我最早开始写批量重命名脚本，是因为一个很现实的场景：某天下午要整理近千张实验采集图片，文件名全是一长串采集器自动生成的乱码编号，而下游分析脚本只认“日期-序号-通道”的命名格式。手工用文件管理器一个一个改，改到两百多个时眼睛已经花了，而且极容易改错。那时候我意识到，批量重命名根本不是“要不要写脚本”的问题，而是“用谁写脚本更快”的问题。后来我一直在用MATLAB来做这件事，因为它不是“专门的重命名软件”，你不需要额外装任何工具，只需要打开MATLAB，写十几行代码，就能把文件整理成任何你想要的样子。

这篇文章把我在实际项目里反复用过的几套批量重命名方案完整整理出来：从最简单的“按规则加序号”，到用正则表达式做复杂抽取、再配合Excel映射表让不写代码的人也能自定义命名，最后附上我踩过的坑和规避方法。适合那些手上有大量数据文件需要整理的研究生、工程师，也适合刚接触MATLAB、想用脚本替代手工文件操作的朋友。

1. 批量重命名这个需求，为什么我推荐用MATLAB

1.1 随手可得的执行环境，不需要额外安装工具

很多人一想到批量重命名，第一反应是去找各种第三方工具：下载一个“批量改名神器”、装一个文件管理增强插件。这类工具确实有，但有几个绕不开的问题：一是安全，你不知道从网上下载的绿色版小工具里包了什么；二是平台限制，Windows下好用的工具到macOS或Linux下可能完全不兼容；三是规则僵化，免费版往往只支持最简单的加序号、替换字符串，一旦遇到“按日期重排”“从文件名里提取信息再组合”这种稍微复杂一点的规则，就得升级付费。

相比之下，MATLAB几乎是所有科研和工程环境里默认存在的软件。你的电脑上有MATLAB，大概率就装了解释器，不需要为了改几个文件名再去找别的软件。更重要的是，用MATLAB写重命名脚本，本质上是在用“代码”的方式操作文件系统，它可以对接后续的数据导入、分析、绘图流程，不需要把文件名手工抄一遍再粘到别的工具里。也就是说，批量重命名只是整个数据处理流水线里的一小步，而不是一个孤立的需求。这也是我推荐用MATLAB的核心原因——它把“整理文件名”和“处理文件内容”这两件事放在同一个环境里完成了。

1.2 重命名不是目的，整理数据管道才是

在实际项目里，批量重命名很少是“单纯觉得文件名不好看”才做的。我遇到的最多的需求有三类：

第一类，下游脚本或分析软件有严格的命名要求。比如某个分析工具要求文件名必须是“日期_编号_通道”的格式，否则识别不了。这时候重命名就是为了让数据能被工具读取。

第二类，文件需要按特定顺序进入处理流程。很多采集设备生成的文件名是按内部序号来的，但排序方式和你希望的“时间先后”并不一致，比如文件名里带时间戳，但时间戳格式不一致，导致文件管理器排序混乱。

第三类，多人协作时需要统一文件命名规范。一个课题组里不同人提交的数据文件名五花八门，有人用拼音缩写，有人用日期，有人用测试编号，整理合并前必须先统一成一个标准格式。

这三种需求在MATLAB里都有固定的解决套路：先用dir函数把文件列表读进来，再用字符串处理函数（sprintf、regexprep、datestr系列）生成新文件名，最后用movefile执行真正的改名操作。掌握了这三板斧，绝大多数批量重命名需求都能覆盖。

1.3 MATLAB重命名三件套函数

在进入实战之前，先把最基础的三个函数说清楚：

• dir：列出文件夹下的文件和文件夹信息，返回一个结构体数组，包含name、folder、date、bytes、isdir等字段。核心是name，也就是当前文件名。
• fullfile：拼接文件路径，能自动处理不同操作系统下的路径分隔符。Windows下是反斜杠，macOS和Linux下是正斜杠，用fullfile就完全不用管这个差异。
• movefile：移动文件或重命名文件，语法是movefile(源路径, 目标路径)。当目标路径和源路径在同一个目录下、只是文件名不同的时候，实现的就是重命名。

