import smtplibfrom email.mime.text import MIMETextdef send_email(to_addr, subject, content):    # 配置邮箱服务器（以QQ/163邮箱为例，替换成对应smtp地址）    smtp_server = 'smtp.example.com'    username = 'your-email@example.com'  # 发件人邮箱    password = 'your-password'  # 邮箱授权码（非登录密码）    # 构建邮件内容    msg = MIMEText(content)    msg['Subject'] = subject    msg['From'] = username    msg['To'] = to_addr    # 连接服务器并发送邮件    server = smtplib.SMTP(smtp_server, 587)    server.starttls()    server.login(username, password)    server.sendmail(username, to_addr, msg.as_string())    server.quit()# 使用示例：给receiver@example.com发送「每日报告提醒」邮件send_email('receiver@example.com', '每日报告提醒', '今日报告已生成，请查收。')

import sqlite3def create_connection(db_file):    # 创建数据库连接    conn = None    try:        conn = sqlite3.connect(db_file)        print(f"成功连接到SQLite数据库: {db_file}")    except sqlite3.Error as e:        print(e)    return conndef insert_data(conn, table_name, data_dict):    # 拼接插入SQL语句（数据字典：键=字段名，值=字段值）    keys = ', '.join(data_dict.keys())    values = ', '.join(f"'{v}'" for v in data_dict.values())    sql = f"INSERT INTO {table_name} ({keys}) VALUES ({values});"    try:        cursor = conn.cursor()        cursor.execute(sql)        conn.commit()  # 提交事务    except sqlite3.Error as e:        print(e)# 使用示例：连接my_database.db，往users表插入一条用户数据conn = create_connection('my_database.db')data = {'name': 'John Doe', 'age': 30}insert_data(conn, 'users', data)conn.close()  # 关闭数据库连接

import requestsfrom bs4 import BeautifulSoupdef fetch_web_content(url):    # 发送请求获取网页内容    response = requests.get(url)    if response.status_code == 200:  # 请求成功        soup = BeautifulSoup(response.text, 'html.parser')        title = soup.find('title').text  # 提取网页标题（可替换成其他内容）        return title    else:        return "无法获取网页内容"# 使用示例：爬取https://example.com的网页标题url = 'https://example.com'web_title = fetch_web_content(url)print("网页标题: ", web_title)

import pandas as pddef clean_data(file_path):    # 读取CSV文件（可替换成read_excel读取Excel）    df = pd.read_csv(file_path)    # 填充缺失值为N/A    df.fillna('N/A', inplace=True)    # 删除重复行    df.drop_duplicates(inplace=True)    # 把date_column列转换成日期格式    df['date_column'] = pd.to_datetime(df['date_column'])    return df# 使用示例：清洗data.csv文件cleaned_df = clean_data('data.csv')print("数据清洗完成，已准备就绪！")

from PIL import Imageimport osdef compress_images(dir_path, quality=90):    # 遍历目标文件夹下的图片文件    for filename in os.listdir(dir_path):        if filename.endswith(".jpg") or filename.endswith(".png"):            img = Image.open(os.path.join(dir_path, filename))            # 保存压缩后的图片（加前缀compressed_区分原文件）            img.save(os.path.join(dir_path, f'compressed_{filename}'), optimize=True, quality=quality)# 使用示例：压缩/path/to/images下的图片，质量80（数值越小压缩率越高）compress_images('/path/to/images', quality=80)

import fileinputdef search_replace_in_files(dir_path, search_text, replace_text):    # 遍历目标文件夹下的所有文件，逐行替换内容    for line in fileinput.input([f"{dir_path}/*"], inplace=True):        print(line.replace(search_text, replace_text), end='')# 使用示例：把/path/to/files下的old_text替换成new_textsearch_replace_in_files('/path/to/files', 'old_text', 'new_text')

def analyze_log(log_file):    # 读取日志文件    with open(log_file, 'r') as f:        lines = f.readlines()    error_count = 0    # 统计包含ERROR的行数    for line in lines:        if "ERROR" in line:            error_count += 1    print(f"日志文件中包含 {error_count} 条错误记录。")# 使用示例：分析application.log中的错误记录数analyze_log('application.log')

import matplotlib.pyplot as pltimport pandas as pddef visualize_data(data_file):    # 读取数据文件    df = pd.read_csv(data_file)    # 绘制柱状图（x轴=category列，y轴=value列）    df.plot(kind='bar', x='category', y='value')    plt.title('数据分布')  # 图表标题    plt.xlabel('类别')     # x轴标签    plt.ylabel('值')       # y轴标签    plt.show()  # 显示图表# 使用示例：根据data.csv生成柱状图visualize_data('data.csv')

