这是一个用于跨平台文件预处理的轻量级 Python 工具，适用于任何需要整理文件名的场景。
主要解决从 macOS 系统拷贝、解压或上传文件到 Linux/Windows 服务器时常见的两个通用问题：
- 删除垃圾文件：自动清理 macOS 产生的
._开头的隐藏索引文件（AppleDouble files），以及.DS_Store系统文件，这些文件在非 Mac 系统中不仅无用，还常导致程序读取错误。 - 规范化命名：递归将文件名和文件夹名中的空格替换为下划线 (
_)，解决命令行工具、脚本批处理或代码读取文件时的路径解析报错问题。
在日常开发、数据分析或服务器运维中，文件命名规范至关重要。
- 空格的危害：许多命令行工具（如 Bash, Makefiles）和编程语言在处理带空格的路径时需要繁琐的转义。如果文件名包含空格，批量处理脚本往往会意外中断。
- macOS 的“幽灵”文件：macOS 文件系统会自动生成以
._开头的隐藏文件以及.DS_Store文件来存储元数据。当这些文件被传输到 Linux 服务器时，它们不仅占用 inode，还会被许多自动化程序误认为是有效数据文件（如误读为图片、文本或代码文件），从而引发UnicodeDecodeError或格式错误。
本工具最初为生物信息学数据清洗设计，但完全适用于任何需要批量规范文件结构的项目，如：
- 整理数据集 (Dataset Organization)
- Web 服务器文件上传预处理
- 代码仓库清理
- 批量归档文档
- 🛡️ 安全模式：支持
--dry-run预览模式，先看后改，防止误操作。 - 📝 日志记录：自动生成日志文件，记录每一个被删除或重命名的文件，支持自定义日志路径。
- 🌳 递归处理：自动遍历所有子文件夹，无论目录结构多深。
- 🔄 逻辑严谨：采用倒序遍历（Bottom-up），优先处理子文件，最后处理父目录，避免因父目录改名导致的子路径失效问题。
确保已安装 Python 3：
python3 --version下载 clean_files.py 到你的服务器或本地。
基本用法（日志保存在当前目录）：
python3 clean_files.py <你的目标文件夹路径>示例：清理一个包含文档和图片的目录
python3 clean_files.py ./my_project_assets指定日志文件位置：
python3 clean_files.py ./my_dataset --log /tmp/cleaning_record.log预览模式 (推荐首次运行时使用)： 如果你不敢确定会删掉什么，加上 --dry-run 参数，工具只会列出计划的操作而不执行：
python3 clean_files.py ./my_dataset --dry-run运行前：
my_project_assets/
├── .DS_Store <-- macOS 垃圾文件
├── ._Presentation Deck/ <-- macOS 垃圾隐藏文件
├── Presentation Deck/ <-- 带空格的目录
│ ├── ._image 01.png <-- macOS 垃圾隐藏文件
│ └── image 01.png <-- 带空格的文件
└── raw data/运行后：
my_project_assets/
├── Presentation_Deck/ <-- 目录空格已修复
│ └── image_01.png <-- 文件空格已修复，垃圾文件已删除
└── raw_data/ <-- 目录空格已修复日志输出示例：
2026-01-13 23:49:17,886 - INFO - [删除垃圾文件] .DS_Store
2026-01-13 23:49:17,886 - INFO - [删除垃圾文件] ._image 01.png
2026-01-13 23:49:17,886 - INFO - [重命名文件] image 01.png -> image_01.png
2026-01-13 23:49:17,886 - INFO - [重命名目录] Presentation Deck -> Presentation_DeckMIT License