python学习笔记,python处理 Excel、Word、PPT 以及邮件自动化办公
文章目录
- 前言
- 一、环境搭建
- 1. 下载 Python
- 2. 安装 Python
- 二、处理 Excel 文件(openpyxl库)
- 三、 处理 Word 文件(python-docx库)
- 四、 处理 PPT 文件(python-pptx库)
- 五、 自动发送邮件(smtplib和email库)
前言
Python 办公自动化是利用 Python 语言来自动处理办公场景中常见的重复性任务,从而提高工作效率。下面为你介绍在处理 Excel、Word、PPT 以及邮件发送等方面实现办公自动化的方法和示例代码。
一、环境搭建
1. 下载 Python
访问 Python 官方网站,根据你的操作系统(Windows、Mac OS、Linux)选择合适的 Python 版本进行下载。建议下载 Python 3.x 版本,因为 Python 2 已经停止维护。
还可以从小编准备地址下载。
Python 3.7下载地址:https://pan.quark.cn/s/8268bf81f31f
Python 3.9下载地址:https://pan.quark.cn/s/9711a93276ad
Python 3.11下载地址:https://pan.quark.cn/s/9c44793cb24c
2. 安装 Python
访问 Python 官方网站(https://www.python.org/),根据自己的操作系统(Windows、MacOS、Linux)下载并安装 Python 3.x 版本。安装过程中注意勾选 “Add Python to PATH”,以便在命令行中能直接使用 Python。
Python 3.7安装教程:https://blog.csdn.net/u014164303/article/details/145620847
Python 3.9安装教程:https://blog.csdn.net/u014164303/article/details/145570561
Python 3.11安装教程:https://blog.csdn.net/u014164303/article/details/145549489
二、处理 Excel 文件(openpyxl库)
-
openpyxl 是一个用于读写 Excel 2010 xlsx/xlsm/xltx/xltm 文件的 Python 库。
-
示例代码:创建并写入 Excel 文件
from openpyxl import Workbook# 创建一个新的工作簿
wb = Workbook()# 获取活动工作表
ws = wb.active# 设置表头
headers = ['姓名', '年龄', '职业']
ws.append(headers)# 添加数据行
data = [['张三', 25, '工程师'],['李四', 30, '教师'],['王五', 28, '设计师']
]for row in data:ws.append(row)# 保存工作簿
wb.save('employees.xlsx')
- 示例代码:读取 Excel 文件
from openpyxl import load_workbook# 加载工作簿
wb = load_workbook('employees.xlsx')# 获取活动工作表
ws = wb.active# 遍历每一行并打印数据
for row in ws.iter_rows(values_only=True):print(row)
三、 处理 Word 文件(python-docx库)
- python-docx 可以创建、修改和读取 Word 文档。
from docx import Document# 创建一个新的文档
doc = Document()# 添加标题
doc.add_heading('Python办公自动化', level=1)# 添加段落
doc.add_paragraph('这是一个使用 Python 生成的 Word 文档示例。')# 添加列表
doc.add_paragraph('以下是一些要点:', style='List Bullet')
points = ['自动化提高效率', '减少人为错误', '代码可复用']
for point in points:doc.add_paragraph(point, style='List Bullet')# 保存文档
doc.save('example.docx')
- 示例代码:读取 Word 文档
from docx import Document# 打开文档
doc = Document('example.docx')# 遍历段落并打印内容
for paragraph in doc.paragraphs:print(paragraph.text)
四、 处理 PPT 文件(python-pptx库)
- python-pptx 用于创建和修改 PowerPoint 演示文稿。
- 示例代码:创建 PPT 演示文稿
from pptx import Presentation
from pptx.util import Inches# 创建一个新的演示文稿
prs = Presentation()# 添加标题幻灯片
title_slide_layout = prs.slide_layouts[0]
slide = prs.slides.add_slide(title_slide_layout)
title = slide.shapes.title
