用 Python 批量校验商品图片尺寸：Pillow 读图与超标清单实战

一、先说场景

做亚马逊和独立站上架，图片尺寸是最容易在最后一刻翻车的环节：主图要求长边不小于 1000 像素、最好是正方形；详情图宽度不够会糊；还有个别从供应商处拿到的图本身就是损坏的，传上去才报错。

人工一张张点开看属性，几十款、每款十几张图的时候根本看不过来。这件事交给脚本做最合适：规则是死的，图是多的，正好批量处理。

二、规则先定死

动手写代码之前，先把判定规则写下来，免得边写边改：

第一，主图：长边小于 1000 像素判偏小；长宽比偏离 1:1 超过 5% 判比例失调。

第二，详情图：宽度小于 750 像素判偏小。

第三，文件本身：打不开、读一半报错的判损坏，不管尺寸。

第四，模式：非 RGB 的图（比如 CMYK 的 JPG、带透明通道的 PNG）单独标出来，因为有些平台上传后颜色会变。

规则定死之后，代码只负责执行，不做判断，出了问题也好回溯。

三、核心代码

只用 Pillow 一个库。先装好：

pip install Pillow

然后按这个思路写：

from PIL import Image

from pathlib import Path

import csv

def check_one(path):

    try:

        with Image.open(path) as im:

            im.verify()

        with Image.open(path) as im:

            w, h = im.size

            mode = im.mode

    except Exception as e:

        return ('损坏', 0, 0, '', str(e)[:60])

    return ('待判定', w, h, mode, '')

注意这里 open 了两次：第一次 verify 只校验文件结构不解码，速度快，损坏文件在这里就拦住了；第二次才真正读尺寸和模式。verify 之后图片对象不能再用，所以要重新 open。

判定函数单独写：

def judge(kind, w, h, mode):

    if kind == '主图':

        if max(w, h) < 1000:

            return '偏小'

        ratio = max(w, h) / min(w, h)

        if ratio > 1.05:

            return '比例失调'

    else:

        if w < 750:

            return '偏小'

    if mode not in ('RGB', 'RGBA'):

        return '模式异常'

    return '合格'

主目录按款号分文件夹时，用文件夹名判断主图还是详情图，比如文件夹名含「主图」的走主图规则，其余走详情图规则。

最后把结果写进 CSV：

rows = []

for p in Path('商品图').rglob('*.[jJ][pP][gG]'):

    status, w, h, mode, err = check_one(p)

    if status == '损坏':

        rows.append([str(p), '损坏', w, h, mode, err])

        continue

    kind = '主图' if '主图' in str(p) else '详情图'

    rows.append([str(p), judge(kind, w, h, mode), w, h, mode, ''])

with open('尺寸校验清单.csv', 'w', newline='', encoding='utf-8-sig') as f:

    wtr = csv.writer(f)

    wtr.writerow(['文件', '结论', '宽', '高', '模式', '备注'])

    wtr.writerows(rows)

跑完之后直接打开 CSV，按结论筛选，偏小和比例失调的拿去重出图，损坏的找供应商重发，合格的不用再看。

四、三个容易踩的坑

第一个坑是拿文件大小当尺寸。文件大小和像素尺寸没有固定关系，一张纯色大图可能只有几十 KB，一张细节丰富的图几百 KB 只看字节数判断会全错，必须读图片头里的宽高。

第二个坑是 EXIF 方向。手机拍的图经常带旋转标记，Pillow 读到的宽高是存储方向的，未必是显示方向。校验之前先用 ImageOps.exif_transpose 转正，否则一张竖图会被误判成横图。

第三个坑是大图内存。详情长图有的上万像素高，一次性全读进内存再处理会很慢。只做尺寸校验时不要 load 像素数据，读 size 和 mode 就够了，Image.open 本身是懒加载，不调 load 不会解码全部像素。

五、这件事的通用做法

第一，规则先行：先把合格标准写成文字，再写代码实现，标准变了只改判定函数。

第二，分桶输出：不要只打印通过或不通过，把每一张图的结论、尺寸、模式都落到表格里，复查和分工都有据可查。

第三，损坏单独处理：读图失败和尺寸不合格是两类问题，前者找源文件，后者重出图，混在一起会越处理越乱。

这套脚本我现在每次上架前跑一遍，几百张图一分钟出清单，返工基本都在出图环节拦截掉了，不会等到上传时才发现。