这三个函数单独说都很简单，但组合起来能做的事情非常多。我见过很多人卡在批量重命名上，其实不是不会写代码，而是没搞明白“先用dir拿到文件列表，然后逐个拼新名字，最后再统一改名”这个流程。一旦理解了这套流程，剩下的事情就是补充字符串处理细节。

2. 动手前先拆解：重命名任务的四种常见类型

写脚本之前不要急着打开编辑器，先把需求拆清楚。我把批量重命名分成四种基本类型，90%以上的需求都能归到某一类或者某几类的组合。

2.1 规则加序号型（最普适）

这种需求最常见：把一批文件统一改成“前缀_001”这种带序号的格式。比如一堆无规律命名的.csv文件，希望改成data_001.csv、data_002.csv。

难点不在加序号，在于加序号的顺序应该和什么对应。如果是按文件管理器里的排序来加序号，那直接按dir返回的顺序就行；如果是按文件的修改时间加序号，那必须先按date字段排序；如果是按文件名里隐含的信息（比如采集时间）来排，那就得先解析文件名。这一步没想清楚，后面的序号很可能不是你想要的。

2.2 日期/时间戳型（实验采集数据常用）

很多采集设备生成的文件名直接就是时间戳，比如20240715_143022.jpg，或者更乱的IMG_20240715_143022.jpg。这类文件往往需要把时间戳提取出来，重组成统一的格式，甚至加上额外的信息，比如实验编号、通道名称。

处理这类需求的核心在于日期字符串解析和格式化。MATLAB里有datetime函数族，比老的datenum/datestr更直观。用datetime解析原始文件名里的时间信息，再格式化成想要的结构，就能组合出新的文件名。

2.3 内容提取重组型（从文件名本身提取信息）

文件名往往本身就携带了有用的信息，比如采集参数、样本编号、测量位置。需求是把这些信息拆出来，按新的顺序重组。

举个具体例子：原始文件名是S01_T30_Left_001.csv，意思是样本1、温度30度、左侧、第1次测量。你想把它改成2024_实验A_S01_温度30_第001次.csv，这时候就需要把原始文件名按分隔符切分，提取对应的字段，再拼接。MATLAB里可以用split、strsplit、或者正则表达式的捕获组来完成。

2.4 对照表映射型（自定义新旧名映射）

有些场景下，新旧文件的对应关系完全没法用规则推导。比如你收到一批数据，配套的说明文档里标明“文件A对应样品1，文件B对应样品2”，你需要按这份对应关系改名。

这种需求适合用Excel或CSV表格做映射表：第一列是旧文件名，第二列是新文件名。MATLAB里用readtable读入表格，然后逐行查找文件、执行改名。这样做的好处是规则完全外置，整理表格的人甚至可以不懂任何技术，只要会把文件名列出来就行。

四种类型往往组合出现。比如“日期/时间戳型”可能同时要加序号，“内容提取重组型”可能配合映射表使用。拆解清楚之后，代码怎么写就清晰了。

3. 核心实战一：dir函数取文件清单，按规律拼接新文件名

3.1 第一版脚本：循环 + sprintf + movefile

先上一个最基础的完整脚本，场景是把当前文件夹下的所有.png图片统一改成fig_001.png、fig_002.png……：

% 获取当前文件夹下所有PNG文件 fileList = dir('*.png'); for i = 1:length(fileList) oldName = fileList(i).name; % 生成新文件名：图编号，3位序号自动补零 newName = sprintf('fig_%03d.png', i); if ~strcmp(oldName, newName) movefile(oldName, newName); end end

