用 Python 优化日常任务的 19 个妙招-51CTO.COM

1. 快速批量重命名文件

有时候我们需要一次性更改大量文件的名字，比如整理照片或文档时。Python可以轻松搞定这个任务。

import os

# 设置文件夹路径
folder_path = 'C:/Users/YourName/Documents/'

# 获取文件夹中所有文件名
files = os.listdir(folder_path)

# 为每个文件重命名
for index, file in enumerate(files):
    # 获取文件扩展名
    extension = os.path.splitext(file)[1]
    # 生成新文件名
    new_name = f"file_{index}{extension}"
    # 构建完整路径
    old_file_path = os.path.join(folder_path, file)
    new_file_path = os.path.join(folder_path, new_name)
    # 重命名文件
    os.rename(old_file_path, new_file_path)

说明：这段代码会将指定文件夹中的所有文件按顺序重新命名为file_0.jpg, file_1.pdf等格式。

2. 自动下载网页上的图片

假设你在浏览一个网页，发现上面有很多漂亮的图片想要保存下来。手动一张张保存太麻烦了，不如用Python来自动下载。

import requests
from bs4 import BeautifulSoup
import os

url = 'https://example.com'
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
images = soup.find_all('img')

folder_path = 'C:/Users/YourName/Pictures/'

if not os.path.exists(folder_path):
    os.makedirs(folder_path)

for image in images:
    src = image.get('src')
    if src.startswith('http'):
        img_data = requests.get(src).content
        filename = os.path.join(folder_path, src.split('/')[-1])
        with open(filename, 'wb') as f:
            f.write(img_data)

说明：这段脚本会访问指定URL，解析HTML文档找到所有图片链接，并将其下载到本地目录中。

3. 使用正则表达式提取信息

正则表达式是处理文本的强大工具。比如，你可以用它从邮件地址列表中提取所有的邮箱地址。

import re

text = '''
Hello,
My email is example@email.com and my friend's email is another@example.org.
Please contact us at your convenience.
'''

emails = re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)
print(emails)  # 输出: ['example@email.com', 'another@example.org']

说明：这里使用了正则表达式匹配常见的电子邮件格式。

4. 自动生成Excel报告

工作中经常需要制作报表，如果能自动生成Excel表格，那该多好啊！

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}

df = pd.DataFrame(data)

# 创建Excel writer对象
writer = pd.ExcelWriter('report.xlsx', engine='xlsxwriter')

# 将DataFrame写入Excel
df.to_excel(writer, sheet_name='Sheet1', index=False)

# 保存Excel文件
writer.save()

说明：这段代码创建了一个包含三列数据的DataFrame，并将其导出为名为report.xlsx的Excel文件。

5. 通过发送电子邮件提醒自己

有些重要的事情容易忘记？让Python帮你发送邮件提醒吧！

import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart

sender_email = "your_email@example.com"
receiver_email = "receiver_email@example.com"
password = input("Type your password and press enter:")

message = MIMEMultipart("alternative")
message["Subject"] = "Python Email Reminder"
message["From"] = sender_email
message["To"] = receiver_email

# Create the plain-text and HTML version of your message
text = """\
Hi,
How are you?
Real Python has many great tutorials:
www.realpython.com"""
html = """\
<html>
  <body>
    <p>Hi,<br>
       How are you?<br>
       <a href="http://www.realpython.com">Real Python</a> 
       has many great tutorials.
    </p>
  </body>
</html>
"""

# Turn these into plain/html MIMEText objects
part1 = MIMEText(text, "plain")
part2 = MIMEText(html, "html")

# Add HTML/plain-text parts to MIMEMultipart message
# The email client will try to render the last part first
message.attach(part1)
message.attach(part2)

# Create secure connection with server and send email
context = ssl.create_default_context()
with smtplib.SMTP_SSL("smtp.gmail.com", 465, context=context) as server:
    server.login(sender_email, password)
    server.sendmail(
        sender_email, receiver_email, message.as_string()
    )

说明：此脚本允许用户通过输入密码的方式安全地发送带有HTML格式内容的电子邮件。

6. 批量压缩文件

有时候我们需要将多个文件压缩成一个归档文件，以方便传输或存储。Python可以轻松完成这一任务。

import zipfile
import os

def zip_files(zip_filename, files):
    with zipfile.ZipFile(zip_filename, 'w', zipfile.ZIP_DEFLATED) as zipf:
        for file in files:
            zipf.write(file)

# 指定要压缩的文件列表
files_to_zip = ['file1.txt', 'file2.txt', 'file3.txt']

# 指定压缩后的文件名
zip_filename = 'archive.zip'

# 压缩文件
zip_files(zip_filename, files_to_zip)

说明：这段代码将file1.txt, file2.txt, file3.txt这三个文件压缩成一个名为archive.zip的归档文件。

7. 图像处理与识别

图像处理是一个非常实用的功能，特别是在社交媒体和摄影中。我们可以使用Python的Pillow库来处理图像。

from PIL import Image

# 打开图像文件
image = Image.open('input.jpg')

# 调整图像大小
resized_image = image.resize((800, 600))

# 保存修改后的图像
resized_image.save('output.jpg')

# 旋转图像
rotated_image = image.rotate(90)
rotated_image.save('rotated_output.jpg')

# 添加水印
watermark = Image.open('watermark.png')
watermark = watermark.resize((100, 100))
position = (image.width - watermark.width, image.height - watermark.height)
image.paste(watermark, position, mask=watermark)
image.save('watermarked_output.jpg')

