还在为日益被塞满的C盘而烦恼吗？看看这款开源工具

admin 管理员组

文章数量: 887006

AI 赋能的智能文件清理工具

项目地址：github

概述：

这款 AI 驱动的文件清理工具超越了传统清理工具的局限，它不仅可以快速删除无用文件，还能智能识别重复文件、相似图片，并提供个性化的文件管理建议，从而释放更多存储空间，提升设备性能。

核心功能：

1. 智能扫描与分类：

   • 深度学习图像识别： 利用先进的卷积神经网络 (CNN) 技术，对图片进行深度分析，识别相似或重复的图片，即使它们的文件名或哈希值不同。
   • 文件类型识别： 准确识别各种文件类型（文档、视频、音频、安装包等），并将其智能分类，方便用户管理和清理。
   • 垃圾文件识别： 精准识别缓存文件、临时文件、日志文件等各种垃圾文件，确保清理的安全性。

2. AI 驱动的文件压缩与优化：

   • 智能压缩： 基于 AI 算法，分析图片和视频的内容，在保证质量的前提下，智能选择最佳压缩比例，最大程度减小文件体积。
   • 格式转换建议： 根据文件类型和使用场景，智能推荐更优的文件格式，例如将大型图片转换为 WebP 格式，以节省空间。

3. 个性化文件管理建议：

   • 使用频率分析： AI 模型分析用户的文件访问历史，识别长期未使用的文件，并智能推荐删除或备份。
   • 文件重要性评估： 根据文件类型、大小、创建时间等因素，评估文件的重要性，为用户提供更合理的清理建议。
   • 云端备份建议： 对于重要的文件，智能推荐备份到云端，确保数据安全。

4. 用户友好的交互界面：

   • 可视化清理报告： 以图表形式清晰展示扫描结果，包括垃圾文件大小、重复文件数量、可释放空间等信息。
   • 自定义清理选项： 用户可以根据自身需求，自定义清理规则，例如选择要扫描的文件类型、设置压缩比例等。
   • 一键清理： 提供一键清理功能，快速释放存储空间。

AI 模块的集成示例（基于 Python）

1. 图像相似性检测

对于图片的相似性，可以使用卷积神经网络（CNN）或 pre-trained models 来比较图像特征。

这里使用 OpenCV 和 deep learning 提供的预训练模型，如 VGG16 或 ResNet，来提取图像特征，计算相似性。

import cv2
from keras.applications.vgg16 import VGG16, preprocess_input
from keras.preprocessing import image
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

# 加载 VGG16 预训练模型
model = VGG16(weights='imagenet', include_top=False)

def extract_features(img_path):
    """提取图像的特征向量"""
    img = image.load_img(img_path, target_size=(224, 224))
    img_data = image.img_to_array(img)
    img_data = np.expand_dims(img_data, axis=0)
    img_data = preprocess_input(img_data)
    
    # 通过模型提取特征
    vgg16_feature = model.predict(img_data)
    return vgg16_feature.flatten()

def are_images_similar(img_path1, img_path2):
    """比较两张图像的相似度"""
    features1 = extract_features(img_path1)
    features2 = extract_features(img_path2)
    
    # 计算余弦相似度
    similarity = cosine_similarity([features1], [features2])
    return similarity[0][0]

if __name__ == "__main__":
    img1 = 'image1.jpg'
    img2 = 'image2.jpg'
    
    similarity_score = are_images_similar(img1, img2)
    print(f"Image similarity score: {similarity_score}")
    if similarity_score > 0.9:
        print("Images are similar")
    else:
        print("Images are not similar")

2. 智能压缩（AI 指导下的图像压缩）

这里我们可以基于图像的内容来智能选择压缩策略。例如，对于颜色较多的复杂图像，我们可能希望保留更多细节，而对于简单的图像，可以进行较大的压缩。

from PIL import Image
import numpy as np
import cv2

def compress_image_based_on_content(image_path, output_path, quality=85):
    """基于图像内容智能选择压缩策略"""
    # 读取图像
    img = Image.open(image_path)
    img_np = np.array(img)

    # 使用 OpenCV 计算图像的边缘复杂度（作为内容复杂度的代理）
    gray = cv2.cvtColor(img_np, cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray, 100, 200)
    edge_density = np.mean(edges) / 255

    # 根据复杂度选择压缩质量
    if edge_density > 0.1:  # 如果边缘多，保留更多质量
        final_quality = max(quality, 90)
    else:  # 如果边缘少，可以进行更多压缩
        final_quality = min(quality, 70)

    # 保存压缩后的图像
    img.save(output_path, "JPEG", quality=final_quality)
    print(f"Image compressed with quality: {final_quality}")

if __name__ == "__main__":
    compress_image_based_on_content("large_photo.jpg", "compressed_photo.jpg")

3. 智能文件删除推荐

可以基于机器学习模型来分析用户的文件使用情况，例如哪些文件长时间未被访问过，哪些文件占用大量空间但可能是重复文件，从而向用户推荐要清理的文件。

import os
import time
import numpy as np
from sklearn.cluster import KMeans

def file_size_and_age(file_path):
    """返回文件的大小和上次访问时间"""
    size = os.path.getsize(file_path)
    last_access_time = os.path.getatime(file_path)
    current_time = time.time()
    
