告别龟速导出！用Python写一个属于你自己的RAW转JPG神器

2384 字

12 分钟

告别龟速导出！用Python写一个属于你自己的RAW转JPG神器

2025-08-12

Project

Python

/

RAW

/

jpg

告别龟速导出！用Python写一个属于你自己的RAW转JPG神器#

作为一名专业摄影师，你一定对这个场景不陌生：

一天拍摄结束，你将几百上千张 RAW 格式的照片导入电脑。为了快速筛选和分享，你需要将它们全部导出一份 JPG 格式的预览。于是你打开 Adobe Bridge 或 Lightroom，选中所有文件，点击“导出”，然后……进度条开始了它漫长而“优雅”的爬行。电脑风扇狂转，CPU 占用率飙升，而你只能泡杯茶，静静地等待，甚至不敢再操作电脑。

这个过程，我们称之为“生产力黑洞”。Photoshop 和 Bridge 功能强大，但在面对简单、重复的批量转换任务时，它们就像是用一辆重型坦克去送外卖——功能过剩，且效率低下。

但如果我告诉你，有一种方法，可以让这个过程提速数倍甚至十倍以上，并且完全免费、开源呢？

今天，我就来分享如何利用一段简单的 Python 脚本，将你的电脑打造成一台 RAW 格式转换的“性能猛兽”。

为什么脚本会比专业软件更快？#

你可能会疑惑：Adobe 拥有顶尖的工程师团队，他们开发的软件难道还比不过一个几十行代码的脚本？

在“RAW 转 JPG”这个特定任务上，答案是：是的，脚本更快，而且快得多！

原因很简单：

轻装上阵 vs. 全副武装：Python 脚本只做一件事——解码 RAW 并保存为 JPG。它不会加载庞大的用户界面、数不清的插件、复杂的色彩管理引擎和历史记录功能。它就像一个百米冲刺的运动员，只穿最轻便的跑鞋。
榨干 CPU 性能：我们这个脚本的核心优势在于真正的并行处理。如果你的电脑有 16 个 CPU 核心，它就能启动 16 个进程，同时转换 16 张照片。而 Ps/Br 复杂的软件架构很难做到如此纯粹、高效的并行。这就像开通了 16 个收费站，车流速度自然飞快！

你的专属“火箭”：三步搞定！#

别被“代码”、“脚本”这些词吓到，整个过程就像组装一个宜家家具一样简单。

第一步：搭建“发射架”（安装环境）#

安装 Python: 如果你的电脑还没有 Python，请访问 Python 官网下载并安装最新版本。切记，在安装时勾选 “Add Python to PATH”，这样会方便很多。
安装核心库: 打开你电脑的终端（Windows 用户请搜索 “CMD” 或 “PowerShell”，Mac 用户使用 “终端” App），然后输入以下命令并回车。这会自动安装我们需要的三个工具库：
- rawpy: 负责快速读取 RAW 文件。
- Pillow: 负责处理和保存图像。
- tqdm: 用来显示一个漂亮的进度条。
Terminal window
```
1
pip install rawpy Pillow tqdm                #win
2
pip3 install rawpy Pillow tqdm               #macos
```

第二步：获取“火箭引擎”（脚本代码）#

在你的电脑上创建一个文件夹，比如 D:\MyScripts。在文件夹里新建一个文本文档，将下面的所有代码复制进去，然后将文件名保存为 raw_converter.py (注意后缀是 .py)。

1
# --- raw_converter.py ---
2

3
import os
4
import sys
5
import rawpy
6
from PIL import Image
7
import multiprocessing
8
import time
9
import glob
10
from tqdm import tqdm
11

12
# ===========================================================
13
#               【核心功能函数】
14
# ===========================================================
15

16
def convert_raw_to_jpg(raw_path, output_dir, quality, input_root_dir, search_subdirs):
17
    """转换单个 RAW 文件并返回处理结果信息"""
18
    try:
19
        filename = os.path.basename(raw_path)
20
        base_name = os.path.splitext(filename)[0]
21

22
        if search_subdirs and os.path.dirname(raw_path) != input_root_dir:
23
            relative_dir = os.path.relpath(os.path.dirname(raw_path), input_root_dir)
24
            target_dir = os.path.join(output_dir, relative_dir)
25
            os.makedirs(target_dir, exist_ok=True)
26
            jpg_path = os.path.join(target_dir, f"{base_name}.jpg")
27
        else:
28
            jpg_path = os.path.join(output_dir, f"{base_name}.jpg")
29

30
        if os.path.exists(jpg_path):
31
            return f"跳过: {filename}"
32