import imaplibimport emailfrom email.header import decode_headerimport osdef download_attachments(email_addr, password, imap_server, folder='INBOX'):    # 连接IMAP邮箱服务器    mail = imaplib.IMAP4_SSL(imap_server)    mail.login(email_addr, password)    # 选择收件箱    mail.select(folder)    result, data = mail.uid('search', None, "ALL")    uids = data[0].split()    # 遍历所有邮件    for uid in uids:        _, msg_data = mail.uid('fetch', uid, '(RFC822)')        raw_email = msg_data[0][1].decode("utf-8")        email_message = email.message_from_string(raw_email)        # 提取邮件附件        for part in email_message.walk():            if part.get_content_maintype() == 'multipart':                continue            if part.get('Content-Disposition') is None:                continue            filename = part.get_filename()            if bool(filename):                # 保存附件到指定路径                file_data = part.get_payload(decode=True)                with open(os.path.join('/path/to/download', filename), 'wb') as f:                    f.write(file_data)    mail.close()

import pandas as pdimport smtplibfrom email.mime.text import MIMETextfrom email.mime.multipart import MIMEMultipartdef generate_report(source, to_addr, subject):    # 读取数据并生成HTML格式报告（可替换成自己的报表逻辑）    report_content = pd.DataFrame({"Data": [1, 2, 3], "Info": ["A", "B", "C"]}).to_html()    # 构建带HTML内容的邮件    msg = MIMEMultipart()    msg['From'] = 'your-email@example.com'    msg['To'] = to_addr    msg['Subject'] = subject    msg.attach(MIMEText(report_content, 'html'))    # 发送邮件    server = smtplib.SMTP('smtp.example.com', 587)    server.starttls()    server.login('your-email@example.com', 'your-password')    text = msg.as_string()    server.sendmail('your-email@example.com', to_addr, text)    server.quit()# 使用示例：生成data.csv的报告并发送给receiver@example.comgenerate_report('data.csv', 'receiver@example.com', '每日数据报告')# 搭配第3个定时脚本，可实现每天自动发送

from locust import HttpUser, task, betweenclass WebsiteUser(HttpUser):    wait_time = between(5, 15)  # 模拟用户操作间隔5-15秒    @task  # 定义测试任务（默认权重）    def load_test_api(self):        # 测试GET接口/api/data，验证返回状态码200        response = self.client.get("/api/data")        assert response.status_code == 200    @task(3)  # 权重3倍：执行频率是其他任务的3倍    def post_data(self):        # 测试POST接口/api/submit，验证返回状态码201        data = {"key": "value"}        response = self.client.post("/api/submit", json=data)        assert response.status_code == 201# 启动命令（终端执行）：# locust -f your_test_script.py --host=http://your-api-url.com

from fabric import Connectiondef deploy(host_string, user, password, project_path, remote_dir):    # 连接远程服务器    c = Connection(host=host_string, user=user, connect_kwargs={"password": password})    # 进入项目目录执行部署命令    with c.cd(remote_dir):        c.run('git pull origin master')  # 拉取最新代码        c.run('pip install -r requirements.txt')  # 安装依赖        c.run('python manage.py migrate')  # 数据库迁移（Django项目）        c.run('python manage.py collectstatic --noinput')  # 收集静态文件        c.run('supervisorctl restart your_project_name')  # 重启服务# 使用示例：部署项目到指定服务器deploy(    host_string='your-server-ip',  # 服务器IP    user='deploy_user',            # 登录用户名    password='deploy_password',    # 登录密码    project_path='/path/to/local/project',  # 本地项目路径    remote_dir='/path/to/remote/project'    # 服务器项目路径)# 回滚：可基于git reset --hard 版本号实现，或恢复备份文件

from PyPDF2 import PdfMerger, PdfReaderdef merge_pdfs(input_paths, output_path):    """批量合并PDF文件"""    merger = PdfMerger()    # 遍历所有要合并的PDF路径    for path in input_paths:        merger.append(path)  # 添加PDF文件    merger.write(output_path)  # 保存合并后的PDF    merger.close()    print(f"PDF合并完成！保存路径：{output_path}")def extract_pdf_text(pdf_path, output_txt_path):    """提取PDF文件中的文本内容"""    reader = PdfReader(pdf_path)    text_content = ""    # 遍历PDF所有页面，提取文本    for page in reader.pages:        text_content += page.extract_text() + "\n"    # 保存提取的文本到TXT文件    with open(output_txt_path, 'w', encoding='utf-8') as f:        f.write(text_content)    print(f"文本提取完成！保存路径：{output_txt_path}")# 使用示例1：合并3个PDF文件到merged.pdfinput_pdfs = ["file1.pdf", "file2.pdf", "file3.pdf"]merge_pdfs(input_pdfs, "merged.pdf")# 使用示例2：提取example.pdf的文本到output.txtextract_pdf_text("example.pdf", "output.txt")