当前位置：首页 > news >正文

python 10个自动化脚本

news 2025/8/6 13:09:55

🌟 引言

📚 理论基础

🛠️ 使用场景与代码示例

场景一：批量重命名文件

场景二：自动下载网页内容

场景三：数据清洗

场景四：定时执行任务

场景五：自动化邮件发送

场景六：自动化测试

场景七：数据库操作

场景八：日志分析

场景九：文件压缩

场景十：自动化文档生成

🎉 结语

🌟 引言

在程序员的世界里，自动化是提升效率的金钥匙。Python，以其易读性和强大的库支持，成为了实现自动化任务的首选语言。本文精选了10个实用的Python自动化脚本，涵盖文件处理、网络请求、数据分析等多个领域，旨在帮你节省时间，减少重复劳动，提升工作效能。

📚 理论基础

Python的自动化脚本主要依赖于标准库和第三方库，如os、requests、pandas等。通过这些库，我们可以轻松实现文件操作、数据抓取、数据分析等功能。

🛠️ 使用场景与代码示例

场景一：批量重命名文件

在处理大量媒体文件时，统一命名规则非常必要。

代码示例

import os
def batch_rename(directory, prefix):i = 1for filename in os.listdir(directory):ext = os.path.splitext(filename)[1]new_name = f"{prefix}_{i}{ext}"os.rename(os.path.join(directory, filename), os.path.join(directory, new_name))i += 1
batch_rename('/path/to/directory', 'file')

场景二：自动下载网页内容

对于研究者或数据分析师来说，自动抓取网络数据至关重要。

代码示例

import requests
def download_webpage(url, output_file):response = requests.get(url)with open(output_file, 'w') as file:file.write(response.text)
download_webpage('http://example.com', 'webpage.html')

场景三：数据清洗

数据预处理是数据分析的重要环节。

代码示例

import pandas as pd
def clean_data(file_path):df = pd.read_csv(file_path)df.dropna(inplace=True)df.to_csv(file_path, index=False)
clean_data('data.csv')

场景四：定时执行任务

确保任务在特定时间点执行，比如发送日报。

代码示例

import schedule
import time
def job():print("Task executed")
schedule.every().day.at("10:30").do(job)
while True:schedule.run_pending()time.sleep(1)

场景五：自动化邮件发送

自动发送报告，无需手动操作。

代码示例

import smtplib
from email.mime.text import MIMEText
def send_email(subject, message, to_email):msg = MIMEText(message)msg['Subject'] = subjectmsg['From'] = 'you@example.com'msg['To'] = to_emails = smtplib.SMTP('localhost')s.sendmail('you@example.com', [to_email], msg.as_string())s.quit()
send_email('Daily Report', 'Here is your daily report.', 'recipient@example.com')

场景六：自动化测试

确保代码质量，每次修改后都能自动测试。

代码示例

import unittest
class TestMyFunction(unittest.TestCase):def test_add(self):self.assertEqual(add(1, 2), 3)
if __name__ == '__main__':unittest.main()

场景七：数据库操作

自动化数据备份和恢复。

代码示例

import sqlite3
def backup_database(db_path, backup_path):conn = sqlite3.connect(db_path)backup_conn = sqlite3.connect(backup_path)conn.backup(backup_conn)backup_conn.close()conn.close()
backup_database('database.db', 'backup.db')

场景八：日志分析

从日志文件中提取关键信息。

代码示例

import re
def analyze_logs(log_file):pattern = r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}'with open(log_file, 'r') as file:for line in file:match = re.search(pattern, line)if match:print(match.group())
analyze_logs('access.log')

场景九：文件压缩

批量压缩文件，便于存储和传输。

代码示例

import zipfile
def compress_files(file_paths, zip_file):with zipfile.ZipFile(zip_file, 'w') as myzip:for file_path in file_paths:myzip.write(file_path)
compress_files(['file1.txt', 'file2.txt'], 'archive.zip')

场景十：自动化文档生成

根据数据自动生成报告。

代码示例

from docx import Document
def generate_report(data, report_file):doc = Document()doc.add_heading('Report', 0)doc.add_paragraph(str(data))doc.save(report_file)
generate_report('Sample data', 'report.docx')