コンテンツへスキップ
MIYA·AI·LAB / 生成AI 実機検証ログ LLM · Claude Code · MLX · Ollama
AI MiyaAILab_
  • // Lab
  • // 全記事
JA / EN
← Miya-Gadget
PC 生成AI

Claude Codeでファイル整理を自動化!散らかったフォルダを一瞬で整頓

2025年11月21日 · Shichinomiya
Claude Codeでファイル整理を自動化!散らかったフォルダを一瞬で整頓

Table of Contents

Toggle
  • Claude Codeでファイル整理を自動化!散らかったフォルダを一瞬で整頓
  • 今回作るもの:ファイル自動整理ツール
      • 主な機能
  • Claude Codeとの対話
  • 実装の流れ
      • 1. 整理対象フォルダの選択
      • 2. 自動分類の実行
      • 3. 処理結果の表示
      • 4. 重複ファイルの検出
  • 自動化の便利さを実感
      • 手作業との比較
      • カスタマイズも簡単
  • 使ってみた感想
      • 良かったところ
      • 改善したいところ
  • まとめ
    • Claude Code シリーズ記事一覧
  • あわせて読みたい

Claude Codeでファイル整理を自動化!散らかったフォルダを一瞬で整頓

こんにちは、七宮さん(@shichinomiya_s)です。

これまで天気予報アプリまで作ってきましたが、今回は「ファイル整理の自動化」に挑戦します。ダウンロードフォルダに溜まった大量のファイルを、種類ごとに自動で分類してくれるツールを作ってみました。

今回作るもの:ファイル自動整理ツール

主な機能

  • 拡張子別の自動分類:画像、動画、文書など種類ごとにフォルダ分け
  • 日付別の整理:作成日や更新日でフォルダを作成
  • 重複ファイルの検出:同じファイルを見つけて削除
  • ファイル名の一括リネーム:連番や日付を付けて整理
  • 定期実行:スケジュール設定で自動整理

Claude Code - ファイル整理ツール作成依頼

Claude Codeとの対話

「ダウンロードフォルダのファイルを自動で整理したい。拡張子ごとにフォルダ分けして欲しい」とClaude Codeにお願いしました。

Claude Codeは、Pythonのpathlibとshutilを使った実装を提案してくれました:

  • ファイルの拡張子を取得
  • 対応するフォルダを作成
  • ファイルを移動(または コピー)
  • 処理結果のレポート表示

実装の流れ

1. 整理対象フォルダの選択

整理したいフォルダを指定します。

フォルダ選択画面

2. 自動分類の実行

拡張子を解析して、ファイルを適切なフォルダに移動します。

ファイル整理中

分類されるカテゴリ:

  • 画像ファイル (.jpg, .png, .gif など)
  • 動画ファイル (.mp4, .avi, .mov など)
  • 文書ファイル (.pdf, .docx, .txt など)
  • 音楽ファイル (.mp3, .wav, .flac など)
  • 圧縮ファイル (.zip, .rar, .7z など)
  • その他

3. 処理結果の表示

整理されたファイル数と、各カテゴリの内訳を表示します。

整理結果

4. 重複ファイルの検出

ファイルのハッシュ値を計算して、同じ内容のファイルを検出します。

重複ファイル検出

自動化の便利さを実感

手作業との比較

100個以上のファイルを手動で整理すると30分以上かかりますが、このツールなら数秒で完了します。

カスタマイズも簡単

Claude Codeと対話しながら、自分好みの分類ルールを追加できます:

  • 特定のキーワードを含むファイル名で分類
  • ファイルサイズで分類
  • 作成者で分類

使ってみた感想

良かったところ

  • 時間の大幅な節約:整理作業がほぼ0秒に
  • ミスがない:手動だと間違えることもあるが、自動化で確実に
  • 定期実行で常に整理:溜まる前に自動で片付く
  • 重複ファイルの削減:ストレージの節約

改善したいところ

  • 機械学習でファイル内容を認識
  • クラウドストレージとの連携
  • GUIでの操作
  • アンドゥ機能

まとめ

Claude Codeを使って、ファイル整理の自動化ツールを作ることができました。

日常的に繰り返す作業を自動化することで、時間を大幅に節約できます。プログラミング初心者でも、Claude Codeと対話しながら進めることで、実用的な自動化ツールが作れることがわかりました。

次回は、さらに進んだ自動化に挑戦していきたいと思います。

それでは、また次の記事でお会いしましょう!

