Python PIL已停更？为什么现在都推荐安装Pillow

答案是确定的：原版 PIL（Python Imaging Library）确实早已停止更新。官方团队在 2009 年发布了最终版本 1.1.7 后便不再维护，且原版 PIL 从未正式支持过 Python 3。现在社区与工业界所推荐、依赖的“PIL”，实际上全部是由开源社区维护的友好分支（Fork）——Pillow。Pillow 不仅在底层提供了对 Python 3 系列版本的长期支持与及时的漏洞修补，还在代码层面 100% 保持了旧版 PIL 的导入接口。理解两者的渊源与正确的安装方式，是每位 Python 开发者避开环境报错的第一步。

一、PIL 的停更背景与 Pillow 的诞生

PIL 全称为 Python Imaging Library，最初由 Fredrik Lundh 及其团队（Secret Labs AB）开发。在 Python 2 普及的年代，PIL 凭借精简的接口和对常见图片格式的支持，几乎垄断了 Python 领域的图像处理需求。

然而，从 2009 年发布 1.1.7 版本后，官方团队逐渐停止了对 PIL 的实质性维护与版本迭代。与此同时，Python 社区正面临向 Python 3 大步迈进的关键转折期。原版 PIL 的底层代码深度绑定了 Python 2 的 C-API 和字符串/字节处理方式，在没有官方迁移计划的情况下，开发者在 Python 3 中完全无法使用 PIL。

为了拯救庞大的图像处理生态，开发者 Alex Clark 与社区贡献者在 2010 年创建了 Pillow 项目。Pillow 作为一个“友好分支”（Friendly Fork），明确了三大目标：

• 彻底解决跨版本兼容：全面重构 C 扩展，让库能够无缝运行在现代 Python 3 环境中；
• 保持现有代码零修改迁移：完全继承 PIL 顶级模块命名，已有代码无需重构；
• 建立规范的发布与安全维护周期：定期合并外部安全漏洞补丁，适配不同操作系统的二进制打包格式（Wheel）。

二、为什么代码写“import PIL”，安装却要“pip install Pillow”？

很多刚接触图像处理的开发者会遇到一个令人困惑的现象：各类教程中的示例代码普遍写作 from PIL import Image，但如果直接在命令行执行 pip install PIL，终端却会直接报错失败。

当执行 pip install PIL 时，通常会出现以下两种情况：

1. 找不到匹配分发包：PyPI 上的旧版 PIL 分发文件早在数年前就被归档，现代 pip 工具会直接返回 ERROR: Could not find a version that satisfies the requirement PIL；
2. 编译失败报错：即使通过某些镜像拉取到历史遗留源码包，由于缺少适配 Python 3 的头文件，C 编译器会抛出海量语法错误而中断。

因此，正确的操作始终是：终端安装 Pillow，代码中导入 PIL。

三、Pillow 基础图像操作实战

安装完成后，我们可以通过一个精简脚本验证 Pillow 的功能。以下示例展示了图像读取、尺寸调整、灰度处理以及保存为 WebP 格式的完整过程：

from PIL import Image

def process_demo_image(input_path, output_path):
    # 1. 打开图片文件
    with Image.open(input_path) as img:
        print(f"原图格式: {img.format}, 尺寸: {img.size}, 模式: {img.mode}")
        
        # 2. 等比例缩小到最大宽度 800 像素
        target_width = 800
        if img.width > target_width:
            target_height = int(img.height * (target_width / img.width))
            resized_img = img.resize((target_width, target_height), Image.Resampling.LANCZOS)
        else:
            resized_img = img.copy()
            
        # 3. 转换为灰度图像
        gray_img = resized_img.convert("L")
        
        # 4. 保存为高效的 WebP 格式
        gray_img.save(output_path, "WEBP", quality=85)
        print(f"图片处理完成并已保存至: {output_path}")

# 执行调用示例
if __name__ == "__main__":
    process_demo_image("example.jpg", "example_output.webp")

在上面的代码中，Image.Resampling.LANCZOS 是 Pillow 9.x 及以后版本推荐使用的高质量插值枚举，旧版 PIL 时代的 Image.ANTIALIAS 已在 Pillow 10.0.0 中正式移除。这也是使用新库时需要注意的一处 API 更新细节。

四、PIL 与 Pillow 的核心维度对照

为了让大家对两者的技术规格与生态支持有更清晰的量化认知，我们将核心差异归纳在以下对比图及表格中：

从上面的对比可以清楚地看出：

• 稳定性与兼容性：Pillow 拥有完善的持续集成与自动化测试矩阵，覆盖 Windows、macOS 以及主流 Linux 发行版，支持从 x86_64 到 ARM64（如 Apple Silicon）的各种硬件平台。
• 安全防御：图像解码是系统安全的高发区（如畸形文件触发的缓冲区溢出）。传统 PIL 停更后积累了数十个已公开的 CVE 漏洞；而 Pillow 团队始终与 Python 安全工作组协同，保持对畸形文件解析漏洞的极速修复。

五、常见问题排查与避坑指南

1. 报错 AttributeError: module 'PIL.Image' has no attribute 'ANTIALIAS'

这是升级 Pillow 10.0.0 之后最常见的问题。历史代码中常用的 Image.ANTIALIAS 已被完全移除。解决方法是将其替换为新的枚举成员：

# 旧写法 (Pillow < 10.0.0)
img.resize((200, 200), Image.ANTIALIAS)

# 现代写法 (推荐，向前兼容且语义明确)
img.resize((200, 200), Image.Resampling.LANCZOS)

2. 为什么在 Linux 生产环境中处理特定格式会报错？

虽然通过 pip 安装的官方 Wheel 包已经内置了常用的 libjpeg 和 zlib 动态库，但如果在极简 Docker 镜像（如 python:3.11-alpine 或精简版 debian）中以 --no-binary 方式强行从源码编译安装 Pillow，系统缺少底层的 C 依赖库会导致安装失败。在 Debian/Ubuntu 下可提前补齐基础库：

sudo apt-get update
sudo apt-get install -y libjpeg-dev zlib1g-dev libpng-dev

3. 项目依赖清单（requirements.txt）的正确写法

在团队协作或部署部署脚本中，务必将依赖包名称写为 Pillow 而不是 PIL，同时建议锁定稳定版本范围：

# 规范书写
Pillow>=10.0.0,<11.0.0

# 错误写法 (会导致部署环境 pip install 失败)
# PIL==1.1.7

总结

“Python PIL 已停更”是事实，但这并不意味着 Python 失去了处理图像的能力。相反，Pillow 作为继承原版 PIL 遗产的现代开源项目，不仅让历史代码得以无缝过渡到 Python 3，更通过持续十余年的活跃迭代，在性能优化、格式兼容和系统安全上为 Python 开发者构筑了坚固的基石。在日后的项目开发中，只需牢记“终端安装 Pillow，代码导入 PIL”，就能轻松享受到这一成熟库带来的全部能力。