大家好，我是涛哥，本文内容来自 涛哥聊Python ，转载请标原创。
更多Python学习内容：http://ipengtao.com
在现代办公环境中，自动化工具是提高效率的重要手段。Python作为一种强大的编程语言，以其简单易用、功能强大著称，非常适合用来编写各种自动化脚本。本文将介绍五个工作中常用的Python自动化代码，包括文件操作、数据处理、网页抓取、邮件自动化和报告生成，帮助提升工作效率。
文件操作自动化
文件操作是日常工作中常见的任务之一。Python提供了丰富的库来处理文件和目录操作，如os和shutil。
示例：批量重命名文件
假设有一个文件夹，其中包含许多以“img_”开头的图片文件，我们希望将它们批量重命名为“photo_”。
import os
def batch_rename(directory, old_prefix, new_prefix):
for filename in os.listdir(directory):
if filename.startswith(old_prefix):
new_filename = filename.replace(old_prefix, new_prefix, 1)
old_file = os.path.join(directory, filename)
new_file = os.path.join(directory, new_filename)
os.rename(old_file, new_file)
print(f"重命名: {old_file} -> {new_file}")
# 使用示例
directory = "/path/to/your/folder"
batch_rename(directory, "img_", "photo_")在这个示例中，batch_rename函数遍历指定目录中的文件，并将以“img_”开头的文件重命名为以“photo_”开头。
数据处理自动化
数据处理是数据分析和科学研究中不可或缺的一部分。Python的pandas库提供了高效的数据处理能力。
示例：数据清洗
假设有一个包含客户信息的CSV文件，需要清洗数据，如去除重复项和缺失值。
import pandas as pd
def clean_data(file_path):
df = pd.read_csv(file_path)
df.drop_duplicates(inplace=True)
df.dropna(inplace=True)
cleaned_file_path = file_path.replace(".csv", "_cleaned.csv")
df.to_csv(cleaned_file_path, index=False)
print(f"数据清洗完成，保存到: {cleaned_file_path}")
# 使用示例
file_path = "/path/to/your/data.csv"
clean_data(file_path)在这个示例中，clean_data函数读取CSV文件，去除重复项和缺失值，然后将清洗后的数据保存到新的CSV文件中。
网页抓取自动化
网页抓取是从网页中提取数据的过程，常用于数据收集和分析。Python的requests和BeautifulSoup库可以方便地进行网页抓取。
示例：抓取新闻标题
假设希望从某个新闻网站抓取最新的新闻标题。
import requests
from bs4 import BeautifulSoup
def fetch_news_titles(url):
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
titles = soup.find_all('h2', class_='news-title')
for title in titles:
print(title.get_text())
# 使用示例
url = "https://news.example.com"
fetch_news_titles(url)在这个示例中，fetch_news_titles函数发送HTTP请求获取网页内容，并使用BeautifulSoup解析HTML，提取并打印新闻标题。
邮件自动化
邮件自动化可以帮助自动发送和接收邮件，适用于通知、报告发送等场景。Python的smtplib库可以用来发送邮件。
示例：发送通知邮件
假设需要发送一封通知邮件给指定的收件人。
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
def send_email(subject, body, to_email):
from_email = "your_email@example.com"
password = "your_password"
msg = MIMEMultipart()
msg['From'] = from_email
msg['To'] = to_email
msg['Subject'] = subject
msg.attach(MIMEText(body, 'plain'))
with smtplib.SMTP('smtp.example.com', 587) as server:
server.starttls()
server.login(from_email, password)
server.sendmail(from_email, to_email, msg.as_string())
print(f"邮件已发送到: {to_email}")
# 使用示例
subject = "通知"
body = "这是一封自动发送的通知邮件。"
to_email = "recipient@example.com"
send_email(subject, body, to_email)在这个示例中，send_email函数构建并发送邮件，通过smtplib.SMTP连接到SMTP服务器，使用TLS加密进行登录和发送邮件。
报告生成自动化
自动生成报告可以节省大量时间，特别是在需要定期生成类似报告的情况下。Python的matplotlib和pdfkit库可以用来生成图表和PDF报告。
示例：生成销售报告
假设需要根据销售数据生成一份PDF格式的报告，包含销售额折线图。
import pandas as pd
import matplotlib.pyplot as plt
import pdfkit
def generate_sales_report(data_file, output_pdf):
df = pd.read_csv(data_file)
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)
plt.figure(figsize=(10, 6))
plt.plot(df.index, df['Sales'], marker='o')
plt.title('Monthly Sales')
plt.xlabel('Date')
plt.ylabel('Sales')
plt.grid(True)
plt.savefig('sales_chart.png')
plt.close()
html_content = f"""
<html>
<head>
<title>Sales Report</title>
</head>
<body>
<h1>Monthly Sales Report</h1>
<img src="sales_chart.png" alt="Sales Chart">
</body>
</html>
"""
with open('report.html', 'w') as file:
file.write(html_content)
pdfkit.from_file('report.html', output_pdf)
print(f"销售报告已生成：{output_pdf}")
# 使用示例
data_file = "/path/to/your/sales_data.csv"
output_pdf = "sales_report.pdf"
generate_sales_report(data_file, output_pdf)在这个示例中，generate_sales_report函数读取销售数据，生成销售额折线图，并将图表嵌入到HTML模板中，最后使用pdfkit将HTML转换为PDF报告。
总结
本文详细介绍了五个工作中常用的Python自动化代码，包括文件操作、数据处理、网页抓取、邮件自动化和报告生成。通过具体的示例代码展示了如何使用Python的内置库和第三方库，如os、pandas、requests、BeautifulSoup、smtplib和matplotlib，快速实现常见的自动化任务。这些代码示例不仅能帮助你提高工作效率，还能为你在处理大规模数据、自动化报告生成以及自动化邮件发送等方面提供有效的解决方案。
python
程序员
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。