每天重复3小时的活,Python帮我10分钟搞定

早上9点，看着办公桌上堆成小山的Excel表格，小张叹了口气——又到了每周最痛苦的数据汇总时间。3个小时的复制粘贴、格式调整、公式核对，枯燥又容易出错。而隔壁工位的李哥，同样的工作，10分钟搞定，还能悠闲地喝杯咖啡。

这个差距，就藏在Python的几个自动化脚本里。今天我就来分享，如何用Python把那些重复、繁琐的日常工作，从几小时压缩到几分钟。

往期阅读>>>

Python 20 个文本分析的库：效率提升 10 倍的秘密武器

Python 金融定价利器FinancePy库深度解析

Python 为什么会成为AI时代的头部语言

Python 40个常用的列表推导式

Python 50个提高代码开发效率的方法

Python 自动检测服务HTTPS证书过期时间并发送预警

Python 自动化操作Redis的15个实用脚本

Python 自动化管理Jenkins的15个实用脚本，提升效率

Python copyparty搭建轻量的文件服务器的方法

Python 实现2FA认证的方法，提升安全性

Python 封装20个常用API接口，提升开发效率

App2Docker：如何无需编写Dockerfile也可以创建容器镜像

Python 集成 Nacos 配置中心的方法

Python 35个JSON数据处理方法

Python 字典与列表的20个核心技巧

Python 15个文本分析的库，提升效率

Python 15个Pandas技巧，提升数据分析效率

Python 运维中30个常用的库，提升效率

Python调用远程接口的方法

Python 提取HTML文本的方法，提升效率

Python 应用容器化方法：实现“一次部署，处处运行”

Python 自动化识别Nginx配置并导出为excel文件，提升Nginx管理效率

Python 5个常见的异步任务处理框架

Python数据科学常见的30个库

Python 50个实用代码片段，优雅高效

场景一：Excel报表自动化，告别复制粘贴

痛点： 每周要从10个部门的Excel中提取数据，手动复制到总表，调整格式，计算汇总。

传统做法（3小时）：

1. 打开10个Excel文件

2. 找到对应的工作表和单元格

3. 复制数据到总表

4. 调整格式（字体、颜色、边框）

5. 添加公式计算汇总

6. 检查数据一致性

7. 保存并发送邮件

Python解决方案（5分钟）：

importpandasaspdimportosfromopenpyxlimportload_workbookfromopenpyxl.stylesimportFont, Alignment, Border, Sidedefauto_excel_report():# 1. 自动读取所有部门的Exceldepartment_files = [fforfinos.listdir('departments/') iff.endswith('.xlsx')]all_data = []forfileindepartment_files:# 读取每个部门的数据df = pd.read_excel(f'departments/{file}', sheet_name='月度数据')# 自动提取需要的列extracted = df[['部门', '销售额', '成本', '利润']].copy()extracted['月份'] = pd.Timestamp.now().strftime('%Y-%m')all_data.append(extracted)# 2. 合并数据total_df = pd.concat(all_data, ignore_index=True)# 3. 计算汇总summary = {'总销售额': total_df['销售额'].sum(),'总成本': total_df['成本'].sum(),'总利润': total_df['利润'].sum(),'平均利润率': (total_df['利润'].sum() /total_df['销售额'].sum() *100)    }# 4. 保存到总表（带格式）withpd.ExcelWriter('月度汇总报告.xlsx', engine='openpyxl') aswriter:total_df.to_excel(writer, sheet_name='明细数据', index=False)# 获取工作表对象用于格式设置workbook = writer.bookworksheet = writer.sheets['明细数据']# 设置标题格式header_font = Font(bold=True, color="FFFFFF")header_fill = PatternFill(start_color="366092", end_color="366092", fill_type="solid")forcellinworksheet[1]:cell.font = header_fontcell.fill = header_fontcell.alignment = Alignment(horizontal='center')# 自动调整列宽forcolumninworksheet.columns:max_length = 0column_letter = column[0].column_letterforcellincolumn:try:iflen(str(cell.value)) >max_length:max_length = len(str(cell.value))except:passadjusted_width = min(max_length+2, 50)worksheet.column_dimensions[column_letter].width = adjusted_widthprint(f"报表生成完成！耗时: 5分钟")print(f"汇总数据: {summary}")# 5. 自动发送邮件（可选）# send_email_with_attachment('月度汇总报告.xlsx')

