企业官网建设流程全解析

源码解读③：不依赖 PIL 手写 EXIF 解析——前任.skill 照片时间线提取原理

【免费下载链接】ex-skill前任 skill项目地址: https://gitcode.com/gh_mirrors/exsk/ex-skill

前任.skill（ex-skill）是一个把"前任"蒸馏成可对话 AI Skill 的开源项目，而 photo_analyzer.py 负责从照片的 EXIF 元数据中提取拍摄时间、生成一张"照片时间线"。本篇源码解读带你读懂它如何不依赖 PIL / Pillow，仅用 Python 标准库手写 EXIF 解析，几十行代码就从 JPEG 的原始字节里"钓"出了拍摄日期 📷

为什么要手写 EXIF 解析？

大多数同学提取照片拍摄时间，第一反应是from PIL import Image或装个piexif。但前任.skill 选择了另一条路：只 import 标准库（os、struct、re、datetime、pathlib）。

这样设计带来三个好处：

• 零安装：用户 clone 下来就能跑，photo_analyzer.py不需要任何pip install。
• 跨平台稳：不挑 Python 版本，也不受 Pillow 编译、架构兼容的影响。
• 职责单一：它只关心"这张照片是什么时候拍的"，不解析照片像素内容（内容分析交给 Claude 的Read工具），所以能保持极轻量。

隐私说明：该工具只提取 EXIF 中的日期等元数据，不读取、不上传照片内容，所有处理都在本地完成。

requirements.txt里其实把 Pillow 作为可选依赖注释掉了，仅在需要更好支持 HEIC / TIFF 时才启用：

# Optional: Better EXIF support for more image formats (HEIC, TIFF, etc.) # Pillow>=10.0.0

👉 参见 requirements.txt

先看懂 JPEG 结构：SOI、APP1 与 EOI

手写 EXIF 解析的前提，是理解 JPEG 文件的"分段"布局。一个 JPEG 由若干**段（segment）**拼接而成，每段都以0xFF开头的"标记"（marker）开始：

每段标记之后，紧跟一个2 字节大端长度（它包含自身这 2 个字节）。所以一段的实际载荷长度是length - 2。

理解了这个结构，整个解析逻辑就清晰了：从 SOI 开始，一段一段往后跳，直到跳进 APP1，把里面的字节读出来找日期。

核心：逐段扫描的 while 循环

整个"找 EXIF"的过程浓缩在 extract_exif_date() 里。先看它如何校验文件头并逐段游走：

with open(file_path, "rb") as f: # 1) 校验 JPEG 起始标记，不是 JPEG 直接放弃 if f.read(2) != b"\xff\xd8": return None while True: marker = f.read(2) if marker[0] != 0xFF: break if marker[1] == 0xE1: # 2) 命中 APP1，EXIF 在这 length = struct.unpack(">H", f.read(2))[0] exif_data = f.read(length - 2) ... # 3) 在 exif_data 里找日期 elif marker[1] in (0xD9, 0xDA): # 4) 到 EOI / SOS，结束 break else: # 5) 其他段，读长度并跳过 length = struct.unpack(">H", f.read(2))[0] f.seek(length - 2, 1)

三个关键细节：

• struct.unpack(">H", ...)：>表示大端（网络字节序），H表示无符号短整型（2 字节），正好读出段的长度。
• f.seek(length - 2, 1)：1代表相对当前位置，把文件指针一次性跳过无关段，效率很高。
• 外层try/except直接pass：遇到任何异常（比如非 JPEG、文件损坏）都优雅地返回None，绝不中断整个扫描。

这段逻辑是全文的"骨架"，对应 photo_analyzer.py。

用正则从原始字节里"钓"出拍摄日期

有意思的地方来了。拿到exif_data后，代码并没有老老实实去解析 TIFF 的 IFD 目录结构，而是直接在原始字节里正则匹配日期串：

# DateTimeOriginal 在 EXIF 里就是 "YYYY:MM:DD HH:MM:SS" date_pattern = rb"\d{4}:\d{2}:\d{2} \d{2}:\d{2}:\d{2}" matches = re.findall(date_pattern, exif_data) if matches: return matches[0].decode("ascii")

👉 参见 photo_analyzer.py

为什么这样能成？因为 EXIF 里的拍摄时间标签DateTimeOriginal（tag0x9003）本身就是按YYYY:MM:DD HH:MM:SS这个 ASCII 格式存储的。与其费劲解析二进制结构，不如用一行正则"钓"出第一处匹配——简单、鲁棒、零依赖。这是典型的"够用就好"工程取舍。

EXIF 拿不到时的兜底：文件修改时间

现实里很多照片会被压缩、转发，EXIF 信息被抹掉。get_photo_date() 为此设计了一个降级兜底：EXIF 优先，拿不到就退回文件的修改时间。

exif_date = extract_exif_date(str(file_path)) if exif_date: return datetime.strptime(exif_date, "%Y:%m:%d %H:%M:%S").strftime("%Y-%m-%d") # 兜底：文件修改时间 mtime = file_path.stat().st_mtime return datetime.fromtimestamp(mtime).strftime("%Y-%m-%d")

这一层保证了时间线永远不会空——即便所有 EXIF 都丢了，照片依然能按修改时间排进时间轴里。

按日期分组，生成 Markdown 时间线

日期拿到后，剩下的就是"整理成人类能读的表格"：

• scan_photos() 递归遍历目录，按扩展名过滤出图片（支持的格式 覆盖 jpg / heic / webp / tiff 等）。
• group_by_date() 用defaultdict按日期聚合并排序。
• format_output() 输出 Markdown，每天最多列 10 张，避免一天几百张刷屏。

跑完你得到的时间线长这样：

# 照片时间线 目录：~/Photos/with_her 总照片数：128 跨度：2022-03-14 ~ 2024-09-02 --- ## 2022-03-14（5 张） - IMG_0021.jpg（3102 KB） - IMG_0022.jpg（2871 KB） ... ## 2022-08-02（12 张） - ... 还有 2 张

时间线本身不含任何照片内容，只回答一个问题："这些照片，分别属于哪一天。"后续再由 AI 按日期回看具体照片，补全记忆。

三条命令跑通照片时间线 🚀

想亲眼看看它工作，克隆仓库后对着一个照片文件夹执行即可：

# 克隆仓库（本地只读使用） git clone https://gitcode.com/gh_mirrors/exsk/ex-skill # 扫描照片目录，把时间线写到文件 python3 ex-skill/tools/photo_analyzer.py --dir ~/Photos/with_her --output /tmp/photo_timeline.txt # 直接打印到终端 python3 ex-skill/tools/photo_analyzer.py --dir ~/Photos/with_her

在 Claude Code 里，它被 SKILL.md 的"方式 C：照片"流程调用，时间线生成后再由Read工具读回来。

相关源码地图

photo_analyzer.py 只是 tools/ 下七把"瑞士军刀"之一，它们共同把各类原材料解析成 AI 可用的文本：

时间线最终会汇入 prompts/memories_analyzer.md 的"关系时间线"维度，成为共同记忆的一部分，示例见 exes/example_xiaomei/memories.md。

小结：不依赖 PIL 的手写 EXIF 解析，靠的是一条清晰思路——按 JPEG 标记逐段游走 → 在 APP1 里正则钓日期 → 拿不到就用修改时间兜底 → 按日期分组出时间线。代码很短，却把"零依赖、鲁棒、够用"三件事都做到了，这正是它值得被单独解读的原因 ✨

【免费下载链接】ex-skill前任 skill项目地址: https://gitcode.com/gh_mirrors/exsk/ex-skill