在Django项目里，用户上传的图像往往需要经过裁剪、压缩、格式校验等处理后再保存到存储系统，直接在视图层处理图像会让业务逻辑变得混乱，也不利于后续功能扩展。更合理的做法是在文件字段保存前自动触发图像处理逻辑，实现业务代码和模型逻辑的分离。
核心实现思路
我们可以借助Django的模型信号机制，在pre_save信号触发时，对文件字段对应的图像进行处理，处理完成后再让模型正常保存。这种方式不需要修改视图层的原有逻辑，所有图像处理逻辑都集中在模型相关的代码中，维护起来更加方便。
前置准备
首先需要安装图像处理依赖库PIL的分支版本Pillow，执行以下命令完成安装：
pip install Pillow
接着在Django的models.py中定义包含图像文件字段的模型，这里以常见的用户头像模型为例：
from django.db import models
class UserAvatar(models.Model):
user_id = models.IntegerField(verbose_name="用户ID")
avatar = models.ImageField(upload_to="avatar/%Y/%m/", verbose_name="头像文件")
created_at = models.DateTimeField(auto_now_add=True, verbose_name="创建时间")
class Meta:
db_table = "user_avatar"
verbose_name = "用户头像"
verbose_name_plural = verbose_name
编写图像处理工具函数
先封装通用的图像处理函数，实现图像压缩和尺寸裁剪的功能，后续信号处理逻辑可以直接调用这个函数：
from PIL import Image
import io
from django.core.files.base import ContentFile
def process_image(image_file, max_width=200, max_height=200, quality=85):
"""
处理上传的图像
:param image_file: 原始图像文件对象
:param max_width: 最大宽度
:param max_height: 最大高度
:param quality: 压缩质量 1-100
:return: 处理后的ContentFile对象
"""
# 打开图像
img = Image.open(image_file)
# 如果是RGBA模式，转换为RGB避免保存出错
if img.mode in ("RGBA", "P"):
img = img.convert("RGB")
# 裁剪图像到指定尺寸，保持比例
img.thumbnail((max_width, max_height))
# 将处理后的图像保存到内存流
output = io.BytesIO()
img.save(output, format="JPEG", quality=quality)
output.seek(0)
# 返回Django可用的文件对象
return ContentFile(output.read())
绑定pre_save信号实现自动处理
在models.py同目录下的signals.py中编写信号处理逻辑，监听UserAvatar模型的pre_save信号：
from django.db.models.signals import pre_save
from django.dispatch import receiver
from .models import UserAvatar
from .utils import process_image
@receiver(pre_save, sender=UserAvatar)
def handle_avatar_before_save(sender, instance, **kwargs):
# 判断是否是新上传的文件，避免更新其他字段时重复处理
if instance.avatar and not instance.pk:
# 处理图像
processed_file = process_image(instance.avatar)
# 替换原始文件
instance.avatar.save(
instance.avatar.name,
processed_file,
save=False
)
然后在应用的apps.py中注册信号，确保项目启动时信号能被正确加载：
from django.apps import AppConfig
class UserConfig(AppConfig):
default_auto_field = "django.db.models.BigAutoField"
name = "user"
def ready(self):
import user.signals
最后在项目的settings.py中，将该应用的配置类添加到INSTALLED_APPS中：
INSTALLED_APPS = [
# 其他应用
"user.apps.UserConfig",
]
注意事项
- 处理图像前需要判断文件是否是新上传的，避免更新模型其他字段时重复处理图像，浪费计算资源。
- 如果图像格式特殊，需要在处理函数中增加格式校验逻辑，过滤不符合要求的文件。
- 处理大尺寸图像时，要注意内存占用问题，可以适当调整缩略图的尺寸参数。
- 如果项目使用了分布式存储，需要确保图像处理逻辑在存储前完成，避免无效文件上传到存储系统。
方案优势
这种基于信号的处理方式，不需要修改视图层的上传逻辑，所有图像预处理代码都和模型绑定，后续如果需要调整处理规则，只需要修改工具函数和信号逻辑即可，不会影响其他业务代码。同时信号机制是Django原生的功能，不需要额外引入第三方库，兼容性和稳定性都有保障。