使用osxphotos导出iCloud照片库时的注意事项
2025-06-30 09:16:18作者:羿妍玫Ivan
在macOS系统中管理照片时,许多用户会选择将照片存储在iCloud照片库中。osxphotos作为一款强大的Python工具,可以帮助用户从Photos.app中导出照片。但在处理iCloud照片库时,可能会遇到一些特殊情况需要特别注意。
问题现象
当用户使用osxphotos导出命令时,可能会发现只导出了编辑后的照片及其XMP侧边文件,而原始照片未被导出。例如执行以下命令后:
osxphotos export /my/export/path --update --only-new --sidecar XMP --retry 3 --exportdb ./osxphotos_export.db
输出结果中只有类似这样的文件:
R0011949_s.jpeg.xmp
R0011949_s_edited.jpeg
R0011949_s_edited.jpeg.xmp
而缺少了原始照片文件R0011949_s.jpeg。
原因分析
这种情况通常发生在启用了iCloud照片库并开启了"优化Mac存储"选项的情况下。当启用此功能时:
- macOS会自动管理本地存储空间
- 原始照片可能只存储在iCloud云端
- 本地仅保留优化后的缩略图版本
- 编辑后的照片会完整保存在本地
因此,当osxphotos尝试导出时,会发现原始照片在本地不存在,导致无法导出原始文件。
解决方案
要解决这个问题,有以下几种方法:
-
下载缺失文件:使用
--download-missing参数强制从iCloud下载原始文件osxphotos export /my/export/path --download-missing --sidecar XMP -
仅导出本地可用文件:如果不想下载iCloud中的文件,可以使用
--skip-missing参数osxphotos export /my/export/path --skip-missing -
禁用优化存储:在系统设置中关闭"优化Mac存储"选项,确保所有原始文件都保存在本地
最佳实践建议
- 在导出前使用
--verbose参数查看详细日志,了解哪些文件无法导出 - 对于大型照片库,建议分批导出以避免网络问题
- 考虑使用
--exportdb参数维护导出数据库,提高后续增量导出的效率 - 如果主要需要编辑后的版本,可以使用
--skip-original参数简化导出过程
通过理解iCloud照片库的工作机制和osxphotos的相应参数,用户可以更有效地管理自己的照片导出需求。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
625
4.12 K
Ascend Extension for PyTorch
Python
464
554
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
930
801
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
871
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160