subtitle = slide.placeholders[1]# 设置标题和副标题
title.text = "Python办公自动化"
subtitle.text = "让工作更高效"# 添加内容幻灯片
content_slide_layout = prs.slide_layouts[1]
slide = prs.slides.add_slide(content_slide_layout)
shapes = slide.shapestitle_shape = shapes.title
body_shape = shapes.placeholders[1]# 设置标题和内容
title_shape.text = "主要优点"
tf = body_shape.text_frame
tf.text = "自动化提高效率"# 保存演示文稿
prs.save('presentation.pptx')
五、 自动发送邮件(smtplib和email库)
- 可以使用 smtplib 来发送邮件,email 库用于构建邮件内容。
- 示例代码:发送简单文本邮件
import smtplib
from email.mime.text import MIMEText
from email.header import Header# 发件人邮箱和授权码
sender = 'your_email@example.com'
password = 'your_email_password'# 收件人邮箱
receivers = ['recipient_email@example.com']# 邮件内容
message = MIMEText('这是一封使用 Python 自动发送的邮件。', 'plain', 'utf-8')
message['From'] = Header(sender, 'utf-8')
message['To'] = Header(", ".join(receivers), 'utf-8')
message['Subject'] = Header('Python 邮件测试', 'utf-8')# 连接 SMTP 服务器并发送邮件
try:smtpObj = smtplib.SMTP('smtp.example.com', 25)smtpObj.login(sender, password)smtpObj.sendmail(sender, receivers, message.as_string())print("邮件发送成功")
except smtplib.SMTPException:print("邮件发送失败")
finally:smtpObj.quit()
相关文章:
python学习笔记,python处理 Excel、Word、PPT 以及邮件自动化办公
文章目录 前言一、环境搭建1. 下载 Python2. 安装 Python 二、处理 Excel 文件(openpyxl库)三、 处理 Word 文件(python-docx库)四、 处理 PPT 文件(python-pptx库)五、 自动发送邮件(smtplib和…...
DeepSeek教unity------Dotween
1、命名法 Tweener(补间器):一种控制某个值并对其进行动画处理的补间。 Sequence(序列):一种特殊的补间,它不直接控制某个值,而是控制其他补间并将它们作为一个组进行动画处理。 Tw…...
前端开发中关于虚拟列表的实现与应用优化
前端开发中关于虚拟列表的实现与应用优化 一、引言 在前端开发的日常工作中,我们常常会遇到需要展示大量数据列表的场景。比如电商平台的商品列表、社交平台的动态信息流等。当数据量庞大时,直接渲染所有数据会导致页面性能急剧下降,出现卡…...
图解JVM-1. JVM与Java体系结构
一、前言 在 Java 开发的广袤天地里,不少开发者都遭遇过令人头疼的状况。线上系统毫无征兆地卡死,陷入无法访问的僵局,甚至直接触发 OOM(OutOfMemoryError,内存溢出错误);面对 JVM 的 GC&#…...
Word中的文档信息域
Word中的文档信息域 DocProperty包含文档信息的多个属性, 也可以自定义属性. 查看文档预定义的自定义属性 【文件】→【信息】→【属性】→【高级属性】 参考链接 WORD中文档属性域DocProperty的应用-CSDN博客 第06套 Word_哔哩哔哩_bilibili...
Linux中的权限问题(二)
一、不受权限约束的root 按照文件的使用者进行匹配后,即使权限是“---” root依旧可以正常进行读,写,运行 二、文件拥有者和所属组的更改方法以及限制 2.1chown:更改文件拥有者以及所属组 ①可以单独修改文件拥有者 chown[更…...
【ISO 14229-1:2023 UDS诊断全量测试用例清单系列:第十八节】
ISO 14229-1:2023 UDS诊断服务测试用例全解析(ResponseOnEvent_0x86服务) 作者:车端域控测试工程师 更新日期:2025年02月14日 关键词:UDS协议、0x86服务、事件响应、ISO 14229-1:2023、ECU测试 一、服务功能概述 0x86…...
Spring Boot自动装配:约定大于配置的魔法解密
#### 一、自动装配的哲学思考 在传统Spring应用中,开发者需要手动配置大量的XML或JavaConfig。Spring Boot通过自动装配机制实现了**约定大于配置**的设计理念,其核心思想可以概括为: 1. **智能预设**:基于类路径检测自动配置 2…...
