当前位置: 首页 > article >正文

Python 自动化办公的 10 大脚本

大家好,我是你们的 Python 讲师!今天我们将讨论 10 个实用的 Python 自动化办公脚本。这些脚本可以帮助你简化日常工作,提高效率。无论是处理 Excel 文件、发送邮件,还是自动化网页操作,Python 都能派上用场。

1. 批量重命名文件

如果你需要对一堆文件进行重命名,比如给文件添加前缀或后缀,可以使用以下脚本:

import os

def batch_rename_files(directory, prefix):
    """批量重命名指定目录下的所有文件,添加前缀"""
    for filename in os.listdir(directory):
        new_name = f"{prefix}_{filename}"
        os.rename(os.path.join(directory, filename), os.path.join(directory, new_name))
    print("文件重命名完成")

# 使用示例
batch_rename_files('path/to/your/directory', 'new_prefix')
 

说明:此脚本遍历指定目录中的所有文件,并为每个文件添加指定的前缀。

2. 自动发送电子邮件

使用 smtplib 库,你可以轻松实现自动发送电子邮件的功能。

import smtplib
from email.mime.text import MIMEText

def send_email(subject, body, to_email):
    """发送电子邮件"""
    from_email = 'your_email@example.com'
    password = 'your_email_password'

    # 创建邮件内容
    msg = MIMEText(body)
    msg['Subject'] = subject
    msg['From'] = from_email
    msg['To'] = to_email

    # 发送邮件
    with smtplib.SMTP_SSL('smtp.example.com', 465) as server:
        server.login(from_email, password)
        server.send_message(msg)
        print("邮件发送成功")

# 使用示例
send_email("测试主题", "这是一封测试邮件", "recipient@example.com")
 

说明:确保替换邮件地址和 SMTP 服务器信息,以使其适应你的邮箱设置。

3. 批量处理 Excel 文件

使用 pandas 和 openpyxl 库,可以轻松读取和写入 Excel 文件。

import pandas as pd

def process_excel(file_path):
    """读取 Excel 文件并处理数据"""
    df = pd.read_excel(file_path)  # 读取 Excel 文件
    df['新列'] = df['原列'] * 2  # 在 DataFrame 中添加新列
    df.to_excel('processed_file.xlsx', index=False)  # 保存处理后的结果
    print("Excel 文件处理完成")

# 使用示例
process_excel('path/to/your/excel_file.xlsx')
 

说明:此脚本读取指定的 Excel 文件,对其中一列的数据进行简单的数学运算,然后保存处理后的结果到新的 Excel 文件中。

4. 网页抓取数据

使用 requests 和 BeautifulSoup,可以轻松从网页抓取数据。

import requests
from bs4 import BeautifulSoup

def fetch_data(url):
    """从指定 URL 抓取数据"""
    response = requests.get(url)
    soup = BeautifulSoup(response.content, 'html.parser')

    titles = [title.get_text() for title in soup.find_all('h2')]  # 假设标题在 <h2> 标签中
    print("抓取到的标题:")
    for title in titles:
        print(title)

# 使用示例
fetch_data('https://example.com')
 

说明:该脚本访问指定的 URL,解析 HTML 内容,并提取所有 <h2> 标签内的文本。

5. 文件备份

这个脚本可以帮助你快速备份指定目录中的文件。

import shutil
import os
import datetime

def backup_files(source_directory, backup_directory):
    """备份文件到指定目录"""
    date_str = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
    backup_path = os.path.join(backup_directory, f"backup_{date_str}")
    shutil.copytree(source_directory, backup_path)  # 复制整个目录
    print(f"备份完成: {backup_path}")

# 使用示例
backup_files('path/to/source_directory', 'path/to/backup_directory')
 

说明:该脚本使用 shutil.copytree() 方法复制源目录中的所有文件到备份目录。

6. 自动生成报告

如果你需要根据数据生成报告,可以使用 pandas 来处理数据并生成 PDF 或 Excel 格式的报告。

import pandas as pd

def generate_report(data):
    """根据数据生成简单的 Excel 报告"""
    df = pd.DataFrame(data)
    df.to_excel('report.xlsx', index=False)
    print("报告已生成: report.xlsx")

