在现代社会中，图片已经成为人们生活中不可或缺的一部分，在很多应用中，我们需要处理大量的图片文件，并且常常需要将它们进行压缩以减小文件大小，提高加载速度，

如何使用Python的多线程功能来批量压缩图片文件，并通过一个简单的实例代码展示了具体的操作步骤。通过并发处理，可以提高图片压缩的效率，节省时间，在实际项目中，可以根据需要调整线程数量和优化压缩算法，以达到更好的性能和用户体验。

在开始之前，我们需要安装Pillow库，它是Python中处理图片的库；

可以通过以下命令使用pip进行安装：

pip install Pillow

下面是完整的 Python 代码：

import os
from PIL import Image
from concurrent.futures import ThreadPoolExecutor
import threading# 全局变量和锁用于跟踪处理的图像数量
processed_images_count = 0
processed_images_lock = threading.Lock()def is_image_file(file):try:with Image.open(file) as img:return img.format in ['JPEG', 'PNG', 'BMP', 'GIF', 'TIFF']except IOError as e:print(f"无法打开图像文件 {file}: {e}")  # 打印错误信息和文件路径return Falsedef compress_image(input_file):global processed_images_countprint(f"正在处理图像: {input_file}")  # 添加了调试信息try:# 打开图像文件with Image.open(input_file) as img:# 获取图像的格式file_format = img.format# 保存压缩后的图像img.save(input_file, format=file_format, optimize=True)print(f"已压缩图像: {input_file}")  # 添加了调试信息except Exception as e:  # 捕获所有异常print(f"压缩图像时发生错误 {input_file}: {e}")  # 打印错误信息和文件路径# 更新已处理图像的计数器with processed_images_lock:processed_images_count += 1print(f"已成功压缩 {processed_images_count} 张图像: {input_file}")def compress_images_in_folders(thread_count):image_files = []# 遍历文件夹，找到所有图像文件for root, _, files in os.walk(os.getcwd()):print(f"正在访问文件夹: {root}")  # 打印正在访问的文件夹for file in files:input_file = os.path.join(root, file)# 检查文件扩展名_, ext = os.path.splitext(input_file)if ext.lower() in ['.jpg', '.jpeg', '.png', '.bmp', '.gif', '.tiff']:if is_image_file(input_file):image_files.append(input_file)# 使用线程池进行图像压缩with ThreadPoolExecutor(max_workers=thread_count) as executor:executor.map(compress_image, image_files)if __name__ == "__main__":thread_count = 32  # 固定线程数量为32print(f"使用 {thread_count} 个线程进行图像压缩")compress_images_in_folders(thread_count)