O burrinho trabalhador: o que é e como funciona na prática
Muita gente procura esse termo achando que é algum programa novo ou uma ferramenta secreta. Não é. O o burrinho trabalhador é um conjunto de scripts em Python feitos para automatizar tarefas repetitivas de organização de arquivos, especialmente dentro de pastas com centenas de itens desordenados. O nome vem do bonequinho do projeto, mas o que importa é o que ele faz: varre uma pasta, classifica arquivos por extensão, data, tamanho, e move tudo para subpastas automáticas. Sem interface gráfica. Só terminal. Eu comecei a usar isso há uns dois anos quando precisei organizar mais de 14 mil fotos de uma câmera que eu não havia separado por data de exportação. Era tudo em uma única pasta com nomes tipo IMG_04821.jpg, IMG_04822.jpg, sem metadata configurada corretamente. O problema não era só mover — era fazer isso sem perder nada e sem depender de software pago.
Como instalar o o burrinho trabalhador
Você baixa os arquivos do repositório oficial no GitHub. O link direto não muda muito, mas às vezes o proprietário atualiza a URL. Procure por burrinho-trabalhador no GitHub mesmo. A instalação pede Python 3.8 ou superior. Se você tem Windows, vai precisar garantir que o Python está no PATH, senão o comando python burrinho.py simplesmente não encontra o interpretador. Eu levei meia hora só pra descobrir isso na primeira vez. Depois de clonar ou baixar o ZIP, extraia e entre na pasta do projeto. Rode pip install -r requirements.txt. Os requisitos são poucos: pathlib, shutil, datetime, e às vezes pillow se você for processar imagens. Nada pesado.
Configuração básica
O arquivo principal é o config.json ou config.py, dependendo da versão. Você define a pasta raiz, as regras de classificação e o diretório de saída. Eu costumo usar uma configuração assim: root: ~/Downloads
extensions: {".jpg": "fotos", ".pdf": "documentos", ".mp4": "videos"}
date_based: true
output: ~/Organizado
Isso quer dizer: pegue tudo que está em Downloads, separe fotos em uma pasta chamada "fotos", PDFs em "documentos", vídeos em "videos". Se date_based estiver ativo, ele cria subpastas por ano/mês dentro de cada categoria. Isso resolve metade dos problemas de organização que eu já vi.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Primeira execução e o problema que ninguém avisa
A primeira vez que eu rodrei o script, ele organizou 8 mil arquivos em cerca de 12 minutos. Parece rápido, mas teve um detalhe importante: arquivos duplicados. Eu tinha exportado as mesmas fotos duas vezes — uma pelo Lightroom e outra pelo Google Photos — e o burrinho tratou tudo como arquivo único. O resultado foram 14 pastas com o mesmo conteúdo, só que separadas. A solução foi rodar antes o módulo de detecção de duplicatas, que existe na versão mais recente. Ele usa hash MD5 pra comparar conteúdo, não nome. Eu rodei python dup_check.py --path ~/Downloads --deep e ele encontrou 3.247 arquivos duplicados em 8 minutos. Depois de remover as cópias, organizei com o script principal. O tempo total foi de 25 minutos pra algo que, manualmente, levaria pelo menos três dias.
Pegadinhas e limitações
Tem coisa que o o burrinho trabalhador não faz bem. Arquivos sem extensão são ignorados. Arquivos ocultos do sistema operacional podem causar erros se a permissão de leitura estiver travada. E se você tiver nomes de pastas com caracteres especiais, como acentos ou espaços, o script às vezes quebra na hora de criar subdiretórios — principalmente no macOS, onde o encoding do terminal pode interferir. Um problema real que eu enfrentei foi com arquivos .HEIC da Apple. O script original não reconhecia essa extensão. A workaround foi adicionar ".heic": "fotos" no config e instalar o pillow, que converte automaticamente na hora de ler os metadados. Sem isso, os arquivos ficavam soltos na raiz mesmo depois de rodar a organização.
Quando ele não funciona
Se você tiver uma pasta com milhões de arquivos, o burrinho trava. Ele carrega tudo na memória antes de processar. Já vi relatos de uso em pastas de servidores de log com 2 milhões de registros, e o processo simplesmente estourava a memória RAM. Nesses casos, o ideal é dividir o trabalho em lotes menores ou usar uma ferramenta como o find do Linux combinado com mv diretamente pelo shell. Não tem jeito de contornar isso sem refatorar o código. Também não serve pra arquivos criptografados ou protegidos por senha. Se o arquivo não puder ser lido, ele pula e gera um log de erro. O log fica em error_log.txt na pasta de saída. É bom dar uma olhada nele depois de cada execução.
Dica prática de configuração avançada
Se você quer organizar por data de modificação em vez de data de criação, mude a flag date_source no config pra mtime. Por padrão, ele usa ctime, que no Windows é a data de criação mas no Linux é a data de mudança de inode. Isso gera confusão quando você passa um disco entre sistemas diferentes. Eu descobri isso pela dor quando achei que minhas fotos de 2019 tinham sido organizadas como 2023.
Alternativas se o burrinho não resolver
Se o seu caso for simples — só separar por extensão — o próprio find + rename do Bash ou até o autoorganize do npm já resolvem. Se precisar de interface visual, o DropIt (Windows) ou o Folder Cleanr (macOS) fazem a mesma coisa com clique. O burrinho é útil principalmente quando você quer rodar como script, agendar via cron, ou integrar com outro pipeline automatizado. Não é overkill pra quem só quer colocar a mesa em ordem de vez em quando. O repositório continua ativo com atualizações esporádicas. O último commit relevante foi em meados de 2025, melhorando o suporte a arquivos grandes e corrigindo o bug de encoding em nomes com acentos. Vale a pena dar uma olhada antes de escrever o seu próprio script do zero, porque o que ele já faz é sólido.
