当前位置:首页 > 文章列表 > 文章 > 前端 > 图片懒加载与预加载优化技巧

图片懒加载与预加载优化技巧

2026-05-11 11:44:58 0浏览 收藏
图片懒加载与预加载是前端性能优化中高效且实用的双重策略:懒加载借助 Intersection Observer API 智能延迟加载视窗外图片,大幅减少首屏请求和带宽消耗;预加载则在空闲时段或用户行为预判下提前获取关键资源,消除后续等待感;二者协同——首屏直出、非首屏懒载、临近区域预热,并辅以占位图、尺寸声明和CLS优化——不仅能显著提升页面加载速度与响应流畅度,还能改善核心Web指标和用户真实体验,是现代Web开发中投入产出比极高的必备实践。

使用JavaScript实现图片懒加载与预加载_js性能优化

图片的懒加载和预加载是提升网页性能的关键手段。懒加载延迟加载视窗外的图片,减少初始资源请求;预加载则提前加载重要资源,提升后续体验。两者结合使用,能有效优化页面加载速度与用户体验。

图片懒加载:按需加载可视区域内的图片

懒加载的核心思想是:只有当图片即将进入或已进入用户视口时,才开始加载其真实图片资源,避免一次性加载大量隐藏图片造成性能浪费。

实现方式通常依赖 Intersection Observer API,它比传统的 scroll 事件监听更高效、性能更好。

示例代码(懒加载):

给 img 标签设置一个占位属性,比如 data-src 存放真实图片地址,src 指向一个极小的占位图或空白。

图片1

JavaScript 实现观察并加载:

document.addEventListener("DOMContentLoaded", function () {
  const lazyImages = document.querySelectorAll(".lazy");

  const imageObserver = new IntersectionObserver((entries, observer) => {
    entries.forEach(entry => {
      if (entry.isIntersecting) {
        const img = entry.target;
        const src = img.dataset.src;

        if (src) {
          img.src = src;
          img.classList.remove("lazy");
        }
        observer.unobserve(img);
      }
    });
  });

  lazyImages.forEach(img => {
    imageObserver.observe(img);
  });
});

说明:

  • 使用 data-src 存储真实图片路径
  • IntersectionObserver 监听元素是否进入视口
  • 一旦进入,替换 src 并停止观察,避免重复触发

图片预加载:提前加载关键资源

预加载适用于那些用户大概率会访问的内容,比如轮播图的下一张、文章末尾的重要配图等。通过提前加载,减少等待时间,提升流畅度。

示例代码(预加载单张图片):
function preloadImage(src) {
  return new Promise((resolve, reject) => {
    const img = new Image();
    img.onload = () => resolve(img);
    img.onerror = () => reject(new Error(`Failed to load image: ${src}`));
    img.src = src;
  });
}

// 使用
preloadImage('/path/to/important-image.jpg')
  .then(img => console.log('预加载完成:', img))
  .catch(err => console.error(err));
批量预加载多张图片:
function preloadImages(sources) {
  const promises = sources.map(src => preloadImage(src));
  return Promise.all(promises);
}

// 调用
preloadImages([
  '/img/slide1.jpg',
  '/img/slide2.jpg',
  '/img/banner.jpg'
]).then(() => {
  console.log('所有关键图片已预加载');
});

建议时机:

  • 页面空闲时(可结合 requestIdleCallback)
  • 用户操作前(如点击“下一页”前预加载下几页资源)
  • 网络状态良好时优先执行

实际应用中的优化建议

结合懒加载与预加载,可以设计更智能的图片加载策略:

  • 首屏图片不懒加载,直接正常加载以保证快速呈现
  • 非首屏图片使用懒加载,配合 Intersection Observer
  • 在用户浏览接近某区域前,预加载该区域图片(例如滚动到某位置时触发预加载)
  • 使用低分辨率占位图(blurry placeholder)提升感知性能
  • 为懒加载图片设置宽高,防止布局偏移(CLS 优化)

注意兼容性:

IntersectionObserver 在较老浏览器中不支持,可引入 polyfill 或降级使用 scroll + getBoundingClientRect 判断。

基本上就这些。合理运用懒加载与预加载,既能减轻服务器压力,又能显著提升用户体验,是前端性能优化中性价比极高的实践。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

即梦4.0场景模拟使用教程详解即梦4.0场景模拟使用教程详解
上一篇
即梦4.0场景模拟使用教程详解
iOS输入框阴影显示异常解决方法
下一篇
iOS输入框阴影显示异常解决方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    256次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    301次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    280次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    257次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    67次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码