Organização de um arquivo pessoal de fotos: data de captura pelo EXIF, duplicatas exatas por checksum e um inventário verificado anualmente

Objetivo

Transformar arquivos de imagem espalhados em um único acervo no qual a data de cada foto tem origem declarada, as duplicatas exatas são removidas com registro do que saiu, as quase-duplicatas são sinalizadas em vez de unificadas, e o conjunto é inventariado e verificado periodicamente.

Pré-requisitos

Uma cópia de trabalho de todas as fontes em um mesmo disco (originais intocados até o fim); um leitor de EXIF; uma ferramenta de checksum (sha256sum ou equivalente); a convenção de nomes de arquivo do artigo sobre nomenclatura. A lista de tags do ExifTool documenta DateTimeOriginal como a data e a hora em que a imagem original foi feita, CreateDate como o EXIF DateTimeDigitized e OffsetTimeOriginal como o fuso horário de DateTimeOriginal; esta última foi incorporada ao EXIF depois das outras duas e não existe em arquivos mais antigos.

Passos

1. Inventarie as fontes: para cada dispositivo, cartão, exportação de nuvem e exportação de chat, registre nome, intervalo de datas e número de arquivos antes de copiar.
2. Copie tudo para incoming/<source>/, preservando as datas dos arquivos, e grave em um arquivo, guardado junto com o acervo, uma lista SHA-256 de toda a árvore.
3. Duplicatas exatas: para cada hash com mais de um caminho, mantenha um (as cópias são idênticas byte a byte, então prefira o caminho que melhor registra a fonte) e mova os demais para duplicates/, com uma linha no log de remoções: hash, caminho mantido, caminhos removidos.
4. Datas: registre, por arquivo, de onde veio a data: DateTimeOriginal com OffsetTimeOriginal; DateTimeOriginal sem deslocamento (hora local de um fuso desconhecido); CreateDate; ou apenas a data do sistema de arquivos, que, em um arquivo recebido por aplicativo de mensagens, costuma ser o momento do download, não o da captura. Guarde a origem em uma coluna, não no nome do arquivo.
5. Renomeie e organize por ano e mês conforme a convenção de nomes, mantendo o nome original no inventário.
6. Quase-duplicatas: arquivos que diferem nos bytes mas mostram a mesma imagem (recodificados, redimensionados, capturas de tela) são encontrados agrupando por data e câmera e comparando a olho; marque o conjunto com um mesmo id de grupo e deixe todos os membros onde estão.
7. Escreva o inventário: uma linha por pasta, com intervalo de datas, quantidade e fontes, além de uma descrição da estrutura, como sugere a Library of Congress.
8. Mantenha ao menos duas cópias em locais diferentes; uma vez por ano, abra uma amostra de cada cópia e execute de novo a verificação de checksum, registrando data e resultado.

Resultado esperado

Um acervo em que datas, remoções e agrupamentos podem ser rastreados até uma linha de log, com uma verificação de integridade datada.

Limites e base de verificação

Método proposto; não se afirma nenhuma contagem nem taxa de falha. Um checksum encontra apenas arquivos idênticos byte a byte; a comparação visual é manual e subjetiva, por isso serve para sinalizar, não para apagar. Uma câmera com o relógio errado produz datas erradas, que a coluna de origem registra, mas não consegue corrigir.