这个脚本非常短，但对于第一次接触批量重命名的读者来说，每一行都值得细看：

• dir('*.png')返回的是当前工作目录下所有后缀为.png的文件。注意dir匹配的是文件名模式，返回结果里会包含隐藏文件吗？不会，.和..代表当前目录和父目录，只在dir不带参数或带路径参数时出现，带*.png这种模式时不会出现。
• sprintf('fig_%03d.png', i)，其中%03d表示把整数格式化为至少3位的十进制数，不足补零。i=1时生成fig_001.png，i=12时生成fig_012.png，i=123时生成fig_123.png。
• strcmp(oldName, newName)是判断新旧名字是否相同。很多人在第一次写脚本时不加这个判断，结果在重复运行脚本时，已经改好名的文件会被再改一遍。加上这个判断，只要新旧文件名相同就跳过，避免了二次改名的混乱。
• movefile(oldName, newName)是在当前目录下“移动”文件，因为目标名和源名在同一个目录，实际效果就是重命名。

这个脚本跑完之后，当前目录下所有PNG文件就变成了整齐的fig_001.png到fig_NNN.png。核心思想就一句话：循环读出旧名字、生成新名字、执行改名。

3.2 序号补零与文件名排序陷阱

如果只是重命名后“看起来整齐”，补零不补零无所谓。但如果你要后续按顺序读取这些文件，排序问题马上就会暴露出来：文件管理器排序时，fig_10.png会排在fig_9.png前面，因为它是按字符逐位比较的，1在9前面。所以序号补零不是美观问题，是排序正确性问题。

一般建议补零至少到3位，如果文件超过1000个，就用%04d；超过10000个，就用%05d。或者直接用num2str配合zeros补零，但sprintf更简洁。

还有一个很容易被忽视的问题：dir返回的文件顺序，默认是按文件名排序的，但到底是按什么排序规则？在Windows下是忽略大小写按字母序，在类Unix下是区分大小写按字母序。如果你的原始文件名本身就带着数字编号，但编号格式不统一（比如file_1.txt和file_10.txt同时存在），此时直接按dir返回顺序加新序号，得到的新序号很可能不是你以为的顺序。

举例说明：假设目录下原始文件名是file_2.txt、file_10.txt、file_1.txt。在Windows下，dir返回的顺序大概率是file_1.txt、file_10.txt、file_2.txt（因为按字符比较file_1<file_10<file_2）。如果你直接循环加序号new_001、new_002、new_003，那么原来编号为10的文件会变成new_002，而原来编号为2的文件会变成new_003。这显然不是你想要的结果。

正确的做法是：先从原始文件名里解析出数字字段，按数字大小排序，再按排序后的顺序生成新序号。示例代码如下：

fileList = dir('file_*.txt'); % 提取每个文件名中的数字编号 numArray = zeros(length(fileList), 1); for i = 1:length(fileList) tok = regexp(fileList(i).name, 'file_(\d+)\.txt', 'tokens'); numArray(i) = str2double(tok{1}{1}); end % 按数字编号排序，获取排序后的索引 [~, sortIdx] = sort(numArray); % 按排序后的顺序进行重命名 for j = 1:length(sortIdx) oldName = fileList(sortIdx(j)).name; newName = sprintf('new_%03d.txt', j); movefile(oldName, newName); end

这里的regexp是从文件名中提取数字的常用方法，稍后会详细讲解正则表达式的用法。先记住这个坑：批量加序号前，先想清楚“序号顺序”的参考依据是什么。如果按文件名字符序，直接遍历dir；如果按文件名的数字编号，必须先解析排序。

3.3 批量处理时的dry-run检查

在真正执行movefile之前，我强烈建议先做一次“模拟运行”。也就是把新旧文件名的对应关系打印出来，逐一检查，确认无误后再真正改名。

最简单的模拟运行方式是，把movefile那行注释掉，改成一个fprintf打印，或者用一个标志变量控制：

doRename = false; % 改成 true 才真正执行改名 fileList = dir('*.png'); for i = 1:length(fileList) oldName = fileList(i).name; newName = sprintf('fig_%03d.png', i); if strcmp(oldName, newName) continue; end if doRename movefile(oldName, newName); else fprintf('将会把 %s 改名为 %s\n', oldName, newName); end end

