熟悉 “Python猫” 的读者应该知道，猫哥我发布的所有文章都使用了极具特色的配图——原创文章使用猫图，转载文章使用狗图，极少例外。另外注意：不管你是为了Python就业还是兴趣爱好，记住：项目开发经验永远是核心，如果你没有2020最新python入门到高级实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，里面很多新python教程项目，还可以跟老司机交流讨教！

这几天，我在用 Github page + hexo 搭建个人网站，为了延续风格，就想把配图与文章一起迁移过去。这时候就出现了一个难题：我所用的图片都是高清大图，放到网站上就严重拖慢了加载速度。因此，需要先把图片压缩，再上传。

我把需求概括如下：

• 需要批量压缩图片，现有大约 200 张，后会再增
• 是压缩，不是切割截取，不改变图片尺寸
• 原图片大部分是 10M - 30M，目标是压缩成 1M 以内，越小越好

按着这几条线索，我搜索“批量压缩图片”、“图片压缩工具“、”批量处理图片“......

一开始的想法是找轻量级的图片压缩工具，简单处理一下就好。然而不知是搜索的姿势不对，还是筛选过滤信息的姿势不对，结果都差强人气。

查找到的工具有本地与在线两类，可试验后都不太理想：有的软件下载后才发现是付费的，有的在使用时直接导致程序卡死，有的压缩率不够需要多次压缩，有的要求原始图片大小不能超过 5 M，有的要求批量处理数量不超过 20 张，有的不支持批量压缩......群内小伙伴还帮忙推荐了“PS+批处理”、acdsee、甚至手机应用 snapseed，都不合我意。

花了不少时间后，偶然看到有文章写用 Python 来压缩图片。一文惊醒梦中人，我怎么没想到呢？

先看看别人是怎么做的。这篇《如何用Python智能批量压缩图片？》（zhuanlan.zhihu.com/p/32246003）文章中介绍了使用 PIL 库的 Image 模块来压缩图片的方法，主要通过调节图片长宽数值的方式。

PIL 是个强大的图片处理库，但只支持 Python 2，而且早已停止更新。有开发者在它基础上改良并维护了 Pillow，支持 Python 3。之前有所耳闻，没用过。于是猫哥查了几篇教程和文档。读后发现它压缩图片的方法主要是等比例缩放、裁剪以及改变格式等，并非我所要的。

还看到一篇《如何在无损的情况下让图片变的更小》（juejin.im/post/5959fb…）文章，它介绍了 Yelp（美国最大点评网站）的三种优化图片的策略：Pillow、动态调优、更换编码器。有些方法很高大上，应该是业界先进经验了，但它希望保证图片无损，所有方法加起来才可以使图片大小平均减少 30%，因此并不满足我的要求。另外它引申介绍了几种方法，可是需要花费时间去研究，我也放弃了。

最后，终于找到了一种非常便捷，又十分满足的方案，下面开始进入正题了。（不要嫌我啰嗦，探索的过程也很有趣）（嘘，实际上是因为下面要介绍的方法太简单，才区区几行代码，我实在忍不住强行加戏......）

----------------小心翼翼的分割线---------------

Tinypng 网站提供在线图片压缩服务，是所有图片压缩工具中最好用的之一，但它有所限制：批量最多处理 20 张，且每张大小不允许超过 5 M。

 

 

这个网站非常良心，开放了免费的 API ，API 取消了每张大小的限制，只限定每个月处理 500 张图片。这对我来说，已经足足有余了。

下面介绍怎么使用它。第一步是在它网站上注册，获得专属的 API_KEY。使用的是邮箱注册，很简单。

然后是安装 package：

pip install --upgrade tinify
复制代码

 

 

接着是处理图片：

import tinify
import os

tinify.key = '此处填入你的key'
path = "C:\\Users\\yunpoyue\\Pictures\\cat" # 图片存放的路径

for dirpath, dirs, files in os.walk(path):
    for file in files:
        imgpath = os.path.join(dirpath, file)
        print("compressing ..."+ imgpath)
        tinify.from_file(imgpath).to_file(imgpath)
复制代码

不到 10 行代码，轻轻松松就批量压缩图片，简直不要太爽！20 M 的图片能压缩到 2 M，压缩率达到惊人的 90%，成绩喜人。

它的 API 还提供图片裁剪、加水印、保存压缩图片至云服务商（亚马逊云、谷歌云）等功能，非常强大。除了压缩过程有点慢，其它无可挑剔。

经过一番探索与比较，我确定这是目前的最优方案，最后注意：不管你是为了Python就业还是兴趣爱好，记住：项目开发经验永远是核心，如果你没有2020最新python入门到高级实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，里面很多新python教程项目，还可以跟老司机交流讨教！

本文的文字及图片来源于网络加上自己的想法,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。