許皓雄 | Master of AI @ University of Macau

65 首吉他 cover 影片從混亂檔名到統一格式的完整實戰記錄。過程中遭遇隱形字元、編碼衝突、metadata 檔案干擾等各種坑，逐一排查解決，最終提煉出可泛化的工作流程。

策略思考

🎯 核心目標

• 整理「時間性文件」或「影片」，最終目標是生成封面或標準化
• 策略：用 LLM 規範化文件處理

💥 遇到的問題

• 命名混亂、擺放位置混亂
• 拼法不統一（大小寫問題）
• 命名次序不一致

🤖 LLM 的挑戰與優勢

⚠️ 挑戰

個人化問題 — 每個人的命名習慣太雜亂，沒有規律性，LLM 難以套用單一規則統一處理

✅ 優勢

模糊關聯能力 — 雖然命名規則不統一，但 LLM 擅長理解字詞之間的關係（例如「藝人」↔「歌名」的關聯），能精確檢索和匹配

解決思路

面對上述問題，設計了一個人機協作的四步流程——讓 AI 負責模糊匹配和建議，人負責最終確認：

📋先列出表

建立完整的檔案清單或表格，掌握全貌

🔍搞清命名規則

釐清原本的命名邏輯與規律

🤖讓 AI 建議改名

AI 根據關聯性建議新名字，列在表格中對比

✅確認再改真實檔案

人工確認無誤後，才修改實際檔案

任務背景

3 個資料夾共 65 首吉他 cover 影片（含封面圖），原始檔名混亂不一致—— 有些只有英文歌名（如 salamander.mov）、有些缺歌手資訊、有些有拼寫錯誤，還有 macOS 跨平台傳輸帶來的隱形字元。目標是統一重新命名為「演唱人-歌名 guitar cover (動漫 OP/ED)」格式。

最終成果

✅

63 首影片 + 封面全部成功重新命名

2 首缺少封面圖

踩過的坑與解決方案

🔍

檔名不一致、缺少歌手資訊

檔名如 salamander.mov、ecosystem.mov 無法判斷演唱者

解決：透過 Wikipedia API（日文版）搜尋歌曲名 + 動漫名稱，反覆交叉比對確認歌手身份

✏️

歌手名稱拼寫錯誤

原始檔名中 Nothing's Craved In Stone（Craved 拼錯）及所有格位置錯誤

解決：統一修正為正確拼寫 Nothing's Carved In Stone

👻

macOS 隱形字元（Apple PUA）

檔名中間有 \uf00a（Apple 私有用域字元），肉眼看不見但導致比對失敗

解決：用 Python repr() 印出實際內容發現隱形字元，改用 os.listdir() 列舉 + 字串比對

🌐

Windows CMD 編碼問題（cp950 vs UTF-8）

Python print() 輸出日文/特殊字元時 UnicodeEncodeError

解決：腳本開頭加入 sys.stdout 重設為 UTF-8 編碼

🍎

macOS metadata 檔案干擾

大量 ._ 開頭的檔案被誤改名，導致正式檔案無法覆蓋同名目標

解決：重新命名邏輯加入 not f.startswith('._') 過濾條件

🔎

Wikipedia API 搜尋不精確

單一搜尋詞無法精確定位歌手

解決：多輪搜尋策略：歌名 → 歌名+動漫 → 歌名+歌手確認

提煉出的工作流程

從這次經驗中整理出適用於任何批次檔案重新命名的 7 步工作流程：

盤點

列出所有檔案，建立原始檔案清單（os.listdir）

分析

識別檔名中的規律與缺失資訊

建立對照表

製作「原檔名 → 新檔名」對照表，Markdown 表格方便審核

外部驗證

對缺乏資訊的項目進行搜尋確認（Wikipedia API 多輪搜尋）

審核計畫表

讓使用者確認所有項目，標記不確定的項目

撰寫腳本

記錄 log、檢查檔案存在、過濾 metadata、處理編碼

執行與驗證

執行後檢查 SKIP/ERR 項目，處理殘留問題

關鍵程式碼片段

# 偵測隱形字元
for f in os.listdir(directory):
    print(repr(f))  # 會顯示 \uf00a 等隱形字元

# Wikipedia API 搜尋（多輪策略）
def search_wiki(query, lang="ja"):
    url = f"https://{lang}.wikipedia.org/w/api.php"
    params = (f"?action=query&list=search"
              f"&srsearch={urllib.parse.quote(query)}"
              f"&format=json&srlimit=3")
    resp = urllib.request.urlopen(url + params, timeout=15)
    return json.loads(resp.read())['query']['search']

# 過濾 macOS metadata 檔案
files = [f for f in os.listdir(directory)
         if not f.startswith('._') and f != '.DS_Store']

# Windows UTF-8 編碼修正
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,
                               encoding='utf-8', errors='replace')

學到的經驗

🌐

編碼先行

涉及日文/中文的 Python 腳本，務必先處理 stdout 編碼 — Windows 終端機 cp950 無法處理 UTF-8 字元

🍎

跨平台必定有副作用

macOS → Windows 檔案傳輸會帶來 ._ 檔案、.DS_Store、隱形字元（\uf00a~\uf0ff）

🔎

多輪交叉搜尋

單一搜尋詞不夠精確時，用歌名 → 歌名+動漫 → 歌名+歌手多輪確認

👻

肉眼看不到不代表不存在

repr() 是偵錯隱形字元的好幫手，字串比對失敗時先懷疑隱形字元

📋

先審核再執行

建立完整對照表讓使用者確認後再批次執行，比邊做邊改安全得多

影片批次重新命名 — 數據處理實戰

涉及的技術與知識