) -> tuple:
"""测试ZIP完整性。"""
try:
with zipfile.ZipFile(p) as zf:
bad = zf.testzip() # 返回第一个损坏文件的名字，None表示全部正常
if bad is None:
return True, ""
return False, f"压缩包内 {bad} 损坏"
except Exception as e:
return False, str(e)
# 文件后缀 -> 校验函数
CHECKERS = {
".jpg": check_image, ".jpeg": check_image, ".png": check_image,
".bmp": check_image, ".gif": check_image,
".pdf": check_pdf,
".xlsx": check_xlsx, ".xlsm": check_xlsx,
".docx": check_docx,
".zip": check_zip,
}
def batch_check(folder: str):
"""扫描目录，校验所有支持的文件。"""
root = Path(folder)
results = []
for p in root.rglob("*"):
if not p.is_file():
continue
ext = p.suffix.lower()
checker = CHECKERS.get(ext)
if checker is None:
continue
ok, err = checker(p)
status = "正常" if ok else "损坏"
results.append({"path": str(p), "status": status, "error": err})
print(f"[{status}] {p.name}" + (f" -> {err}" if err else ""))
return results
def export_to_excel(results: list, out_path: str):
from openpyxl import Workbook
wb = Workbook()
ws = wb.active
ws.title = "文件校验报告"
ws.append(["序号", "文件路径", "状态", "错误信息"])
for idx, r in enumerate(results, 1):
ws.append([idx, r["path"], r["status"], r["error"]])
ws.column_dimensions['A'].width = 8
ws.column_dimensions['B'].width = 80
ws.column_dimensions['C'].width = 10
ws.column_dimensions['D'].width = 50
wb.save(out_path)
if __name__ == "__main__":
FOLDER = r"D:\工作资料\备份"
results = batch_check(FOLDER)
bad = sum(1 for r in results if r["status"] == "损坏")
print(f"\n共校验 {len(results)} 个文件，损坏 {bad} 个")
export_to_excel(results, r"D:\工作资料\校验报告.xlsx")
代码讲解
按文件类型分派校验函数：图片用 Pillow 的 img.load() 强制完整解码，只打开不解码不算真正校验；PDF用 pdfplumber 打开并读取页数；Excel用 openpyxl 以只读模式打开；Word用 python-docx 读段落数；ZIP用 testzip() 逐个校验CRC。每种校验函数都返回 (是否正常, 错误信息) 二元组，统一格式方便汇总。CHECKERS 字典把后缀映射到校验函数，新增类型只需加一个函数和一行映射。rglob("*") 递归扫描所有子目录。
运行结果
控制台逐文件打印 [正常] 或 [损坏]，损坏的附带错误原因。最后生成 校验报告.xlsx，四列：序号、文件路径、状态、错误信息。打开Excel按状态筛选，只看损坏的文件，从备份里重新拷贝覆盖即可。
注意事项
- 每个库只能校验它认识的格式，
.xls（老格式）openpyxl读不了，需要xlrd；.doc（老Word）python-docx读不了，需要win32com。 - 大PDF校验会慢，因为要完整解析。几千个PDF建议分批跑。
- 校验图片时
img.load()必须调用，只Image.open不会真正解码像素，发现不了损坏。 - 加密的Office文件会报错（无法打开），不算损坏，错误信息里能看出来。
更新时间：2026-09-14 21:24:42