说明：这段代码展示了如何调整图像大小、旋转图像以及添加水印。

8. 数据清洗与预处理

在进行数据分析之前，通常需要对数据进行清洗和预处理。Python的pandas库提供了强大的数据处理功能。

import pandas as pd

# 读取CSV文件
data = pd.read_csv('data.csv')

# 查看前几行数据
print(data.head())

# 删除缺失值
data.dropna(inplace=True)

# 删除重复行
data.drop_duplicates(inplace=True)

# 修改列名
data.rename(columns={'old_column_name': 'new_column_name'}, inplace=True)

# 保存处理后的数据
data.to_csv('cleaned_data.csv', index=False)

说明：这段代码展示了如何读取CSV文件、删除缺失值、删除重复行以及修改列名。

9. 网页爬虫

从网页上抓取数据是一项常见任务。Python的requests和BeautifulSoup库可以帮助我们轻松实现这一目标。

import requests
from bs4 import BeautifulSoup

url = 'https://example.com'
response = requests.get(url)

# 解析HTML
soup = BeautifulSoup(response.text, 'html.parser')

# 提取标题
title = soup.title.string
print(f'Title: {title}')

# 提取所有段落
paragraphs = soup.find_all('p')
for p in paragraphs:
    print(p.get_text())

# 提取所有链接
links = soup.find_all('a')
for link in links:
    print(link.get('href'))

说明：这段代码展示了如何获取网页标题、提取所有段落内容以及获取所有链接。

10. 文本处理与分析

文本处理在自然语言处理中非常重要。Python的nltk库提供了丰富的文本处理功能。

import nltk
from nltk.tokenize import word_tokenize, sent_tokenize
from nltk.corpus import stopwords

# 下载停用词
nltk.download('punkt')
nltk.download('stopwords')

text = """
Python is a high-level programming language designed to be easy to read and simple to implement. It is widely used for web development as well as data analysis.
"""

# 分词
words = word_tokenize(text)
print(words)

# 句子分割
sentences = sent_tokenize(text)
print(sentences)

# 移除停用词
stop_words = set(stopwords.words('english'))
filtered_words = [word for word in words if word.lower() not in stop_words]
print(filtered_words)

# 词频统计
from collections import Counter
word_counts = Counter(filtered_words)
print(word_counts.most_common())

说明：这段代码展示了如何分词、句子分割、移除停用词以及统计词频。

11. Excel数据处理

Excel文件在日常工作中非常常见。Python的pandas库可以轻松处理Excel文件。

import pandas as pd

# 读取Excel文件
data = pd.read_excel('data.xlsx')

# 查看前几行数据
print(data.head())

# 删除缺失值
data.dropna(inplace=True)

# 计算总和
total = data['Amount'].sum()
print(f'Total: {total}')

# 保存处理后的数据
data.to_excel('processed_data.xlsx', index=False)

说明：这段代码展示了如何读取Excel文件、删除缺失值、计算总和以及保存处理后的数据。

12. 日志记录与调试

在编写程序时，日志记录是非常重要的。Python的logging模块可以帮助我们记录程序运行过程中的信息。

import logging

# 配置日志记录
logging.basicConfig(filename='app.log', level=logging.INFO)

# 记录日志
logging.info('This is an info message')
logging.warning('This is a warning message')
logging.error('This is an error message')

说明：这段代码展示了如何配置日志记录并记录不同级别的日志信息。

13. 数据可视化

数据可视化可以让数据分析更加直观。Python的matplotlib和seaborn库提供了丰富的绘图功能。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 绘制柱状图
plt.figure(figsize=(10, 6))
sns.barplot(x='Category', y='Value', data=data)
plt.title('Bar Plot')
plt.xlabel('Category')
plt.ylabel('Value')
plt.show()

# 绘制折线图
plt.figure(figsize=(10, 6))
sns.lineplot(x='Date', y='Sales', data=data)
plt.title('Line Plot')
plt.xlabel('Date')
plt.ylabel('Sales')
plt.show()

# 绘制散点图
plt.figure(figsize=(10, 6))
sns.scatterplot(x='X', y='Y', data=data)
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

说明：这段代码展示了如何绘制柱状图、折线图和散点图。

14. PDF操作

PDF文件在很多场合都非常常用。Python的PyPDF2库可以用来处理PDF文件。

import PyPDF2

# 读取PDF文件
pdf_file = open('input.pdf', 'rb')
reader = PyPDF2.PdfReader(pdf_file)

# 获取页面数量
num_pages = len(reader.pages)
print(f'Number of pages: {num_pages}')

# 提取第一页内容
page = reader.pages[0]
text = page.extract_text()
print(f'First page content:\n{text}')

# 合并PDF文件
pdf_writer = PyPDF2.PdfWriter()
for page_num in range(num_pages):
    page = reader.pages[page_num]
    pdf_writer.add_page(page)

