python 自动化教程

---

前言

在当今快节奏的工作环境中，重复性任务耗时费力，而 Python 自动化技术宛如神奇助手，能极大提升效率。这份教程将带你开启 Python 自动化学习之旅，从基础语法、常用自动化库，到办公、爬虫等实战场景，助力你快速掌握这一高效技能，轻松应对工作挑战。

---

一、Python 自动化基础​
（一）Python 基础语法回顾​
变量与数据类型​
Python 拥有多种数据类型，如整数（int）、浮点数（float）、字符串（str）、列表（list）、元组（tuple）、字典（dict）等。变量声明无需指定类型，直接赋值即可。例如：​
​

整数变量​

age = 25​

字符串变量​

name = "John"​

列表变量​

fruits = [“apple”, “banana”, “cherry”]​
​
操作符​
包括算术操作符（如+、-、*、/、%）、比较操作符（如==、!=、>、<、>=、<=）、逻辑操作符（and、or、not）等。​
​

算术操作​

result = 5 + 3​

比较操作​

is_greater = 10 > 5​

逻辑操作​

is_valid = (age > 18) and (name!= “”)​
​
条件语句与循环语句​
条件语句（if、elif、else）用于根据条件执行不同代码块；循环语句（for、while）可实现代码重复执行。​
​

if语句​

if age >= 18:​
print(“成年人”)​
else:​
print(“未成年人”)​
​

for循环遍历列表​

for fruit in fruits:​
print(fruit)​
​

while循环​

count = 0​
while count < 5:​
print(count)​
count += 1​
​
函数与模块​
函数通过def关键字定义，提升代码复用性；模块是包含 Python 代码的文件，使用import导入。​
​

定义函数​

def add_numbers(a, b):​
return a + b​
​

调用函数​

sum_result = add_numbers(3, 4)​
​

导入模块​

import math​

使用模块中的函数​

sqrt_result = math.sqrt(16)​
​
（二）Python 自动化常用库​
Selenium - Web 浏览器自动化​
Selenium 可模拟用户在浏览器中的操作，如点击、输入、滚动等，常用于 Web 测试和爬虫开发。​
安装：通过pip install selenium安装。需下载对应浏览器的 WebDriver，如 ChromeDriver。​
基本操作示例：​
​
from selenium import webdriver​
from selenium.webdriver.common.by import By​
​

启动Chrome浏览器​

driver = webdriver.Chrome()​

打开网页​

driver.get(“https://www.example.com”)​

定位元素并输入内容​

element = driver.find_element(By.NAME, “q”)​
element.send_keys(“Python自动化”)​

提交表单​

element.submit()​

关闭浏览器​

driver.quit()​
​
Requests 与 BeautifulSoup - 网络爬虫​
Requests库用于发送 HTTP 请求获取网页内容，BeautifulSoup库用于解析和提取网页数据。​
安装：pip install requests beautifulsoup4。​
示例代码：​
​
import requests​
from bs4 import BeautifulSoup​
​

发送GET请求获取网页内容​

response = requests.get(“https://www.example.com”)​

使用BeautifulSoup解析HTML​

soup = BeautifulSoup(response.text, ‘html.parser’)​

提取网页标题​

title = soup.find(‘title’).text​
print(title)​
​
Pandas - 数据处理与分析​
Pandas 在数据处理和分析方面功能强大，可读写文件、清洗数据、分析数据等。​
安装：pip install pandas。​
示例：​
​
import pandas as pd​
​

读取CSV文件​

data = pd.read_csv(‘data.csv’)​

数据预览​

print(data.head())​

数据清洗 - 删除包含缺失值的行​

cleaned_data = data.dropna()​

数据分析 - 统计描述​

summary = cleaned_data.describe()​
print(summary)​
​
OS 与 Shutil - 文件和目录操作​
os模块用于操作系统交互，shutil模块用于文件和目录操作。​
安装：这两个模块是 Python 标准库，无需额外安装。​
示例：​
​
import os​
import shutil​
​