效果对比：

• 时间：3小时 → 5分钟

• 准确率：人工易错 → 100%准确

• 可重复性：每次操作可能不同 → 每次结果一致

场景二：文件整理自动化，告别手动分类

痛点： 每天收到几十个文件，需要按类型、日期手动分类到不同文件夹。

传统做法（1小时/天）：

1. 查看每个文件类型

2. 判断应该放到哪个文件夹

3. 重命名文件（按日期+类型）

4. 移动到对应文件夹

5. 更新文件清单

Python解决方案（2分钟）：

importosimportshutilfromdatetimeimportdatetimefrompathlibimportPathdefauto_file_organizer(source_folder='下载/'):# 定义分类规则categories = {'文档': ['.pdf', '.doc', '.docx', '.txt', '.md'],'表格': ['.xlsx', '.xls', '.csv'],'图片': ['.jpg', '.jpeg', '.png', '.gif', '.bmp'],'代码': ['.py', '.js', '.java', '.cpp', '.html', '.css'],'压缩包': ['.zip', '.rar', '.7z', '.tar.gz']    }# 创建分类文件夹forcategoryincategories.keys():os.makedirs(f'整理后/{category}', exist_ok=True)# 遍历并分类文件forfilenameinos.listdir(source_folder):filepath = os.path.join(source_folder, filename)ifos.path.isfile(filepath):# 获取文件扩展名ext = os.path.splitext(filename)[1].lower()# 查找对应的分类target_category = '其他'# 默认分类forcategory, extensionsincategories.items():ifextinextensions:target_category = categorybreak# 生成新文件名（日期+原名）today = datetime.now().strftime('%Y%m%d')new_filename = f"{today}_{filename}"# 移动文件target_path = f'整理后/{target_category}/{new_filename}'shutil.move(filepath, target_path)print(f"已移动: {filename} → {target_category}/{new_filename}")# 生成整理报告report = {}forcategoryincategories.keys():category_path = f'整理后/{category}'ifos.path.exists(category_path):count = len([fforfinos.listdir(category_path) ifos.path.isfile(os.path.join(category_path, f))])report[category] = countprint(f"\n整理完成！")forcategory, countinreport.items():print(f"{category}: {count}个文件")# 设置定时任务，每天下午5点自动整理# 在Linux/Mac: crontab -e 添加: 0 17 * * * python /path/to/organizer.py# 在Windows: 使用任务计划程序

进阶功能：自动去重和备份

importhashlibdefremove_duplicates(folder_path):"""删除重复文件"""hashes = {}forroot, dirs, filesinos.walk(folder_path):forfilenameinfiles:filepath = os.path.join(root, filename)# 计算文件哈希值withopen(filepath, 'rb') asf:file_hash = hashlib.md5(f.read()).hexdigest()# 如果哈希值已存在，删除重复文件iffile_hashinhashes:print(f"删除重复文件: {filepath}")os.remove(filepath)else:hashes[file_hash] = filepath