这个习惯帮我避免过好几次灾难。有一次我在脚本里把新文件名格式写错了，比如多打了一个空格、少打了一个下划线，如果直接执行，一批文件就全改错了。而且文件改名不像代码报错，很多时候改错了没有立即报错，而是等你发现的时候，已经不知道原始名字是什么了。所以dry-run这一步，实实在在能救命。

尤其是当你要处理几百个文件的时候，肉眼看一遍打印出来的新旧对应关系，代价很低，收益却极高。

4. 核心实战二：正则表达式批量处理，搞定复杂命名规则

4.1 regexprep函数的基本用法

当文件名模式比较统一，只是需要局部替换或提取时，正则表达式是最有力的工具。MATLAB里最常用的两个函数是：

• regexp：查找匹配的字符串，返回匹配位置或匹配内容。
• regexprep：查找匹配的字符串，并用新内容替换。

先看一个最简单的例子。有一批文件名是data_old_001.txt、data_old_002.txt，想把中间的old全部改成new：

newName = regexprep(oldName, 'old', 'new');

这本质上是字符串替换，比strrep强的地方在于支持模式匹配。比如你想把data_old_001.txt变成data_new_001.txt，但“old”和“new”之间可能有不同的数字：

newName = regexprep(oldName, 'data_old_(\d+)\.txt', 'data_new_$1.txt');

这里的(\d+)是捕获组，把一位或多位数字捕获下来，$1表示第一个捕获组的内容。这样不管后面跟的是001还是42，都能保留原来的数字编号。

4.2 一个真实场景：相机图片EXIF时间戳重命名

我用正则表达式处理过的最典型的场景，是把相机导出的图片按拍摄时间重新命名。相机生成的文件名是IMG_2024XXXX_XXXXXX.jpg这种格式（具体格式看相机品牌），但除了文件名里的时间，还需要根据同一批文件里的某个规律，加上顺序号或分组信息。

假设文件名里已经包含了日期和时间，格式是IMG_20240715_143022.jpg，表示2024年7月15日14点30分22秒。你想重命名成2024-07-15_143022.jpg。正则表达式写法如下：

fileList = dir('IMG_*.jpg'); for i = 1:length(fileList) oldName = fileList(i).name; newName = regexprep(oldName, '^IMG_(\d{4})(\d{2})(\d{2})_(\d{6})\.jpg$', '$1-$2-$3_$4.jpg'); if ~strcmp(oldName, newName) movefile(oldName, newName); end end

这里的正则表达式拆开看：

• ^IMG_：匹配以IMG_开头的字符串，^是行首锚点。
• (\d{4})：捕获4位数字，也就是年份。
• (\d{2})：捕获2位数字，月份。
• (\d{2})：捕获2位数字，日期。
• _(\d{6})：下划线后捕获6位数字，也就是时分秒。
• \.jpg$：匹配.jpg结尾，\.转义点号，$是行尾锚点。

于是IMG_20240715_143022.jpg就被替换成2024-07-15_143022.jpg。整个过程干净利落。

4.3 正则表达式的调试技巧

正则表达式难写也难调试，我调试正则表达式的经验是：不要直接在批量脚本里调试，先在一个小样本上单独验证。具体做法是拿一两个文件名，用regexp命令在命令行窗口测试匹配效果，确认无误后再套到批量循环里。

另外推荐一个非常实用的函数：regexp的运行结果是cell数组，可以直接在命令行窗口显示，方便确认匹配结果。还可以用tokens和'once'选项来控制输出：

tok = regexp('IMG_20240715_143022.jpg', '^IMG_(\d{4})(\d{2})(\d{2})_(\d{6})\.jpg$', 'tokens', 'once'); % tok 是一个 1x4 的 cell: {'2024'} {'07'} {'15'} {'143022'}

有了捕获组，你可以灵活组合，不一定要全部依赖regexprep的替换模式。捕获组拿到之后，用[tok{1}, '-', tok{2}]这种方式拼新名字，在逻辑上更直观，也更容易调试。