创建新目录​

os.mkdir(‘new_directory’)​

复制文件​

shutil.copy(‘example.txt’, ‘new_directory/example.txt’)​

移动文件​

shutil.move(‘new_directory/example.txt’, ‘another_directory/’)​
​
二、Python 自动化实战应用​
（一）自动化办公​
文件处理​
批量重命名文件：假设要将某文件夹下所有图片文件（.jpg格式）重命名，在文件名前加上 “image_” 前缀。​
​
import os​
​
folder_path = ‘your_folder_path’​
for filename in os.listdir(folder_path):​
if filename.endswith(’.jpg’):​
new_name = ‘image_’ + filename​
os.rename(os.path.join(folder_path, filename), os.path.join(folder_path, new_name))​
​
文件分类整理：将不同类型文件分类存放到对应文件夹。​
​
import os​
import shutil​
​
folder_path = ‘your_folder_path’​
file_types = {​
‘images’: [’.jpg’, ‘.png’, ‘.jpeg’],​
‘documents’: [‘.doc’, ‘.docx’, ‘.pdf’],​
‘videos’: [‘.mp4’, ‘.avi’, ‘.mkv’]​
}​
​
for filename in os.listdir(folder_path):​
file_extension = os.path.splitext(filename)[1]​
for category, extensions in file_types.items():​
if file_extension in extensions:​
category_folder = os.path.join(folder_path, category)​
if not os.path.exists(category_folder):​
os.makedirs(category_folder)​
shutil.move(os.path.join(folder_path, filename), os.path.join(category_folder, filename))​
​
数据分析与报表生成​
以处理销售数据为例，从 Excel 文件读取数据，分析后生成新报表。​
​
import pandas as pd​
​

读取销售数据Excel文件​

sales_data = pd.read_excel(‘sales_data.xlsx’)​

数据清洗 - 假设去除重复行​

unique_sales_data = sales_data.drop_duplicates()​

数据分析 - 计算每个产品的总销售额​

product_sales = unique_sales_data.groupby(‘Product’)[‘Sales’].sum()​

生成新报表​

product_sales.to_excel(‘product_sales_report.xlsx’, index=True)​
​
邮件发送​
使用smtplib和email库发送自动化邮件，如发送包含销售报表的邮件。​
​
import smtplib​
from email.mime.multipart import MIMEMultipart​
from email.mime.text import MIMEText​
from email.mime.application import MIMEApplication​
​

邮件配置​

sender_email = "[e-mail]"​
receiver_email = "[e-mail]"​
password = "your_email_password"​
message = MIMEMultipart()​
message[‘Subject’] = "销售报表"​
message[‘From’] = sender_email​
message[‘To’] = receiver_email​
​

添加邮件正文​

body = "这是本月的销售报表，请查收。"​
message.attach(MIMEText(body, ‘plain’))​
​

添加附件​

with open(‘product_sales_report.xlsx’, ‘rb’) as file:​
part = MIMEApplication(file.read(), Name=‘product_sales_report.xlsx’)​
part[‘Content-Disposition’] = f’attachment; filename=“product_sales_report.xlsx”'​
message.attach(part)​
​

发送邮件​

with smtplib.SMTP(‘smtp.example.com’, 587) as server:​
server.starttls()​
server.login(sender_email, password)​
server.sendmail(sender_email, receiver_email, message.as_string())​
​
（二）Web 爬虫自动化​
简单网页数据抓取​
抓取某新闻网站最新新闻标题和链接。​
​
import requests​
from bs4 import BeautifulSoup​
​
url = “https://news.example.com"​
response = requests.get(url)​
soup = BeautifulSoup(response.text, ‘html.parser’)​
​
news_items = soup.find_all(‘div’, class_=‘news-item’)​
for item in news_items:​
title = item.find(‘h2’).text​
link = item.find(‘a’)[‘href’]​
print(f"标题: {title}, 链接: {link}”)​
​
动态网页数据抓取（处理 JavaScript 渲染）​
对于使用 JavaScript 动态加载数据的网页，借助 Selenium 配合webdriverwait等待页面加载完成后再抓取。​
​
from selenium import webdriver​
from selenium.webdriver.common.by import By​
from selenium.webdriver.support.ui import WebDriverWait​
from selenium.webdriver.support import expected_conditions as EC​
​
driver = webdriver.Chrome()​
driver.get(“https://dynamic_news.example.com”)​
​

