在现代职场中，自动化办公能够显著提高工作效率。Python 是一门强大的编程语言，通过简单易懂的语法和丰富的第三方库，可以帮助我们实现各种自动化任务。
在本文中，我们将介绍 10 个常见的 Python 自动化办公脚本，并结合生活中的实际例子进行说明，方便新手小白理解。
1. 批量重命名文件
在日常工作中，我们经常需要批量处理文件，例如将一组图片或文档重命名。使用 Python 的 os 模块可以轻松实现。
假设你有一堆图片文件，需要将它们统一命名为“项目_1.jpg”， “项目_2.jpg”等等。
import os
# 指定文件夹路径
folder_path = 'path/to/your/folder'
# 切换到指定目录
os.chdir(folder_path)
# 遍历文件夹中的所有文件
for count, filename in enumerate(os.listdir(folder_path)):
# 生成新的文件名
new_name = f"项目_{count + 1}.jpg"
# 重命名文件
os.rename(filename, new_name)
print("文件重命名完成！")2. 自动发送电子邮件
通过 Python 的 smtplib 库，我们可以轻松地发送电子邮件，这对于发送报告、通知等信息非常有用。
假设你需要每天向你的团队发送一封日报，包含过去一天的工作总结。
import smtplib
from email.mime.text import MIMEText
# 邮件内容
subject = "每日工作总结"
body = "今天完成了以下工作：\n- 完成了项目 A\n- 开始了项目 B"
# 发件人和收件人
sender = "your_email@example.com"
receiver = "team_member@example.com"
# 创建邮件
msg = MIMEText(body)
msg['Subject'] = subject
msg['From'] = sender
msg['To'] = receiver
# 发送邮件
with smtplib.SMTP('smtp.example.com', 587) as server:
server.starttls()
server.login(sender, 'your_password')
server.send_message(msg)
print("邮件发送成功！")3. 从 Excel 中提取数据
使用 pandas 库，我们可以快速处理 Excel 文件，例如提取特定的数据或进行数据分析。
假设你有一个 Excel 表格，其中包含销售数据，你想提取出所有超过 1000 元的销售记录。
import pandas as pd
# 读取 Excel 文件
df = pd.read_excel('sales_data.xlsx')
# 提取销售额超过 1000 的记录
high_sales = df[df['Sales'] > 1000]
# 打印结果
print("销售额超过 1000 的记录:\n", high_sales)
4. 自动化生成 PDF 报告
借助 reportlab 库，我们可以动态生成 PDF 文件，用于创建报告、发票等文档。
假设你需要为每个项目生成一份 PDF 报告，包括项目名称、负责人和状态。
from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas
# 创建 PDF 文件
def generate_pdf(project_name, owner, status):
c = canvas.Canvas(f"{project_name}_report.pdf", pagesize=letter)
c.drawString(100, 750, f"项目名称: {project_name}")
c.drawString(100, 730, f"负责人: {owner}")
c.drawString(100, 710, f"状态: {status}")
c.save()
# 生成示例报告
generate_pdf("项目A", "张三", "进行中")
print("PDF 报告生成成功！")5. 网络爬虫获取网页数据
使用 requests 和 BeautifulSoup 库，我们可以从网页上抓取数据，例如提取新闻标题、产品价格等信息。
假设你想从某个新闻网站提取最新的新闻标题。
import requests
from bs4 import BeautifulSoup
# 请求网页
url = 'https://news.ycombinator.com/'
response = requests.get(url)
# 解析网页
soup = BeautifulSoup(response.text, 'html.parser')
# 提取新闻标题
titles = [title.get_text() for title in soup.find_all('a', class_='storylink')]
# 打印所有标题
for index, title in enumerate(titles):
print(f"{index + 1}: {title}")6. 定时执行任务
使用 schedule 库可以设置定时任务，例如每天定时发送邮件或运行数据分析脚本。
假设你希望每天晚上 7 点自动发送一封周报邮件。
import schedule
import time
def job():
print("发送周报邮件...")
# 每天 19:00 执行任务
schedule.every().day.at("19:00").do(job)
while True:
schedule.run_pending()
time.sleep(60) # 等待 1 分钟7. 批量下载文件
通过 Python 可以自动化下载多个文件，例如从一个网页或云端服务下载数据集。
假设你需要从某个网站批量下载图片。
import requests
# 图片链接列表
image_urls = [
'http://example.com/image1.jpg',
'http://example.com/image2.jpg',
'http://example.com/image3.jpg'
]
# 批量下载
for url in image_urls:
response = requests.get(url)
with open(url.split('/')[-1], 'wb') as f:
f.write(response.content)
print("所有图片下载完成！")
8. 自动整理文件
利用 os 和 shutil 模块，可以根据文件类型将文件自动分类整理到不同的文件夹中。
假设你的下载文件夹里混杂着很多文件，你希望按照文件类型进行整理，比如将图片、文档和视频分别放到不同的文件夹。
import os
import shutil
# 指定下载文件夹路径
downloads_folder = '/path/to/downloads'
# 创建文件类型对应的文件夹
os.makedirs(os.path.join(downloads_folder, 'Images'), exist_ok=True)
os.makedirs(os.path.join(downloads_folder, 'Documents'), exist_ok=True)
os.makedirs(os.path.join(downloads_folder, 'Videos'), exist_ok=True)
# 遍历下载文件夹中的所有文件
for filename in os.listdir(downloads_folder):
if filename.endswith('.jpg') or filename.endswith('.png'):
shutil.move(os.path.join(downloads_folder, filename), os.path.join(downloads_folder, 'Images', filename))
elif filename.endswith('.pdf') or filename.endswith('.docx'):
shutil.move(os.path.join(downloads_folder, filename), os.path.join(downloads_folder, 'Documents', filename))
elif filename.endswith('.mp4'):
shutil.move(os.path.join(downloads_folder, filename), os.path.join(downloads_folder, 'Videos', filename))
print("文件整理完成！")
9. 数据可视化
使用 matplotlib 库，可以创建各种图表，对数据进行可视化分析，这样更直观。
假设你想要可视化每月的销售数据，以便了解趋势。
import matplotlib.pyplot as plt
# 定义销售数据
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May']
sales = [2000, 3000, 4000, 5000, 6000]
# 创建柱状图
plt.bar(months, sales, color='skyblue')
plt.title('每月销售数据')
plt.xlabel('月份')
plt.ylabel('销售额')
plt.show()
10. 从 Google Sheets 获取数据
通过 gspread 库，可以轻松访问 Google Sheets 中的数据，便于各类办公自动化任务。
如果你在 Google Sheets 上维护了一份客户名单，想要获取这些数据进行处理。
import gspread
from oauth2client.service_account import ServiceAccountCredentials
# 使用 OAuth2 认证
scope = ["https://spreadsheets.google.com/feeds", "https://www.googleapis.com/auth/drive"]
creds = ServiceAccountCredentials.from_json_keyfile_name('path/to/credentials.json', scope)
client = gspread.authorize(creds)
# 打开 Google Sheets 文件
sheet = client.open("客户名单").sheet1
# 获取所有数据
data = sheet.get_all_records()
# 打印客户名单
for record in data:
print(record)
总结
通过以上 10 个 Python 自动化办公脚本示例，我们可以看到 Python 在提高工作效率方面的巨大潜力。这些脚本适合新手小白学习，并能帮助他们解决实际工作中遇到的问题。
如果你希望深入了解某个脚本的实现细节或有其他问题，请随时联系我！希望这些示例能够激励你在自动化办公的旅程中不断探索和实践！
