使用goroutine并发处理图片可提升效率，通过channel控制并发数避免资源耗尽。首先遍历目录筛选图片文件，利用os.ReadDir和文件扩展名过滤；然后创建固定数量worker，通过带缓冲channel作为信号量限制并发，sync.WaitGroup确保所有任务完成。示例代码展示从读取目录、筛选图片到并发处理的完整流程，支持自定义处理逻辑如压缩或转换。核心在于合理控制goroutine数量，平衡性能与资源消耗，适用于大量图片处理场景。
处理目录下所有图片文件时，使用Golang的goroutine可以显著提升处理速度，特别是文件数量多、处理耗时较长的场景。核心思路是遍历目录，对每个图片文件启动一个goroutine进行并发处理，同时通过channel控制并发数量，避免系统资源耗尽。
遍历目录并筛选图片文件
使用 os.ReadDir 遍历指定目录，过滤出常见的图片格式（如 .jpg、.png、.gif 等）。
示例代码：
func isImageFile(filename string) bool { ext := strings.ToLower(filepath.Ext(filename)) return ext == ".jpg" || ext == ".jpeg" || ext == ".png" || ext == ".gif" || ext == ".bmp" || ext == ".webp"}func getImagesFromDir(dirPath string) ([]string, error) {var imageFiles []stringentries, err := os.ReadDir(dirPath)if err != nil {return nil, err}
for _, entry := range entries { if !entry.IsDir() && isImageFile(entry.Name()) { imageFiles = append(imageFiles, filepath.Join(dirPath, entry.Name())) }}return imageFiles, nil
}
使用goroutine并发处理图片
为避免创建过多goroutine导致内存溢出，推荐使用带缓冲的channel作为信号量控制并发数。
示例：并发处理图片，最多5个同时运行
func processImagesConcurrently(imageFiles []string, workerCount int) { var wg sync.WaitGroup sem := make(chan struct{}, workerCount) // 控制并发数for _, file := range imageFiles { wg.Add(1) go func(filePath string) { defer wg.Done() sem <- struct{}{} // 获取信号 defer func() { <-sem }() // 释放信号 // 模拟图片处理（如压缩、加水印、转格式等） fmt.Printf("处理图片: %sn", filePath) time.Sleep(500 * time.Millisecond) // 模拟耗时操作 // 实际处理逻辑可调用 image.Decode 或第三方库 }(file)}wg.Wait() // 等待所有任务完成
}
完整可运行示例
将上述逻辑整合，从命令行接收目录路径，然后并发处理所有图片。
立即学习“go语言免费学习笔记（深入）”；
package mainimport ("fmt""os""path/filepath""strings""sync""time")
func main() {dirPath := "." // 默认当前目录，可改为 os.Args[1] 接收参数if len(os.Args) > 1 {dirPath = os.Args[1]}
imageFiles, err := getImagesFromDir(dirPath)if err != nil { fmt.Fprintf(os.Stderr, "读取目录失败: %vn", err) return}if len(imageFiles) == 0 { fmt.Println("未找到图片文件") return}fmt.Printf("找到 %d 个图片文件，开始并发处理...n", len(imageFiles))start := time.Now()processImagesConcurrently(imageFiles, 5) // 最多5个并发fmt.Printf("处理完成，耗时: %vn", time.Since(start))
}
基本上就这些。通过控制worker数量，既能充分利用CPU资源，又不会压垮系统。实际项目中，可以把处理逻辑替换为图像缩放、格式转换或上传操作。不复杂但容易忽略的是信号量和WaitGroup的配合使用。
以上就是如何用Golang和goroutine并发处理一个目录下的所有图片文件的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1405424.html
微信扫一扫 
支付宝扫一扫 