33
        with rawpy.imread(raw_path) as raw:
34
            rgb_data = raw.postprocess(use_camera_wb=True, output_bps=8, no_auto_bright=True)
35
            pil_image = Image.fromarray(rgb_data)
36
            pil_image.save(jpg_path, 'JPEG', quality=quality, optimize=True)
37
        return f"成功: {filename}"
38

39
    except Exception as e:
40
        return f"失败: {os.path.basename(raw_path)} - {e}"
41

42
def convert_raw_to_jpg_starmap_helper(args):
43
    """辅助函数"""
44
    return convert_raw_to_jpg(*args)
45

46
def batch_convert_raws(input_dir, output_dir, quality, search_subdirs, num_processes):
47
    """主函数"""
48
    start_time = time.time()
49
    os.makedirs(output_dir, exist_ok=True)
50

51
    print("\n🚀 正在扫描 RAW 文件...")
52
    raw_extensions = ['*.CR2', '*.CR3', '*.NEF', '*.ARW', '*.DNG', '*.PEF', '*.RAF', '*.RW2', '*.ORF']
53
    raw_files = []
54
    for ext in raw_extensions:
55
        search_pattern = os.path.join(input_dir, '**', ext) if search_subdirs else os.path.join(input_dir, ext)
56
        raw_files.extend(glob.glob(search_pattern, recursive=search_subdirs))
57

58
    if not raw_files:
59
        print(f"❌ 在目录 '{input_dir}' 中没有找到支持的 RAW 文件。请检查路径或文件类型。")
60
        return
61

62
    print(f"✅ 共找到 {len(raw_files)} 个 RAW 文件。")
63
    print(f"🔥 开始使用 {num_processes} 个 CPU 核心进行转换...")
64

65
    tasks = [(file, output_dir, quality, input_dir, search_subdirs) for file in raw_files]
66

67
    with multiprocessing.Pool(processes=num_processes) as pool:
68
        results = list(tqdm(pool.imap_unordered(convert_raw_to_jpg_starmap_helper, tasks), total=len(tasks), desc="转换进度"))
69

70
    success_count = sum(1 for r in results if r and r.startswith("成功"))
71
    skipped_count = sum(1 for r in results if r and r.startswith("跳过"))
72
    failed_count = sum(1 for r in results if r and r.startswith("失败"))
73

74
    end_time = time.time()
75
    print("-" * 50)
76
    print("🎉 转换完成！")
77
    print(f"⏱️ 总耗时: {end_time - start_time:.2f} 秒")
78
    print(f"📊 结果: {success_count} 成功 | {skipped_count} 跳过 | {failed_count} 失败")
79

80
# ===========================================================
81
#               【交互式设置主程序】
82
# ===========================================================
83

84
def get_user_config():
85
    """通过交互式问答获取用户配置"""
86
    print("=" * 50)
87
    print("      欢迎使用极速 RAW to JPG 转换脚本！")
88
    print("=" * 50)
89

90
    # 1. 获取 RAW 文件夹路径
91
    while True:
92
        raw_input_path = input("\n📁 请将你的【RAW 源文件夹】拖到这里，然后按 Enter: ")
93
        clean_path = raw_input_path.strip().strip('"')
94
        if os.path.isdir(clean_path):
95
            input_dir = clean_path
96
            break
97
        else:
98
            print("❌ 错误: 这不是一个有效的文件夹路径，请重试。")
99

100
    # 2. 获取输出文件夹路径
101
    while True:
102
        raw_output_path = input("\n📂 请将你的【JPG 输出文件夹】拖到这里，然后按 Enter: ")
103
        clean_path = raw_output_path.strip().strip('"')
104
        if clean_path:
105
            output_dir = clean_path
106
            break
107
        else:
108
            print("❌ 错误: 输出路径不能为空，请重试。")
109

110
    # 3. 获取 JPG 质量
111
    while True:
112
        try:
113
            quality_str = input("\n⚙️  请输入 JPG 压缩质量 (1-100, 推荐90, 直接按 Enter 使用默认值): ")
114
            if not quality_str:
115
                quality = 90
116
                break
117
            quality = int(quality_str)
118
            if 1 <= quality <= 100:
119
                break
120
            else:
121
                print("❌ 错误: 请输入 1 到 100 之间的数字。")
122
        except ValueError:
123
            print("❌ 错误: 无效输入，请输入一个数字。")
124