4.4 不匹配文件的兜底处理

批量处理时，经常会有一小部分文件因为命名不规范而匹配不上正则表达式。如果不加处理，程序会继续运行但该文件被跳过，或者直接报错。为避免这两种情况，我一般会在循环里加一个判断：

newName = regexprep(oldName, '^IMG_(\d{4})(\d{2})(\d{2})_(\d{6})\.jpg$', '$1-$2-$3_$4.jpg'); if strcmp(oldName, newName) % 正则不匹配时，regexprep返回原字符串，即新旧名字相同 warning('未匹配到规则，跳过文件: %s', oldName); continue; end

通过判断“新旧名字是否相同”来识别“正则表达式是否匹配成功”，这个技巧非常好用。因为regexprep在无匹配时直接返回原字符串，所以新旧名字相同就意味着本次替换没有生效。此时跳过该文件并打印警告，最后再单独处理这些未匹配文件，比让脚本直接崩溃要好得多。

5. 进阶技巧：用Excel表格让“不懂MATLAB的人”也能自定义批量重命名

5.1 场景描述

很多情况下，批量重命名的“规则”不在代码里，而在人的脑子里。比如课题组今天开会确定了新的文件命名规范，负责整理数据的人可能一点MATLAB都不懂，但会用Excel。

这时候最优雅的方案不是让你的同事学MATLAB，而是让他维护一个两列的CSV或Excel表：第一列是旧文件名，第二列是新文件名。你只需要写一个固定的读取脚本，以后无论规则怎么变，只需要改Excel，不用改代码。

5.2 readtable + 逐行重命名

假设映射表是rename_map.csv，包含两列OldName和NewName，脚本如下：

% 读取映射表 T = readtable('rename_map.csv', 'TextType', 'string'); % 检查关键列是否存在 assert(ismember('OldName', T.Properties.VariableNames), '缺少 OldName 列'); assert(ismember('NewName', T.Properties.VariableNames), '缺少 NewName 列'); % 逐行执行 failureCount = 0; for i = 1:height(T) oldName = char(T.OldName(i)); newName = char(T.NewName(i)); % 检查文件是否存在 if ~isfile(oldName) warning('文件不存在: %s', oldName); failureCount = failureCount + 1; continue; end % 检查同名替换是否会导致冲突（目标文件已存在且不是同一个文件） if isfile(newName) && ~strcmp(oldName, newName) warning('目标文件已存在，跳过: %s -> %s', oldName, newName); failureCount = failureCount + 1; continue; end % 执行改名 if ~strcmp(oldName, newName) movefile(oldName, newName); end end

这个方案里有几个细节值得注意：

• readtable(..., 'TextType', 'string')是让文本列以字符串类型读入，后面的char转换是为了兼容旧版本代码。
• isfile判断文件是否真实存在，避免因为抄错了文件名导致movefile报错。
• isfile(newName)判断目标文件是否已存在。如果不加这个判断，当新文件名恰好和目录下另一个已有文件重名时，movefile会直接覆盖那个文件，这是非常危险的。文件覆盖是不可逆操作，一定要先检查目标是否存在。
• 如果oldName和newName相同，说明该行无需处理，跳过即可。

5.3 数据校验与冲突检查

基于Excel映射表的方案虽然方便，但有个隐患：如果映射表里新旧文件名有重复或者交叉引用，执行起来可能出大问题。

比如第3行把a.txt改成b.txt，而第5行又把b.txt改成c.txt。如果脚本按行顺序执行，先执行第3行，此时b.txt已经被创建；再执行第5行时，b.txt被改成c.txt。最后的结果是a.txt变成了c.txt，这可能是期望的，也可能不是——取决于表格编制者的意图。但如果是反过来写的，先有第5行b.txt -> c.txt，后有第3行a.txt -> b.txt，结果是a.txt -> b.txt -> c.txt，最终a.txt还是变成了c.txt，但中间过渡状态会导致第5行先找不到b.txt而报错。