# 使用示例
data = {
    '姓名': ['张三', '李四'],
    '分数': [90, 85]
}
generate_report(data)
 

说明:该脚本将样本数据转换为一个 Excel 文件。

7. 图片批量处理

使用 Pillow 库,可以批量处理图片,例如调整大小或格式转换。

from PIL import Image
import os

def resize_images(source_directory, output_directory, size=(800, 800)):
    """调整指定目录下所有图片的大小"""
    if not os.path.exists(output_directory):
        os.makedirs(output_directory)

    for filename in os.listdir(source_directory):
        if filename.endswith(('.png', '.jpg', '.jpeg')):
            img_path = os.path.join(source_directory, filename)
            img = Image.open(img_path)
            img = img.resize(size)
            img.save(os.path.join(output_directory, filename))
            print(f"已调整大小并保存: {filename}")

# 使用示例
resize_images('path/to/source_images', 'path/to/output_images', (800, 800))
 

说明:该脚本遍历指定目录,调整每张图片的大小并保存到输出目录。

8. 数据库操作

使用 sqlite3 库,可以方便地与 SQLite 数据库进行交互。

import sqlite3

def create_table():
    """创建一个简单的SQLite表"""
    conn = sqlite3.connect('example.db')
    cursor = conn.cursor()
    cursor.execute('''CREATE TABLE IF NOT EXISTS users (id INTEGER PRIMARY KEY, name TEXT, age INTEGER)''')
    conn.commit()
    conn.close()
    print("表创建成功")

# 使用示例
create_table()
 

说明:此脚本连接到 SQLite 数据库并创建一个用户表。

9. 自动化日程提醒

可以使用 schedule 库设置定时任务,比如每天发送提醒邮件。

import schedule
import time

def job():
    print("这是您的日程提醒!请记得查看日程安排。")

# 设置每天的提醒时间
schedule.every().day.at("10:00").do(job)

while True:
    schedule.run_pending()
    time.sleep(1)
 

说明:该脚本每天下午 10 点执行预定的提醒任务。

10. 网络监控

可以编写一个简单的脚本来监控特定网站的状态,确保它们正常运行。

import requests

def check_website(url):
    """检查网站是否正常"""
    try:
        response = requests.get(url)
        if response.status_code == 200:
            print(f"{url} 正常运行")
        else:
            print(f"{url} 返回状态码: {response.status_code}")
    except requests.exceptions.RequestException as e:
        print(f"访问 {url} 时发生错误: {e}")

# 使用示例
check_website('https://example.com')
 

说明:该脚本尝试访问指定的网站,并根据响应状态码判断网站是否正常运行。

总结

以上就是 Python 自动化办公的 10 大脚本。这些脚本可以帮助你简化日常工作,提高生产力。掌握这些基本技能后,你将能够更高效地处理各种办公任务。如果你有任何问题或者想要讨论的内容,欢迎在评论区留言!

希望这篇文章能为你的 Python 编程之路提供帮助!下次再见!

全套Python学习资料分享:

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

图片

二、全套PDF电子书

书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。

图片

三、python入门资料大全

图片

四、python进阶资料大全

图片

五、python爬虫专栏

图片

六、入门学习视频全套

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

图片

七、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

图片

八、python最新面试题

图片


http://www.kler.cn/a/419572.html

相关文章:

  • C++算法练习-day53——17.电话号码的字母组合
  • 【知识科普】设计模式之-责任链模式
  • 【笔记总结】华为云:应用上云后的安全规划及设计
  • 电子电气架构 -- 新的架构带来的软件革命
  • 深入研究:Vue.js 响应式系统的原理与优化
  • 机器学习之RLHF(人类反馈强化学习)
  • 【计算机网络】实验4:生成树协议STP的功能以及虚拟局域网VLAN
  • frp软件实现网络穿透
  • 【智慧园区】智慧产业园区能源管控系统解决方案,智慧工业园区解决方案(Word原件)
  • RT-Thread软件环境配置基础
  • React 路由(React Router):在 React 应用中管理路由
  • 信息安全之网络安全防护
  • 计算机网络(架构)
  • 专业解析 .bashrc 中 ROS 工作空间的加载顺序及其影响 ubuntu 机器人
  • 23种设计模式之适配器模式
  • neo4j如何存储关于liquidity structure的层次和关联结构
  • 设计模式之模板模式
  • qt6.4.0+visual studio2022+opencv
  • Linux系统编程之进程创建
  • 用 Python 从零开始创建神经网络(十一):使用样本外数据进行测试
  • CMAKE的使用
  • 数字经济发展的新视角:数字产业化、数据资产化、产业数字化与数据产业
  • 详解LinkedList中的底层实现
  • 2411rust,1.83
  • SpringBoot集成Milvus|(实现向量的存储和查询)
  • go使用mysql实现增删改查操作