PIL.Image 读取多页TIFF需用 seek()/tell() 循环遍历，不可直接 for page in Image.open()；应先检查 img.n_frames 或 img.is_animated，每页调用 .copy() 后显式指定 compression 和 mode 保存，避免数据截断与元数据丢失。
用 PIL.Image 读取多页TIFF并遍历保存
Python标准库不支持多页TIFF，必须用 PIL（即 Pillow），它底层调用libtiff处理页帧。直接打开多页TIFF时，Image.open() 只加载第一页；要读取全部页，得用 seek() 和 tell() 配合循环。
常见错误是写成 for page in Image.open("x.tiff") —— 这会报 TypeError: 'PngImageFile' object is not iterable（即使文件是TIFF，对象类型名也可能显示为PngImageFile）。
- 先用
Image.open()打开文件，得到首帧对象 - 用
while True:+try/except EOFError捕获末页异常 - 每页调用
.copy()避免后续seek()影响当前图像数据 - 保存时显式指定
format="TIFF"，否则可能被自动转成PNG或丢失TIFF特有元数据
seek() 和 is_animated 判断是否真为多页TIFF
不是所有扩展名为 .tiff 的文件都含多页：有些只是单页+压缩，有些是“fake multi-page”（如Photoshop导出的伪多页）。盲目循环会导致 EOFError 提前抛出或只存一页。
is_animated 属性在 Pillow ≥ 9.0.0 中才稳定支持多页TIFF识别；旧版本需靠捕获 EOFError 或检查 __getattr__("n_frames", 1)。
- 推荐先查
img.n_frames（返回整数页数），若不存在则视为单页 -
img.is_animated为True是更安全的多页信号，但部分扫描仪生成的TIFF可能不设该标志 - 避免依赖文件名或后缀判断——真实场景中常遇到
.tif、.TIF、无后缀的TIFF数据流
保存时控制压缩与色彩模式，防止质量损失
默认 save() 会丢弃原始TIFF的压缩方式（如 LZW、Deflate）和色彩空间（如 minisblack、miniswhite），导致体积暴增或灰度反转。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
例如原图是16位灰度LZW压缩TIFF，直接 page.save(f"out_{i}.tiff") 会变成8位无压缩，且可能误转为RGB。
- 用
page.mode检查原始模式："I;16"、"L"、"RGB"等，保存时传mode=page.mode（注意save()不接受该参数，需用convert()预处理） - 指定压缩：加
compression="tiff_lzw"或"tiff_deflate"（Pillow 9.1+ 支持） - 16位图必须用
img = img.convert("I;16")再保存，否则自动截断为8位 - 避免用
quality=参数——TIFF不支持JPEG式质量控制，该参数会被忽略
批量处理大文件时的内存与路径安全
一页50MB的100页TIFF，全载入内存会吃掉5GB+，seek() 虽不加载全页，但每页 .copy() 仍会复制像素缓冲区。临时文件路径没处理好，还可能覆盖原图。
错误示例：out_path = input_path.replace(".tiff", "_page_{}.tiff") —— 若输入是 /data/a.tiff.bak，就会错删备份文件。
- 用
pathlib.Path解析路径：in_path = Path("scan.tiff"); out_dir = in_path.parent / "split" - 确保
out_dir.mkdir(exist_ok=True)，而不是依赖用户提前建目录 - 对超大页（>20MB），改用
ImageOps.grab()截区域再存，或改用tifffile库的内存映射模式（tifffile.memmap()） - 保存前校验目标路径：
if out_path.resolve().parent != out_dir.resolve(): raise ValueError("path escape detected")
多页TIFF的实际结构比表面复杂：页间可能有不同分辨率、不同压缩、不同色彩配置，甚至混合了“图像页”和“标签页”（如EXIF、IPTC）。单纯按序分离只是第一步，后续是否要统一尺寸、对齐坐标、提取元数据，得看下游用途——这些细节往往在第一次保存失败时才暴露出来。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