等待页面特定元素加载完成​

wait = WebDriverWait(driver, 10)​
news_items = wait.until(EC.presence_of_all_elements_located((By.CLASS_NAME, ‘news-item’)))​
​
for item in news_items:​
title = item.find_element(By.TAG_NAME, ‘h2’).text​
link = item.find_element(By.TAG_NAME, ‘a’).get_attribute(‘href’)​
print(f"标题: {title}, 链接: {link}“)​
​
driver.quit()​
​
三、Python 自动化项目优化与拓展​
（一）异常处理与日志记录​
异常处理​
在自动化脚本中，合理处理异常可避免脚本因错误中断。使用try - except语句捕获异常。​
​
import requests​
​
try:​
response = requests.get(“https://nonexistent.example.com”)​
response.raise_for_status() # 检查请求是否成功，失败则抛出异常​
except requests.RequestException as e:​
print(f"请求出错: {e}”)​
​
日志记录​
通过logging模块记录脚本运行信息，方便排查问题。​
​
import logging​
​

配置日志记录​

logging.basicConfig(filename=‘automation.log’, level=logging.INFO,​
format=‘%(asctime)s - %(levelname)s - %(message)s’)​
​
try:​
# 自动化脚本代码​
result = 10 / 0 # 模拟错误​
except ZeroDivisionError as e:​
logging.error(f"发生错误: {e}", exc_info=True)​
else:​
logging.info(“脚本执行成功”)​
​
（二）数据驱动测试与持续集成​
数据驱动测试​
数据驱动测试将测试用例参数化，从外部文件读取数据运行测试。以 Pandas 读取 Excel 数据进行测试为例：​
​
import pandas as pd​
import unittest​
​
def add_numbers(a, b):​
return a + b​
​
class DataDrivenTest(unittest.TestCase):​
def test_addition(self):​
data = pd.read_excel(‘test_data.xlsx’)​
for index, row in data.iterrows():​
num1 = row[‘Number1’]​
num2 = row[‘Number2’]​
expected_result = row[‘ExpectedResult’]​
result = add_numbers(num1, num2)​
self.assertEqual(result, expected_result)​
​
if name == ‘main’:​
unittest.main()​
​
持续集成（CI）​
利用工具（如 Jenkins、Travis CI 等）自动构建、测试和部署 Python 自动化项目。以 Travis CI 为例，在项目根目录创建.travis.yml文件配置构建和测试流程。​
​
language: python​
python:​

• "3.11"​
  install:​
• pip install -r requirements.txt​
  script:​
• python -m unittest discover​
  ​
  此配置指定使用 Python 3.11，安装项目依赖（requirements.txt中列出），并运行单元测试。​
  （三）与其他技术结合拓展自动化能力​
  与人工智能（AI）结合​
  如使用 Python 调用自然语言处理（NLP）库（如 NLTK、SpaCy）对文本数据进行自动化处理和分析。​
  ​
  import nltk​
  from nltk.sentiment import SentimentIntensityAnalyzer​
  ​

下载必要数据​

nltk.download(‘vader_lexicon’)​
​
sia = SentimentIntensityAnalyzer()​
text = "这部电影太棒了！"​
sentiment = sia.polarity_scores(text)​
print(sentiment)​
​
与机器人流程自动化（RPA）结合​
通过pyautogui库实现跨系统操作自动化，模拟鼠标和键盘动作。​
​
import pyautogui​
​

模拟鼠标点击​

pyautogui.click(100, 100)​

模拟键盘输入​

pyautogui.typewrite(“Hello, World!”)​
​