Python3 批量提取视频时长：三种库的性能对比与实战选型-平芜编程栈

1. 为什么需要批量提取视频时长？

在数字媒体管理、内容审核或自动化视频处理的工作流中，批量获取视频时长是一个高频需求。比如：

媒体资产管理：整理海量视频素材时，需要统计每个文件的时长信息建立索引
内容审核：检查用户上传的视频是否满足时长要求（如短视频平台限制在60秒内）
自动化转码：根据视频长度预估转码所需资源和时间
数据分析：统计视频库的平均时长、分类时长分布等指标

手动用播放器查看每个视频的时长显然不现实。我最近接手的一个项目就需要处理3万多条用户上传视频，用Python脚本自动化提取时长后，处理时间从预估的40小时缩短到15分钟。

2. 三种主流技术方案对比

Python生态中有多个库可以获取视频时长，我们重点对比这三个最常用的方案：

方案	安装命令	优点	缺点
MoviePy	`pip install moviepy`	接口简单，功能丰富	速度较慢，依赖FFmpeg
OpenCV	`pip install opencv-python`	速度快，资源占用低	只支持基础视频属性
FFmpeg	`pip install ffmpeg-python`	专业级精度，格式支持广	需要单独安装FFmpeg二进制

实测在相同环境下处理100个MP4文件：

OpenCV平均耗时0.8秒/个
FFmpeg平均耗时1.2秒/个
MoviePy平均耗时3.5秒/个

3. MoviePy方案详解

MoviePy是我最推荐新手使用的方案，它的API设计非常人性化：

from moviepy.editor import VideoFileClip def get_duration(path): try: with VideoFileClip(path) as clip: return clip.duration except Exception as e: print(f"处理{path}出错: {str(e)}") return 0

优势场景：

需要同时获取其他视频属性（分辨率、帧率等）
后续还要进行视频剪辑、合并等操作
开发原型需要快速实现

避坑指南：

首次使用会自动下载FFmpeg，建议通过os.environ["IMAGEIO_FFMPEG_EXE"]指定本地FFmpeg路径
处理完成后务必调用clip.close()释放资源
对4K视频建议先创建低分辨率代理文件处理

4. OpenCV极速方案

OpenCV的cv2模块在纯时长提取场景下性能最优：

import cv2 def get_duration_opencv(path): cap = cv2.VideoCapture(path) if not cap.isOpened(): return 0 fps = cap.get(cv2.CAP_PROP_FPS) frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) cap.release() return round(frames / fps, 2) if fps > 0 else 0

性能优化技巧：

批量处理时重复使用VideoCapture对象
对网络存储的视频文件，先下载到本地再处理
多进程并行处理（注意GIL限制）

常见问题：

某些视频的FPS返回值可能是0，需要异常处理
HEVC编码的视频需要额外安装解码器
无法获取某些容器格式的精确时长

5. FFmpeg专业级方案

对于专业媒体处理需求，FFmpeg是最可靠的选择：

import subprocess import json def get_duration_ffmpeg(path): cmd = [ 'ffprobe', '-v', 'error', '-show_format', '-print_format', 'json', path ] result = subprocess.run(cmd, capture_output=True, text=True) metadata = json.loads(result.stdout) return float(metadata['format']['duration'])

进阶用法：