场景三：数据抓取自动化，告别手动收集

痛点： 每天需要从10个网站收集产品价格信息，手动记录到Excel。

传统做法（2小时/天）：

1. 打开10个网站

2. 找到价格信息

3. 复制到Excel

4. 计算平均价格、最低价

5. 制作价格趋势图

Python解决方案（8分钟）：

importrequestsfrombs4importBeautifulSoupimportpandasaspdimportscheduleimporttimefromdatetimeimportdatetimedeffetch_product_prices():"""抓取多个电商网站的价格"""# 定义要监控的产品和网站products = {'iPhone15': {'京东': 'https://item.jd.com/10012345678.html','天猫': 'https://detail.tmall.com/item.htm?id=123456789','苏宁': 'https://product.suning.com/123456789.html'        },'小米电视': {'京东': 'https://item.jd.com/10023456789.html','天猫': 'https://detail.tmall.com/item.htm?id=234567890'        }    }all_prices = []forproduct_name, websitesinproducts.items():forsite_name, urlinwebsites.items():try:# 发送请求headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'                }response = requests.get(url, headers=headers, timeout=10)# 解析页面（每个网站结构不同，需要单独处理）soup = BeautifulSoup(response.text, 'html.parser')# 京东价格提取if'jd.com'inurl:price_element = soup.find('span', class_='price J-p-10012345678')price = float(price_element.text.strip().replace('¥', '')) ifprice_elementelseNone# 天猫价格提取elif'tmall.com'inurl:price_element = soup.find('span', class_='tm-price')price = float(price_element.text.strip()) ifprice_elementelseNone# 记录价格ifprice:all_prices.append({'时间': datetime.now().strftime('%Y-%m-%d %H:%M'),'产品': product_name,'平台': site_name,'价格': price,'网址': url                    })print(f"{product_name}在{site_name}的价格: ¥{price}")exceptExceptionase:print(f"抓取{site_name}的{product_name}价格失败: {e}")# 保存到Excelifall_prices:df = pd.DataFrame(all_prices)# 如果文件已存在，追加数据ifos.path.exists('价格监控.xlsx'):existing_df = pd.read_excel('价格监控.xlsx')updated_df = pd.concat([existing_df, df], ignore_index=True)else:updated_df = df# 保存数据updated_df.to_excel('价格监控.xlsx', index=False)# 生成价格分析报告generate_price_report(updated_df)returnall_pricesdefgenerate_price_report(df):"""生成价格分析报告"""# 按产品和平台分组latest_prices = df.sort_values('时间').groupby(['产品', '平台']).last().reset_index()# 计算每个产品的最低价格和平台product_summary = []forproductindf['产品'].unique():product_data = latest_prices[latest_prices['产品'] == product]min_price = product_data['价格'].min()min_platform = product_data[product_data['价格'] == min_price]['平台'].iloc[0]product_summary.append({'产品': product,'最低价': min_price,'最低价平台': min_platform,'监控平台数': len(product_data),'建议购买平台': min_platform        })# 保存报告summary_df = pd.DataFrame(product_summary)summary_df.to_excel('价格分析报告.xlsx', index=False)print("\n=== 价格分析报告 ===")foriteminproduct_summary:print(f"{item['产品']}: 最低¥{item['最低价']} ({item['最低价平台']})")defrun_daily_monitor():"""每天定时运行监控"""print(f"{datetime.now().strftime('%Y-%m-%d %H:%M')} 开始价格监控...")fetch_product_prices()print("价格监控完成！")# 设置定时任务：每天上午10点和下午4点各运行一次schedule.every().day.at("10:00").do(run_daily_monitor)schedule.every().day.at("16:00").do(run_daily_monitor)print("价格监控系统已启动，按Ctrl+C停止")whileTrue:schedule.run_pending()time.sleep(60)

