以下是一个在循环中并行化文件处理的示例代码，使用Python的multiprocessing模块：

import os
import multiprocessing

def process_file(file_name):
    # 处理文件的逻辑
    print(f"Processing file: {file_name}")

if __name__ == '__main__':
    file_list = ['file1.txt', 'file2.txt', 'file3.txt']  # 文件列表

    # 创建进程池，根据CPU核心数量确定进程数量
    pool = multiprocessing.Pool(processes=multiprocessing.cpu_count())

    # 并行处理文件
    pool.map(process_file, file_list)

    # 关闭进程池，等待所有子进程完成
    pool.close()
    pool.join()

在上述代码中，首先定义了一个process_file函数，用于处理单个文件。然后在主程序中，创建了一个进程池，进程数量根据CPU核心数量确定。接下来使用pool.map方法，将文件列表和处理函数传入，实现文件处理的并行化。最后，关闭进程池，等待所有子进程完成。

注意：并行化文件处理可能会在处理大量文件时带来性能提升，但在处理小规模文件时可能会增加额外的开销。因此，根据具体情况选择是否并行化处理文件。