Organizar un archivo personal de fotos: fecha de captura según EXIF, duplicados exactos por checksum e inventario con revisión anual

Objetivo

Convertir archivos de imagen dispersos en un único archivo en el que la fecha de cada foto tenga un origen declarado, los duplicados exactos se eliminen dejando constancia de lo retirado, los casi duplicados se marquen en lugar de fusionarse, y el conjunto quede inventariado y se compruebe periódicamente.

Requisitos previos

Una copia de trabajo de todas las fuentes en un mismo disco (los originales sin tocar hasta el final); un lector de EXIF; una herramienta de checksum (sha256sum o equivalente); la convención de nombres de archivo del artículo sobre nomenclatura. La lista de etiquetas de ExifTool documenta DateTimeOriginal como la fecha y hora en que se tomó la imagen original, CreateDate como el EXIF DateTimeDigitized y OffsetTimeOriginal como la zona horaria de DateTimeOriginal; esta última se añadió a EXIF más tarde que las otras dos y no aparece en los archivos antiguos.

Pasos

1. Inventariar las fuentes: de cada dispositivo, tarjeta, exportación de la nube y exportación de chat, anotar el nombre, el rango de fechas y el número de archivos antes de copiar.
2. Copiar todo en incoming/<source>/, conservando las fechas de los archivos, y escribir una lista SHA-256 de todo el árbol en un archivo que se guarde junto con el archivo de fotos.
3. Duplicados exactos: por cada hash que tenga más de una ruta, conservar una (las copias son idénticas byte a byte, así que conviene elegir la ruta que mejor documente la fuente) y mover las demás a duplicates/, con una línea en el registro de eliminaciones: hash, ruta conservada y rutas retiradas.
4. Fechas: registrar para cada archivo de dónde procede su fecha: DateTimeOriginal con OffsetTimeOriginal; DateTimeOriginal sin desfase (hora local de una zona desconocida); CreateDate; o solo la hora del sistema de archivos, que en un archivo recibido por una aplicación de mensajería suele ser la hora de descarga y no la de captura. Guardar el origen en una columna, no en el nombre del archivo.
5. Renombrar y clasificar por año y mes según la convención de nombres, conservando el nombre original en el inventario.
6. Casi duplicados: los archivos que difieren en bytes pero muestran la misma imagen (recodificados, redimensionados, capturas de pantalla) se localizan agrupando por fecha y cámara y comparando a ojo; etiquetar el conjunto con un identificador de grupo y dejar todos los miembros en su sitio.
7. Escribir el inventario: una línea por carpeta con rango de fechas, número de archivos y fuentes, además de una descripción de la estructura, como sugiere la Library of Congress.
8. Mantener al menos dos copias en lugares distintos; una vez al año, abrir una muestra de cada copia y repetir la comprobación de checksums, anotando la fecha y el resultado.

Resultado esperado

Un archivo en el que las fechas, las eliminaciones y las agrupaciones se pueden rastrear hasta una línea de registro, con una comprobación de integridad fechada.

Límites y base de verificación

Método propuesto; no se afirma ninguna cifra ni tasa de fallos. Un checksum solo encuentra archivos idénticos byte a byte; la comparación visual es manual y subjetiva, por lo que sirve para marcar, no para borrar. Una cámara con el reloj mal ajustado produce fechas erróneas que la columna de origen registra pero no puede corregir.