更稳健的做法是，在真正改名之前先全局检查一遍映射关系是否存在循环引用。简单的处理方式：对于每一行的oldName，检查它是否是其他行的newName。如果是，就要特别注意执行顺序，或者干脆用“先生成临时文件名、再统一改”的两阶段法。

两阶段法的思路是：第一步把所有oldName先改成临时名（比如加前缀tmp_），第二步再把临时名改成真正的newName。这样完全避免了“中间文件名被占用”的冲突。代价是文件会经历两个中间状态，如果中途断电或脚本中断，会留下一些临时文件，需要手动清理。一般来说，数据量不大且规则不复杂时，这个方案更安全。

5.4 这个方案的适用边界

用Excel映射表的方案适合数据量几十到几百个文件、且新旧文件名的对应关系不规则、需要人逐条确认的场景。如果文件数量成千上万，人工编表不现实，还是需要用规则型脚本。

另外需要提醒的是，映射表最好用CSV格式而不是.xlsx，因为CSV没有格式、没有宏、打开方式更多，任何文本编辑器都能看，兼容性好得多。如果真的要用Excel编辑，另存为CSV格式即可。

6. 我在这个过程中踩过的坑和规避方案

踩坑是学习的一部分。这里分享几个我在批量重命名实战中真实撞过的坑，有些是技术问题，有些是操作习惯问题，但都很典型。

6.1 修改.m文件的坑

MATLAB脚本本身也是.m文件，如果你用上面说的dir('*.m')去扫描当前目录，那么正在运行的这个脚本文件自己也会被匹配到。如果你运行脚本时，脚本所在文件夹就是当前工作目录，脚本就会把自身也列入待改名列表。

更麻烦的是，如果脚本正在被MATLAB运行，MATLAB通常不允许脚本自身被移动或删除，会报错“文件正在使用”。但有一种更隐蔽的情况：你在命令行运行脚本，脚本扫描到了自己的文件名，然后试图改名，有可能在MATLAB的文件锁定机制还没生效时执行成功，结果你的脚本文件改名了，但代码内容还是那些代码，只是文件名变了，下次就找不到这个脚本了。

规避方法很简单：在dir的匹配模式里排除自己，或者把脚本放在文件夹的父目录，再或者只匹配你关心的文件类型，比如明确匹配数据文件后缀。我一般习惯在脚本开头定义工作目录，并且只用明确的扩展名过滤，尽量不写裸的dir('*')。

6.2 中文文件名在macOS/Windows下的编码差异

很多实验数据文件名里包含中文。这些文件在Windows和macOS之间拷贝后，中文文件名可能会显示成乱码，或者脚本读不到。

MATLAB在新版本里对Unicode支持已经比较好了，但如果你使用dir和movefile处理中文文件名，在旧版本或某些中文许可环境下仍然会遇到编码问题。实测下来最稳的建议是：重命名前先把文件名统一转成英文/拼音/数字格式，尽量避免在脚本里处理中文字符串。如果非要处理中文文件名，建议在脚本开头加：

feature('DefaultCharacterSet', 'UTF8');

这个命令能缓解一部分中文乱码问题，但不能完全保证跨平台一致性。最根本的方案还是在新文件名里不使用中文字符。这种约束通常在命名规范阶段就应该定好，而不是等脚本写完了再补救。

6.3 循环中修改dir结构体数组的隐性问题

有人会把dir的结果先存成一个结构体数组，然后一边循环一边改文件名，还一边往这个结构体数组里添加新记录。这在MATLAB里是可以工作的，但有性能隐患：在循环中反复修改结构体数组会导致内存重分配，文件多的时候会越来越慢。

更值得小心的是，如果循环内调用了dir来重新扫描目录（比如每改一个文件就刷新一次列表），那循环变量和文件列表之间的关系就会被打乱，因为文件列表本身在修改。见过有些人写了双重循环，外层遍历原始文件列表，内层每次重新dir，结果同一个文件被改名两次，或者新生成的文件被当成新目标再次处理。正确做法是：所有逻辑基于一份固定的“快照”列表，批量重命名过程中不要重新扫描目录。