    # 文件的存储时间差值（秒为单位）
    age = (current_time - last_access_time) / (60 * 60 * 24)  # 转换为天
    return size, age

def recommend_files_for_deletion(directory):
    """智能推荐要删除的文件"""
    file_info = []
    file_paths = []
    
    for dirpath, _, filenames in os.walk(directory):
        for filename in filenames:
            file_path = os.path.join(dirpath, filename)
            size, age = file_size_and_age(file_path)
            file_info.append([size, age])
            file_paths.append(file_path)

    # 采用聚类算法，将文件按大小和时间进行分类
    kmeans = KMeans(n_clusters=3)
    clusters = kmeans.fit_predict(file_info)

    # 根据聚类结果推荐删除（如：最大尺寸和最长时间未访问的文件）
    delete_candidates = np.where(clusters == np.argmax(kmeans.cluster_centers_.sum(axis=1)))[0]

    print("Recommended files for deletion:")
    for idx in delete_candidates:
        print(file_paths[idx])

if __name__ == "__main__":
    recommend_files_for_deletion("/path/to/your/files")

4. AI 驱动的文件保护

使用 AI 对文件类型进行分类，决定哪些文件需要加密保护。

import magic  # 用于检测文件类型
from cryptography.fernet import Fernet

def generate_key():
    """生成加密密钥"""
    return Fernet.generate_key()

def encrypt_file(file_path, key):
    """根据文件类型选择是否加密"""
    # 使用 magic 库检测文件类型
    file_type = magic.from_file(file_path, mime=True)
    
    # 如果文件类型为敏感类型（如文档或图片），则加密
    sensitive_types = ['application/pdf', 'image/jpeg', 'image/png']
    if file_type in sensitive_types:
        fernet = Fernet(key)
        with open(file_path, 'rb') as f:
            file_data = f.read()

        encrypted_data = fernet.encrypt(file_data)
        with open(file_path + ".enc", 'wb') as f:
            f.write(encrypted_data)
        print(f"File encrypted: {file_path}")
    else:
        print(f"File {file_path} does not need encryption.")

if __name__ == "__main__":
    key = generate_key()
    encrypt_file("important_file.pdf", key)

项目目录结构：

ai_cleaner_open_source/
│
├── README.md                   
├── requirements.txt            
├── main.py                     
├── ai_modules/                  # AI 模块目录
│   ├── __init__.py
│   ├── image_similarity.py      # 图像相似性检测模块
│   ├── smart_compression.py     # 智能压缩模块
│   ├── file_recommendation.py   # 文件删除推荐模块
│   └── file_encryption.py       # 文件加密保护模块
├── cleaner/                    
│   ├── __init__.py
│   ├── duplicate_finder.py     
│   ├── contact_cleaner.py      
│   ├── image_compressor.py     
│   └── cache_cleaner.py        
└── tests/                      
    └── test_cleaner.py         

为了使用户能够方便地使用这个 AI 驱动的清理工具，各个功能模块进行了封装，并提供易用的界面和调用方式。
分别进行了以下的几种方式：

1. 创建清晰的命令行界面 (CLI)：使用户可以通过命令行参数来指定他们想要执行的操作。
2. 提供 API 接口：让开发者可以通过 Python API 调用你的工具。
3. 图形用户界面 (GUI)：为非技术用户创建一个图形界面，用户可以通过点击按钮来执行操作。
4. 打包工具：将项目打包成一个易于安装和运行的工具。

1. 创建命令行界面（CLI）

使用 Python 的 argparse 模块，你可以为不同的清理功能创建命令行选项，这样用户可以直接在终端中运行不同的清理操作。

import argparse
from cleaner import duplicate_finder, contact_cleaner, cache_cleaner, image_compressor
from ai_modules import image_similarity, smart_compression, file_recommendation

def main():
    parser = argparse.ArgumentParser(description="AI Cleaner: 一个人工智能驱动的清理工具")
    
    # 添加命令行选项
    parser.add_argument('--clean-duplicates', type=str, help="清理重复文件的目录路径")
    parser.add_argument('--clean-contacts', type=str, help="清理重复联系人的vCard文件路径")
    parser.add_argument('--compress-image', type=str, help="压缩图片的文件路径")
    parser.add_argument('--recommend-deletion', type=str, help="智能推荐要删除的文件的目录路径")
    parser.add_argument('--encrypt-file', type=str, help="加密保护文件的文件路径")

    args = parser.parse_args()

    # 根据用户的输入调用不同的功能
    if args.clean_duplicates:
        duplicates = duplicate_finder.find_duplicate_files(args.clean_duplicates)
        if duplicates:
            print("Found duplicate files:")
            for dup in duplicates:
                print(f"Duplicate: {dup[0]} and {dup[1]}")
        else:
            print("No duplicate files found.")
    
