import os
from PIL import Image
from tqdm import tqdm

def check_images(root_dir):
    broken_files = []
    for subdir, dirs, files in os.walk(root_dir):
        for file in tqdm(files):
            if file.lower().endswith(('.png', '.jpg', '.jpeg', '.tiff', '.bmp', '.gif')):
                file_path = os.path.join(subdir, file)
                try:
                    img = Image.open(file_path)  # 打开图像
                    img.verify()  # 验证图像完整性
                except (IOError, SyntaxError) as e:
                    print(f'损坏的文件: {file_path}')
                    broken_files.append(file_path)

    return broken_files

# 设置你的数据集目录
dataset_directory = 'path/to/your/dataset'  # 替换为你的数据集路径
broken_files = check_images(dataset_directory)

# 可选：将损坏的文件列表保存到文本文件中
with open('broken_files.txt', 'w') as file:
    for item in broken_files:
        file.write("%s\n" % item)

print(f'检查完成。发现 {len(broken_files)} 个损坏的文件。')

1. for subdir, dirs, files in os.walk(root_dir): – 这行代码使用 os.walk 函数遍历 root_dir 指定的根目录。os.walk 会生成一个三元组 (subdir, dirs, files)，其中：
   • subdir 是当前正在遍历的子目录的路径。
   • dirs 是该子目录中所有子目录的名称列表（这个例子中未使用）。
   • files 是该子目录中所有文件的名称列表。
2. for file in tqdm(files): – 这个循环遍历 files 列表中的每个文件名。tqdm 是一个进度条库，用于显示处理进度。
3. if file.lower().endswith(('.png', '.jpg', '.jpeg', '.tiff', '.bmp', '.gif')): – 这个条件判断当前文件名（转换为小写）是否以常见的图像文件扩展名结束。这确保了只有图像文件被进一步处理。
4. file_path = os.path.join(subdir, file) – 这行代码将子目录的路径和文件名组合成完整的文件路径。