# 写入新文件
output_pdf = open('output.pdf', 'wb')
pdf_writer.write(output_pdf)

# 关闭文件
pdf_file.close()
output_pdf.close()

说明：这段代码展示了如何读取PDF文件、提取页面内容以及合并PDF文件。

15. 数据加密与解密

数据安全性非常重要。Python的cryptography库可以用来加密和解密数据。

from cryptography.fernet import Fernet

# 生成密钥
key = Fernet.generate_key()
cipher_suite = Fernet(key)

# 加密数据
plaintext = b"This is a secret message."
ciphertext = cipher_suite.encrypt(plaintext)
print(f'Ciphertext: {ciphertext}')

# 解密数据
decrypted_text = cipher_suite.decrypt(ciphertext)
print(f'Decrypted text: {decrypted_text.decode()}')

说明：这段代码展示了如何生成密钥、加密数据以及解密数据。

16. 文件监控与通知

监控文件夹的变化并及时通知是非常有用的。Python的watchdog库可以帮助我们实现这一功能。

from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler

class MyHandler(FileSystemEventHandler):
    def on_modified(self, event):
        print(f'Event type: {event.event_type}  path : {event.src_path}')
        print('File modified!')

# 设置观察器
observer = Observer()
observer.schedule(MyHandler(), path='C:/Users/YourName/Documents/', recursive=True)
observer.start()

try:
    while True:
        pass
except KeyboardInterrupt:
    observer.stop()

observer.join()

说明：这段代码展示了如何设置文件夹监控并在文件发生变化时打印通知。

17. 自动化办公任务

自动化办公任务可以大大提高工作效率。Python可以用来自动化Excel、Word等办公软件的操作。

import win32com.client

# 创建Excel应用程序对象
excel = win32com.client.Dispatch("Excel.Application")
excel.Visible = True

# 新建一个工作簿
workbook = excel.Workbooks.Add()

# 在单元格中写入数据
worksheet = workbook.Worksheets(1)
worksheet.Cells(1, 1).Value = "Hello, World!"

# 保存工作簿
workbook.SaveAs("C:/Users/YourName/Documents/automated_workbook.xlsx")

# 关闭工作簿
workbook.Close(SaveChanges=True)

# 关闭Excel应用程序
excel.Application.Quit()

说明：这段代码展示了如何创建Excel应用程序对象、新建工作簿、写入数据并保存。

18. 自动化邮件发送

自动化邮件发送可以在特定时间发送邮件，提高工作效率。

import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart

sender_email = "your_email@example.com"
receiver_email = "receiver_email@example.com"
password = input("Type your password and press enter:")

message = MIMEMultipart("alternative")
message["Subject"] = "Automated Email"
message["From"] = sender_email
message["To"] = receiver_email

# 创建纯文本和HTML版本的消息
text = """\
Hi,
This is an automated email from Python.
"""

html = """\
<html>
  <body>
    <p>Hi,<br>
       This is an automated email from Python.
    </p>
  </body>
</html>
"""

# 将纯文本和HTML消息转换为MIMEText对象
part1 = MIMEText(text, "plain")
part2 = MIMEText(html, "html")

# 将纯文本和HTML消息附加到MIMEMultipart消息
message.attach(part1)
message.attach(part2)

# 创建安全连接并发送邮件
context = ssl.create_default_context()
with smtplib.SMTP_SSL("smtp.gmail.com", 465, context=context) as server:
    server.login(sender_email, password)
    server.sendmail(sender_email, receiver_email, message.as_string())

说明：这段代码展示了如何创建纯文本和HTML版本的消息并发送邮件。

19. 实战案例：自动化数据分析流程

假设你是一名数据分析师，每天需要处理大量的销售数据。我们可以使用Python自动化整个数据分析流程。

读取数据
数据清洗
数据处理
数据可视化
发送报告

import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart

sender_email = "your_email@example.com"
receiver_email = "receiver_email@example.com"
password = input("Type your password and press enter:")

message = MIMEMultipart("alternative")
message["Subject"] = "Automated Email"
message["From"] = sender_email
message["To"] = receiver_email

# 创建纯文本和HTML版本的消息
text = """\
Hi,
This is an automated email from Python.
"""

html = """\
<html>
  <body>
    <p>Hi,<br>
       This is an automated email from Python.
    </p>
  </body>
</html>
"""

# 将纯文本和HTML消息转换为MIMEText对象
part1 = MIMEText(text, "plain")
part2 = MIMEText(html, "html")

# 将纯文本和HTML消息附加到MIMEMultipart消息
message.attach(part1)
message.attach(part2)

# 创建安全连接并发送邮件
context = ssl.create_default_context()
with smtplib.SMTP_SSL("smtp.gmail.com", 465, context=context) as server:
    server.login(sender_email, password)
    server.sendmail(sender_email, receiver_email, message.as_string())

说明：这段代码展示了如何读取销售数据、进行数据清洗、数据处理、数据可视化并将结果发送给指定的邮箱。