125
    # 4. 【新增】询问是否搜索子文件夹
126
    while True:
127
        subdirs_choice = input("\n🔍 是否需要处理子文件夹中的文件? (y/n, 直接按 Enter 默认为 '是'): ").lower()
128
        if subdirs_choice in ['y', 'yes', '']:
129
            search_subdirs = True
130
            break
131
        elif subdirs_choice in ['n', 'no']:
132
            search_subdirs = False
133
            break
134
        else:
135
            print("❌ 错误: 无效输入，请输入 'y' 或 'n'。")
136

137
    return input_dir, output_dir, quality, search_subdirs
138

139
if __name__ == '__main__':
140
    multiprocessing.freeze_support()
141

142
    try:
143
        # 获取用户配置（现在会返回4个值）
144
        input_dir, output_dir, quality, search_subdirs = get_user_config()
145

146
        # 显示最终配置并请求确认
147
        print("\n" + "=" * 50)
148
        print("请确认您的设置:")
149
        print(f"  -  RAW 来源: {input_dir}")
150
        print(f"  -  JPG 输出: {output_dir}")
151
        print(f"  -  JPG 质量: {quality}")
152
        print(f"  -  处理子文件夹: {'是' if search_subdirs else '否'}") # <-- 新增确认项
153
        print("=" * 50)
154

155
        input("✅ 设置无误，请按 Enter 键开始转换...")
156

157
        # 执行转换
158
        batch_convert_raws(
159
            input_dir=input_dir,
160
            output_dir=output_dir,
161
            quality=quality,
162
            search_subdirs=search_subdirs, # <-- 将用户的选择传递给核心函数
163
            num_processes=multiprocessing.cpu_count()
164
        )
165

166
    except KeyboardInterrupt:
167
        print("\n\n🛑 操作被用户中断。正在退出...")
168
        sys.exit(0)
169
    except Exception as e:
170
        print(f"\n\n💥 发生意外错误: {e}")
171

172
    input("\n任务已结束，请按 Enter 键退出。")

第三步：点火发射！#

运行: 再次打开终端（CMD 或 PowerShell），首先使用 cd 命令进入你保存脚本的文件夹，例如：

1
cd D:\MyScripts            #win
2
cd ~/Documents/Scripts     #macos

然后，执行脚本：

1
python raw_converter.py   #win
2
python3 raw_converter.py  #macos

开始对话！ 脚本会启动并像一个助手一样向你提问： * 它会让你提供 RAW 源文件夹：你无需手动输入路径，直接用鼠标把文件夹从桌面或文件管理器拖进终端窗口，然后按 Enter！ * 它会让你提供 JPG 输出文件夹：同样，拖拽进来，按 Enter！ * 它会询问 JPG 质量：输入你想要的数字（比如 95），或者直接按 Enter 使用默认值。 * 它会询问是否处理子文件夹：输入 y 或 n。

现在，见证奇迹的时刻到了！你会看到一个实时滚动的进度条，上面显示着处理速度（it/s 就是张/秒）、完成百分比和预计剩余时间。这个速度，绝对会让你大吃一惊。

1
正在扫描 RAW 文件...
2
共找到 1032 个 RAW 文件。
3
开始使用 16 个进程进行转换...
4
8%|██████                                                                          | 79/1032 [02:07<29:46,  1.87s/it]

这里的 1.87s/it (1.87秒/每项) 可能会让你觉得“一张照片就要快2秒，好慢”。但这是一个巨大的误解！

1.87s/it 的真正含义是：在你的16个CPU核心满负荷工作时，平均一个核心处理完一张照片需要1.87秒。
你真正的处理速度是：因为你有16个核心在同时工作，你的电脑实际的产出速度大约是 16张 / 1.87秒 ≈ 8.5 张/秒 的峰值吞吐能力！

我们换个角度计算：

在 2分07秒 (127秒) 内处理了 79 张照片。
平均每分钟处理 79 / (127/60) ≈ 37.3 张照片。

对于高像素的RAW文件（通常一张在30MB到80MB之间）来说，解码、应用白平衡、然后压缩成高质量JPG，每分钟能稳定处理30-40张，这已经是一个非常高效的速度了。

这个速度会受到以下几个因素影响：

RAW文件的大小和像素：你的相机像素越高（例如4500万或6100万像素），文件越大，处理时间就越长。
CPU的单核性能：即使核心数相同，新一代的CPU其单个核心的计算能力也更强。
硬盘读写速度 (I/O)：如果你的RAW文件和输出目录都在一块慢速的机械硬盘上，硬盘读写可能会成为瓶颈。如果是在固态硬盘 (SSD) 上，则基本不会有影响。

我打包了一键版点我下载

win用户双击 win.bat 运行 macos用户双击 macos.sh 运行

脚本会自动创建虚拟环境安装依赖运行