来源：网络

每天被重复性工作占用大量时间？其实，很多任务都可以用 Python 脚本自动完成。本文整理了 9 个最实用的 Python 自动化场景，每个都附带可直接复制运行的代码，帮你从繁琐操作中解放出来。

写在前面

Python 最大的优势之一，就是能用极少的代码完成大量重复性工作。无论是整理文件、发送邮件、监控网站，还是处理图片视频，几乎都有现成的库可以调用。

下面这 9 个脚本，都是从真实工作场景中提炼出来的。你可以直接复制代码，根据自己的需求稍作修改就能跑起来。

1. 自动发送邮件

场景：每天需要发送固定格式的邮件，比如日报、通知、提醒。

import smtplibfrom email.mime.text import MIMETextimport ossubject = "自动邮件"body = "这是一封用 Python 发送的自动邮件"to_email = "recipient@example.com"from_email = "sender@example.com"# 密码从环境变量读取，不要硬编码password = os.environ.get("EMAIL_PASSWORD")msg = MIMEText(body)msg["Subject"] = subjectmsg["From"] = from_emailmsg["To"] = to_emailtry:    server = smtplib.SMTP_SSL("smtp.example.com", 465)    server.login(from_email, password)    server.sendmail(from_email, to_email, msg.as_string())print("邮件发送成功")except Exception as e:print(f"发送失败：{e}")finally:    server.quit()

注意点：

• 密码一定要放在环境变量或 .env 文件中，不要写死在代码里。
• 建议用 SMTP_SSL 或 starttls，避免明文传输。
• 加上异常处理，发送失败时不会直接崩溃。

2. 自动整理文件

场景：下载目录堆积如山，想按文件类型自动分类。

import osimport shutilfrom pathlib import Pathsrc_dir = Path("/path/to/source/directory")dst_dir = Path("/path/to/destination/directory")for file in src_dir.iterdir():if file.is_file() andnot file.name.startswith("."):        ext = file.suffix.lower() or"其他"        target_folder = dst_dir / ext        target_folder.mkdir(parents=True, exist_ok=True)        shutil.move(str(file), str(target_folder / file.name))

注意点：

• 用 pathlib 比 os.path 更 Pythonic。
• 过滤掉隐藏文件（以 . 开头），避免误移动系统文件。
• 如果是备份而不是移动，把 shutil.move 换成 shutil.copy2。

3. 自动发社交媒体推文

场景：运营账号需要定时发布内容。

import tweepyclient = tweepy.Client(    bearer_token="your_bearer_token",    consumer_key="your_api_key",    consumer_secret="your_api_secret",    access_token="your_access_token",    access_token_secret="your_access_token_secret")response = client.create_tweet(text="这是一条用 Python 发送的自动推文")print(f"推文已发布：{response.data['id']}")

注意点：

• Twitter 现在使用 API v2，旧版 v1.1 的代码需要更新。
• 推荐用 tweepy 库，OAuth 流程已经封装好了。
• 注意 API 调用频率限制，避免账号被封。

4. 自动填写电子表格

场景：每天把数据写入 Google Sheets 或 Excel 表格。

import gspreadfrom google.oauth2.service_account import Credentialsscopes = ["https://www.googleapis.com/auth/spreadsheets"]creds = Credentials.from_service_account_file("credentials.json", scopes=scopes)client = gspread.authorize(creds)sheet = client.open_by_key("your_spreadsheet_id").sheet1sheet.update("A1:B2", [[1, 2], [3, 4]])

注意点：

• 需要先完成 Google API 认证，下载 credentials.json。
• gspread 比原生的 googleapiclient 更简洁，代码量少很多。
• 对于 Excel 文件，可以用 openpyxl 库，不需要联网。

5. 自动监控网站可用性

场景：想第一时间知道某个网站是不是宕机了。

import requestsimport timeurl = "https://www.example.com"try:    response = requests.get(url, timeout=5)if200 <= response.status_code < 300:print(f"✅ {url} 正常访问")else:print(f"⚠️ {url} 返回状态码：{response.status_code}")except requests.RequestException as e:print(f"❌ {url} 访问失败：{e}")

注意点：

• 设置 timeout，避免某个网站卡住导致脚本 hanging。
• 状态码判断用 2xx 范围，不要只判断 200。
• 配合 schedule 库和消息推送，就能做成一个简易监控告警系统。

6. 自动备份文件夹

场景：定期把重要文件夹打包备份。

import shutilfrom datetime import datetimefrom pathlib import Pathsrc_dir = Path("/path/to/source/directory")backup_dir = Path("/path/to/backup/directory")backup_dir.mkdir(parents=True, exist_ok=True)timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")backup_path = backup_dir / f"backup_{timestamp}"shutil.make_archive(str(backup_path), "zip", str(src_dir))print(f"备份完成：{backup_path}.zip")

注意点：

• shutil.make_archive 可以生成 zip、tar、gztar 等格式。
• 加时间戳可以保留多个历史版本。
• 重要数据建议用更专业的备份工具，比如 rdiff-backup 或云同步服务。

7. 自动生成数据报表

场景：每天从数据生成 CSV 或 Excel 报表。

import pandas as pdfrom datetime import datetimesales_data = {"Date": ["2025-07-01", "2025-07-02", "2025-07-03"],"Sales": [100, 200, 300]}df = pd.DataFrame(sales_data)df["Date"] = pd.to_datetime(df["Date"])report_name = f"sales_report_{datetime.now().strftime('%Y%m%d')}.csv"df.to_csv(report_name, index=False)print(f"报表已生成：{report_name}")

注意点：

• 用 pd.to_datetime 把日期列转成正确格式，方便后续分析。
• 报表文件名加上日期，避免覆盖历史文件。
• 可以进一步用 df.to_excel 生成 Excel 文件，并添加样式。

8. 自动批量处理图片

场景：需要把一批图片统一调整尺寸或转换格式。

from PIL import Imagefrom pathlib import Pathinput_dir = Path("./images")output_dir = Path("./resized")output_dir.mkdir(exist_ok=True)for image_file in input_dir.glob("*.jpg"):with Image.open(image_file) as img:        img.thumbnail((800, 800))        output_path = output_dir / f"{image_file.stem}_resized.jpg"        img.save(output_path, quality=85)print(f"已处理：{output_path}")

注意点：

• thumbnail 会保持宽高比，resize 不会，按需求选择。
• 批量处理时建议用 glob 遍历文件夹。
• 保存 JPEG 时可以设置 quality 参数控制文件大小。

9. 自动剪辑视频

场景：从长视频中截取精彩片段。

from moviepy.editor import VideoFileClipclip = VideoFileClip("input_video.mp4")trimmed_clip = clip.subclip(5, 30)  # 截取第 5 秒到第 30 秒trimmed_clip.write_videofile("output_video.mp4")

注意点：

• moviepy 适合入门和中小规模处理，API 非常直观。
• 处理大文件或批量剪辑时，直接用 FFmpeg 会更快，可以配合 subprocess 调用。

总结：从“能跑”到“好用”还差什么？

上面的脚本都是最小可用版本，真正用到生产环境或日常工作中，建议再加三件套：

把这三个基础能力补上，你的自动化脚本就从“玩具”变成“工具”了。

长按或扫描下方二维码，免费获取 Python公开课和大佬打包整理的几百G的学习资料，内容包含但不限于Python电子书、教程、项目接单、源码等等
▲扫描二维码-免费领取