6.4 文件占用与被打开的Excel问题

这是非常“贴近实际工作”的一个坑：Windows下如果某个文件正被Excel、Word或图片查看器打开，movefile会报错“权限不允许”，因为文件被其他进程锁定。

规避方案很简单：执行批量重命名前，先关闭所有可能占用目标文件的软件窗口。如果脚本跑到一半报错，先关掉占用程序，再重新运行脚本。但如果脚本已经把一部分文件改好名了，重新运行时要确保脚本逻辑是“幂等”的，也就是重复运行结果一致——这就是之前强调的要加strcmp(oldName, newName)判断的原因。

在脚本里也可以用try...catch把单个文件的错误捕获下来，记录下来继续处理后面的文件：

for i = 1:length(fileList) try movefile(fileList(i).name, newName); catch ME warning('文件 %s 改名失败: %s', fileList(i).name, ME.message); failedFiles = [failedFiles; fileList(i).name]; %#ok end end

这样即使有几个文件因为占用等原因失败了，脚本也能跑完，你最后只需要处理失败清单里的文件，效率高很多。

7. 想进一步偷懒，可以这样扩展现有脚本

7.1 加个图形界面

如果批量重命名是你的高频操作，每次打开MATLAB输入命令、改文件路径、改规则很麻烦。你可以把脚本封装成一个带简单图形界面的工具。MATLAB自带的uigetdir和uigetfile对话框能大大简化路径选择操作。

我自己常用的做法是：写一个主脚本，开头先弹出一个文件夹选择对话框，然后用dir扫描该文件夹，再把重命名规则写死成几个预置选项。比如在命令行窗口显示菜单：

disp('请选择重命名方式:'); disp('1. 添加前缀'); disp('2. 添加序号'); disp('3. 正则替换'); disp('4. Excel映射表'); choice = input('请输入数字: ');

然后根据用户的选择，走对应的分支。这样即使过了几个月再回来用，也不需要重新回忆代码逻辑。把常用操作固化成一个工具脚本，是提高效率最直接的方式。

7.2 与数据导入流程打通

批量重命名的终点往往不是“文件名变好看了”，而是“文件名能被下游流程正确识别”。所以一个很自然的扩展，是在重命名之后紧接着做数据导入。

比如重命名完成后，直接生成一个清单文件，记录新旧文件名的对应关系，方便回溯。这个清单本身也可以用CSV保存：

T = table(OldNames, NewNames, 'VariableNames', {'OldName', 'NewName'}); writetable(T, 'rename_log.csv');

保留一份改名日志非常有用，尤其是在处理实验数据时。万一某一天下游分析需要原始文件名，你能从日志里查回来。这种“重命名日志”我之前不太在意，后来有一次需要回溯某个数据的采集源头，翻日志找到对应关系，才意识到这个习惯有多重要。

7.3 定时任务/目录监控

有一些场景需要定期对新放入文件夹的文件执行重命名，比如扫描仪每天生成一批带日期的图片，希望它们自动进入统一命名体系。这时可以把重命名脚本封装成一个函数，然后用MATLAB的timer或操作系统的定时任务来自动调用。

MATLAB的timer用法很简单，但更多时候我是把脚本保存成.m文件，然后用操作系统的计划任务在固定时间用matlab -batch命令运行。这样服务器或实验室电脑就能自动完成每天的文件整理，不需要人工干预。

我自己还有一个很喜欢的用法：把重命名脚本和后续的数据分析脚本串在一个主脚本里，一键跑完“整理文件-读取数据-生成结果”的完整流程。写论文时尤其方便，不用每次手工整理数据，直接一键产出全部图表。这种感觉，一旦体验过就很难回去了。

说到底，批量重命名不是难事，真正提升效率的是把“改名”嵌入到数据处理习惯里。用MATLAB做这件事，最大的好处是可以顺着自己的数据流程走，用同一个工具解决前后所有问题。你现在就可以打开MATLAB，拿一个不重要的测试文件夹，先跑一遍dry-run熟悉一下流程，然后把这套操作变成自己日常数据管理的一部分。