场景四：邮件处理自动化，告别手动回复

痛点： 每天收到大量格式相似的咨询邮件，需要手动阅读、分类、回复。

Python解决方案：

importimaplibimportemailfromemail.headerimportdecode_headerimportrefromdatetimeimportdatetime, timedeltaclassAutoEmailProcessor:def__init__(self, email_address, password):self.email_address = email_addressself.password = passworddefconnect_to_mailbox(self):"""连接到邮箱"""self.mail = imaplib.IMAP4_SSL("imap.example.com")self.mail.login(self.email_address, self.password)self.mail.select("inbox")deffetch_unread_emails(self):"""获取未读邮件"""status, messages = self.mail.search(None, 'UNSEEN')email_ids = messages[0].split()emails = []foremail_idinemail_ids:status, msg_data = self.mail.fetch(email_id, '(RFC822)')email_body = msg_data[0][1]msg = email.message_from_bytes(email_body)# 解析邮件信息subject = self._decode_header(msg["Subject"])from_ = self._decode_header(msg["From"])date = msg["Date"]body = self._get_email_body(msg)emails.append({'id': email_id.decode(),'subject': subject,'from': from_,'date': date,'body': body            })returnemailsdefauto_classify_and_reply(self):"""自动分类和回复邮件"""emails = self.fetch_unread_emails()# 定义分类规则和回复模板rules = [            {'keywords': ['报价', '价格', '多少钱'],'category': '价格咨询','reply_template': '''尊敬的客户：感谢您对我们产品的关注！关于{product}的价格信息，请参考我们的官网报价页面：https://example.com/pricing如果您需要批量采购或有特殊需求，请联系我们的销售团队。祝好！{company}团队'''            },            {'keywords': ['技术支持', '故障', '问题', '帮助'],'category': '技术支持','reply_template': '''尊敬的客户：感谢您联系我们！我们已经收到您的技术支持请求，工单编号：{ticket_id}我们的技术支持团队将在24小时内联系您。您也可以通过以下方式获取帮助：1. 知识库：https://help.example.com2. 在线客服：工作日9:00-18:00{ticket_details}'''            }        ]foremail_infoinemails:category = '其他'reply_template = None# 根据邮件内容分类email_text = f"{email_info['subject']} {email_info['body']}".lower()forruleinrules:ifany(keywordinemail_textforkeywordinrule['keywords']):category = rule['category']reply_template = rule['reply_template']break# 生成回复ifreply_template:reply_content = self._generate_reply(email_info, reply_template, category)self._send_reply(email_info['from'], f"Re: {email_info['subject']}", reply_content)print(f"已自动回复邮件: {email_info['subject']} ({category})")# 标记为已读self.mail.store(email_info['id'], '+FLAGS', '\\Seen')def_generate_reply(self, email_info, template, category):"""生成回复内容"""# 从邮件中提取产品名称product_match = re.search(r'产品[：:]?\s*([^\s，,。]+)', email_info['body'])product = product_match.group(1) ifproduct_matchelse"相关产品"# 生成工单IDticket_id = f"TICKET-{datetime.now().strftime('%Y%m%d')}-{hash(email_info['id'])%1000:03d}"# 填充模板reply = template.format(product=product,ticket_id=ticket_id,company="XX科技",ticket_details=f"问题描述：{email_info['body'][:100]}..."        )returnreplydef_send_reply(self, to_address, subject, content):"""发送回复邮件"""# 这里需要实现SMTP发送逻辑passdef_decode_header(self, header):"""解码邮件头"""ifheader:decoded = decode_header(header)return''.join([str(t[0], t[1] or'utf-8') ifisinstance(t[0], bytes) elset[0] fortindecoded])return""def_get_email_body(self, msg):"""获取邮件正文"""ifmsg.is_multipart():forpartinmsg.walk():content_type = part.get_content_type()content_disposition = str(part.get("Content-Disposition"))ifcontent_type == "text/plain"and"attachment"notincontent_disposition:body = part.get_payload(decode=True).decode()returnbodyelse:content_type = msg.get_content_type()ifcontent_type == "text/plain":body = msg.get_payload(decode=True).decode()returnbodyreturn""

如何开始你的自动化之旅

如果你也想把重复工作自动化，建议按这个步骤开始：

第一步：识别自动化机会

1. 记录一周的工作，找出重复性最高的任务

2. 评估自动化价值：时间节省 vs 开发成本

3. 从最简单的任务开始（如文件整理）

第二步：学习必要的Python技能

# 核心库推荐-文件操作: os, shutil, pathlib-Excel处理: pandas, openpyxl-网页抓取: requests, BeautifulSoup-邮件处理: imaplib, smtplib-定时任务: schedule, apscheduler

第三步：分阶段实施

1. 第一周：实现一个简单的文件整理脚本

2. 第二周：自动化一个Excel报表

3. 第三周：添加错误处理和日志记录

4. 第四周：部署为定时任务

第四步：持续优化

1. 添加异常处理，让脚本更健壮

2. 编写文档，方便团队使用

3. 定期review，优化性能

自动化不是要取代人，而是要解放人。 把时间花在创造价值的事情上，而不是重复劳动上。

从今天开始，选一个你最讨厌的重复性工作，试着用Python自动化它。哪怕只是节省10分钟，那也是迈向高效工作的第一步。

如果你觉得这篇文章有用，欢迎点赞、转发、收藏、留言、推荐❤！