当前位置：首页 > article >正文

你用 Python 写过哪些有趣的脚本？

article 2025/8/23 0:03:13

爬虫、抢票、签到，常规的我都干过，事是办全了，但说不上有趣，直到我无意间发现了这个，才真正地打开了新世界的大门。

用Python做脚本是一件比较俗的事情，说到底，就是利用几行代码来解决一些繁琐复杂的问题，好让人腾出时间去干别的事情。

作为一名圈内人，提升效率都是小问题，只要给出需求场景，我们稍微把逻辑理一下，几行代码就能解决了，偶尔还能给圈外人开几个脚本，赚点小零花，但这种简单的乐趣确实满足不了我们。

无奈之下，只能去Github发发牢骚，没想到还真的被我翻到不少真家伙，粗略估计了一下，上千个脚本肯定是有的。

被我挖掘出来的东西，那自然是不能放过的，第一时间就来知乎分享给大家，脚本覆盖领域较多，包括算法、视频、音像、爬虫、web开发、文件处理、可视化、系统…我们待会来简单挑几个看看。

作者致力于打造Python经典小例子和脚本，就是为了告别枯燥，嗯，和我想一块去了。

25天前更新，说明里面的内容时效性有保证，每个项目还对应着难度系数，适合小白在入门的时候进行练习，提升编程能力。

其实这些案例都有给出源码，但有的人老是复制粘贴，单纯地为了解决问题而解决问题，不知道里面几十行代码的架构和逻辑是什么。

我一直给新入门的小伙伴强调，不要把别人的东西生搬硬套，拿到一个源码时，先去看对方为了解决什么问题，用了哪种架构，在语法的表达上选择了哪一种，在确定作者的思路后，你能不能以自己的架构来重建，从而实现相同的功能。

与其望洋兴叹，不如自己动手试试，实践才能出真知。

分享几个小案例：

批量压缩文件

import zipfile # 导入zipfile,这个是用来做压缩和解压的Python模块；
import os
import timedef batch_zip(start_dir):start_dir = start_dir # 要压缩的文件夹路径file_news = start_dir + '.zip' # 压缩后文件夹的名字z = zipfile.ZipFile(file_news, 'w', zipfile.ZIP_DEFLATED)for dir_path, dir_names, file_names in os.walk(start_dir):# 这一句很重要，不replace的话，就从根目录开始复制f_path = dir_path.replace(start_dir, '')f_path = f_path and f_path + os.sep # 实现当前文件夹以及包含的所有文件的压缩for filename in file_names:z.write(os.path.join(dir_path, filename), f_path + filename)z.close()return file_newsbatch_zip('./data/ziptest')

自动群发邮件

import smtplib
from email import (header)
from email.mime import (text, application, multipart)
import timedef sender_mail():smt_p = smtplib.SMTP()smt_p.connect(host='smtp.qq.com', port=25)sender, password = '113097485@qq.com', "**************"smt_p.login(sender, password)receiver_addresses, count_num = ['guozhennianhua@163.com', 'xiaoxiazi99@163.com'], 1for email_address in receiver_addresses:try:msg = multipart.MIMEMultipart()msg['From'] = "zhenguo"msg['To'] = email_addressmsg['subject'] = header.Header('这是邮件主题通知', 'utf-8')msg.attach(text.MIMEText('这是一封测试邮件，请勿回复本邮件~', 'plain', 'utf-8'))smt_p.sendmail(sender, email_address, msg.as_string())time.sleep(10)print('第%d次发送给%s' % (count_num, email_address))count_num = count_num + 1except Exception as e:print('第%d次给%s发送邮件异常' % (count_num, email_address))continue
smt_p.quit()sender_mail()

注意：发送邮箱是qq邮箱，所以要在qq邮箱中设置开启SMTP服务，设置完成时会生成一个授权码，将这个授权码赋值给文中的password变量

melt透视数据小技巧

melt 方法固定某列为一个维度，组合其他列名为另一个维度，实现宽表融化为长表：

zip_code  factory  warehouse  retail
0     12345      100        200       1
1     56789      400        300       2
2    101112      500        400       3
3    131415      600        500       4

固定列zip_code，组合factory，warehouse，retail 三个列名为一个维度，按照这种方法凑齐两个维度后，数据一定变长。

pandas 的 melt 方法演示如下：

In [49]: df = df.melt(id_vars = "zip_code")

若melt方法，参数value_vars不赋值，默认剩余所有列都是value_vars，所以结果如下：

zip_code   variable  value
0      12345    factory    100
1      56789    factory    400
2     101112    factory    500
3     131415    factory    600
4      12345  warehouse    200
5      56789  warehouse    300
6     101112  warehouse    400
7     131415  warehouse    500
8      12345     retail      1
9      56789     retail      2
10    101112     retail      3
11    131415     retail      4

若只想查看 factory 和 retail，则 value_vars 赋值为它们即可：

In [62]: df_melt2 = df.melt(id_vars = "zip_code",value_vars=['factory','reta...: il'])

结果：

zip_code variable  value
0     12345  factory    100
1     56789  factory    400
2    101112  factory    500
3    131415  factory    600
4     12345   retail      1
5     56789   retail      2
6    101112   retail      3
7    131415   retail      4