    if args.clean_contacts:
        contacts = contact_cleaner.clean_contacts(args.clean_contacts)
        for contact in contacts:
            print(f"Unique contact: {contact.fn.value}")

    if args.compress_image:
        image_compressor.compress_image_based_on_content(args.compress_image, args.compress_image + '_compressed.jpg')

    if args.recommend_deletion:
        file_recommendation.recommend_files_for_deletion(args.recommend_deletion)

    if args.encrypt_file:
        from ai_modules.file_encryption import encrypt_file, generate_key
        key = generate_key()
        encrypt_file(args.encrypt_file, key)
        print(f"File {args.encrypt_file} encrypted successfully.")

if __name__ == "__main__":
    main()

使用示例：

用户在终端中可以这样使用该工具：

python main.py --clean-duplicates /path/to/directory
python main.py --clean-contacts contacts.vcf
python main.py --compress-image large_image.jpg
python main.py --recommend-deletion /path/to/directory
python main.py --encrypt-file important_file.pdf

这样可以方便用户通过命令行执行各种清理和压缩任务。

2. 提供 Python API 接口

对于开发者用户，提供了一个易于集成的 Python API，这样其他 Python 项目可以调用你的清理工具。

from cleaner import duplicate_finder, contact_cleaner, cache_cleaner, image_compressor
from ai_modules import image_similarity, smart_compression, file_recommendation

class AICleaner:
    @staticmethod
    def clean_duplicates(directory):
        """清理重复文件"""
        return duplicate_finder.find_duplicate_files(directory)

    @staticmethod
    def clean_contacts(vcard_path):
        """清理重复联系人"""
        return contact_cleaner.clean_contacts(vcard_path)

    @staticmethod
    def compress_image(image_path, output_path=None):
        """智能压缩图像"""
        if not output_path:
            output_path = image_path + '_compressed.jpg'
        image_compressor.compress_image_based_on_content(image_path, output_path)

    @staticmethod
    def recommend_files_for_deletion(directory):
        """智能推荐删除的文件"""
        file_recommendation.recommend_files_for_deletion(directory)

    @staticmethod
    def encrypt_file(file_path, key=None):
        """加密文件"""
        from ai_modules.file_encryption import encrypt_file, generate_key
        if not key:
            key = generate_key()
        encrypt_file(file_path, key)
        return key

使用示例：

from ai_cleaner import AICleaner

# 清理重复文件
duplicates = AICleaner.clean_duplicates("/path/to/directory")
for dup in duplicates:
    print(f"Duplicate: {dup[0]} and {dup[1]}")

# 压缩图像
AICleaner.compress_image("large_image.jpg")

3. 创建图形用户界面（GUI）

你可以为非技术用户设计一个简单的图形界面，让他们可以通过点击按钮来执行不同的清理操作。使用 Tkinter 是一个不错的选择，它是 Python 内置的 GUI 库，简单易用。

import tkinter as tk
from tkinter import filedialog
from ai_cleaner import AICleaner

class AICleanerGUI:
    def __init__(self, master):
        self.master = master
        master.title("AI Cleaner")

        self.label = tk.Label(master, text="选择操作:")
        self.label.pack()

        self.clean_duplicates_button = tk.Button(master, text="清理重复文件", command=self.clean_duplicates)
        self.clean_duplicates_button.pack()

        self.compress_image_button = tk.Button(master, text="压缩图片", command=self.compress_image)
        self.compress_image_button.pack()

    def clean_duplicates(self):
        directory = filedialog.askdirectory()
        if directory:
            duplicates = AICleaner.clean_duplicates(directory)
            if duplicates:
                result = "\n".join([f"{dup[0]} 和 {dup[1]}" for dup in duplicates])
            else:
                result = "没有找到重复文件"
            tk.messagebox.showinfo("结果", result)

    def compress_image(self):
        image_path = filedialog.askopenfilename()
        if image_path:
            AICleaner.compress_image(image_path)
            tk.messagebox.showinfo("结果", f"图片 {image_path} 压缩完成")

if __name__ == "__main__":
    root = tk.Tk()
    gui = AICleanerGUI(root)
    root.mainloop()

通过这个简单的 GUI，用户可以：

• 选择要清理的文件夹
• 点击按钮执行相应操作
• 查看操作结果

4. 打包工具

使用 PyInstaller 或 cx_Freeze 将 Python 脚本打包为独立的可执行文件，方便非开发人员用户直接运行你的清理工具。

例如，使用 PyInstaller 打包：

pip install pyinstaller
pyinstaller --onefile main.py

这样会生成一个独立的可执行文件，用户可以直接运行这个文件，无需安装 Python 环境或依赖库。

项目发布和分发

1. GitHub：项目已经上传到 GitHub，并提供源码和使用说明文档。
2. PyPI：将 Python 包发布到 PyPI，用户可以通过 pip install ai-cleaner 进行安装。
3. 创建安装包：对于打包成可执行文件的版本，也提供了.exe 或 .dmg 文件直接给用户下载。（curl -L -O “https://plantree.us.kg/aicleaner.exe/dmg”）

老铁们多多支持！！！（ios-Alcleaner的同款，pc端免费开源可用，一行命令把windows清干净它不香吗！！！）

本文标签： 还在 这款 开源 烦恼 工具