Claude Code シリーズ記事一覧

このシリーズでは、Claude Codeを使ったプログラミングをステップバイステップで解説しています。

  • Lv.1:使い方完全ガイド
  • Lv.2:初めてのプログラム
  • Lv.3:Todoリストアプリ
  • Lv.4:家計簿アプリ(基本編)
  • Lv.4.5:家計簿アプリ(スマホ対応)
  • Lv.5:価格自動監視ツール
  • Lv.6:天気予報アプリ(API連携)
  • Lv.7:ファイル整理の自動化(この記事)
  • Lv.8:PDFレポート自動生成
  • Lv.9:メール自動送信
  • 総まとめ:ブログシステム構築
  • 番外編:Windowsのnulファイル削除

あわせて読みたい

生成AI関連の検証ログはこちらもどうぞ。

  • 【検証】Tesla V100 32GBでローカルLLMはどこまで動く?Qwen 3.6実測ベンチマーク — 中古13万円でMoE 98.8 tok/s
  • 【検証】GTX 1080Tiで最新AI「Qwen 3.5」はどこまで動く?ローカルLLMベンチマーク
  • Claude Code Windows版で消せない「nul」ファイルを削除する方法
  • 【検証】M1 Pro / M1 MaxでローカルLLMベンチマーク!MLX vs Ollama、Qwen 2.5〜3.5を徹底比較
前の記事 Claude CodeでAPI連携!天気予報アプリを作ってみた
次の記事 Claude CodeでPDFレポート自動生成!データから綺麗な資料を作成

Related Posts

【検証】Qwen 3.6 をMacローカルで実測 — M1 Max 64GBでMoE 35Bは”27Bの3.7倍速”だった

【検証】Qwen 3.6 をMacローカルで実測 — M1 Max 64GBでMoE 35Bは”27Bの3.7倍速”だった

Claude Codeでメール自動送信!定型業務を完全自動化

Claude Codeでメール自動送信!定型業務を完全自動化

Claude Codeでタスク管理を楽にする!シンプルなTodoリストアプリを作ってみた

Claude Codeでタスク管理を楽にする!シンプルなTodoリストアプリを作ってみた

【検証】AIのAPI代は本当に減らせる?コンテキスト圧縮ツール「Headroom」を導入して実測してみた

【検証】AIのAPI代は本当に減らせる?コンテキスト圧縮ツール「Headroom」を導入して実測してみた

コメントを残す コメントをキャンセル

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

七宮さん

七宮さん

PC・ガジェット好きのブロガー。日々の発見を共有しています。

@shichinomiya_s

人気の記事

  • 【検証】Tesla V100 32GBでローカルLLMはどこまで動く?Qwen 3.6実測ベンチマーク — 中古13万円でMoE 98.8 tok/s
  • Claude Codeでタスク管理を楽にする!シンプルな家計簿アプリを作ってみた
  • 【検証】AIのAPI代は本当に減らせる?コンテキスト圧縮ツール「Headroom」を導入して実測してみた
  • Claude Codeでタスク管理を楽にする!スマホで動く家計簿アプリを作ってみた
  • 【検証】Qwen 3.6 をMacローカルで実測 — M1 Max 64GBでMoE 35Bは”27Bの3.7倍速”だった

カテゴリー

  • PC
  • おしらせ
  • おでかけ
  • ガジェット
  • レンタルサーバー・VPS
  • 回線
  • 家電
  • 旅行
  • 海外通販
  • 生成AI
  • 自転車
  • 車

MiyaAILab

話題の生成AIを実際に手元で検証する研究ログ。モデル・ツール・サービスを、ベンチマークから実用性まで自分で確かめて発信しています。

Lab

  • AI Lab トップ
  • 生成AI 全記事
  • ← Miya-Gadget 本体

Latest

  • 【徹底検証】Tesla V100 SXM2を2枚載せる「デュアルNVLink基板」の正体:約10万円でVRAM 64GB・300GB/s環境は実用になるか?
  • 【検証】RTX 4080 32GB改造品の実力:Qwen3.8-27Bの262K・125B MoE・MiniMax H3動画生成を実測レビュー
  • 【検証】Tesla V100 32GBでQwen3.8-27Bは動くか?128kコンテキストが1枚に載った実測ベンチマーク
  • 【検証】Tesla V100 32GBでローカルLLMはどこまで動く?Qwen 3.6実測ベンチマーク — 中古13万円でMoE 98.8 tok/s
© 2026 Miya AI Lab — a section of Miya-Gadget. miyagadget.page