[笔记.AI]大模型的蒸馏、剪枝、量化 | 模型压缩 | 作用与意义
上周简单整理了《deepseek-r1的不同版本(满血版、蒸馏版、量化)》,这次继续完善对其的认知——补充“剪枝”,并进一步整理蒸馏、剪枝、量化的作用与意义。 以下摘自与DeepSeek-R1在线联网版的对话 蒸馏、剪枝、量化是当前主流的三…...
【koa】05-koa+mysql实现数据库集成:连接和增删改查
前言 前面我们已经介绍了第二阶段的第1-4点内容,本篇介绍第5点内容:数据库集成(koamysql) 也是第二阶段内容的完结。 一、学习目标 在koa项目中正常连接数据库,对数据表进行增删改查的操作。 二、操作步骤 本篇文章…...
【数据结构】队列(Queue)
Queue 定义 Java中的队列(Queue)是一种先进先出(FIFO)的数据结构。队列只允许在一段进行插入数据操作,称为入队,在另一端进行删除数据操作,称为出队。我们可以把队列形象看作为排队。在最前面的进行出队,从最后面进行入队。 队列…...
机器学习PCA和LDA
主成分分析(PCA, Principal Component Analysis)和线性判别分析(LDA, Linear Discriminant Analysis)是两种常用的降维方法,它们虽然都用于数据降维,但核心思想和应用场景不同。 PCA(主成分分析…...
RocketMQ - 常见问题
RocketMQ常见问题 文章目录 RocketMQ常见问题一:消息幂等问题1:什么是消费幂等2:消息重复的场景分析2.1:发送时消息重复2.2:消费时消息重复2.3:Rebalance时消息重复 3:通用解决方案3.1ÿ…...
kafka消费能力压测:使用官方工具
背景 在之前的业务场景中,我们发现Kafka的实际消费能力远低于预期。尽管我们使用了kafka-go组件并进行了相关测试,测试情况见《kafka-go:性能测试》这篇文章。但并未能准确找出消费能力低下的原因。 我们曾怀疑这可能是由我的电脑网络带宽问题或Kafka部…...
基于Spring Boot的社区居民健康管理平台的设计与实现
目录 1 绪论 1.1 研究现状 1.2 研究意义 1.3 组织结构 2 技术介绍 2.1 平台开发工具和环境 2.2 Vue介绍 2.3 Spring Boot 2.4 MyBatis 2.5 环境搭建 3 系统需求分析 3.1 可行性分析 3.2 功能需求分析 3.3 系统用例图 3.4 系统功能图 4 系统设计 4.1 系统总体描…...
网络安全架构战略 网络安全体系结构
本节书摘来自异步社区《网络安全体系结构》一书中的第1章,第1.4节,作者【美】Sean Convery 1.4 一切皆为目标 网络安全体系结构 当前的大型网络存在着惊人的相互依赖性,作为一名网络安全设计师,对这一点必须心知肚明。Internet就…...
【Spring+MyBatis】_图书管理系统(中篇)
【SpringMyBatis】_图书管理系统(上篇)-CSDN博客文章浏览阅读654次,点赞4次,收藏7次。(1)当前页的内容records(类型为List);参数:userNameadmin&&pas…...
Python - 爬虫利器 - BeautifulSoup4常用 API
文章目录 前言BeautifulSoup4 简介主要特点:安装方式: 常用 API1. 创建 BeautifulSoup 对象2. 查找标签find(): 返回匹配的第一个元素find_all(): 返回所有匹配的元素列表select_one() & select(): CSS 选择器 3. 访问标签内容text 属性: 获取标签内纯文本get_t…...
宝塔面板开始ssl后,使用域名访问不了后台管理
宝塔面板后台开启ssl访问后,用的证书是其他第三方颁发的证书 再使用 域名/xxx 的形式:https://域名:xxx/xxx 访问后台,结果出现如下,不管使用 http 还是 https 的路径访问都进不后台管理 这个时候可以使用 https://ip/xxx 的方式来…...
大一计算机的自学总结:前缀树(字典树、Trie树)
前言 前缀树,又称字典树,Trie树,是一种方便查找前缀信息的数据结构。 一、字典树的实现 1.类描述实现 #include <bits/stdc.h> using namespace std;class TrieNode { public:int pass0;int end0;TrieNode* nexts[26]{NULL}; };Tri…...
BiliTools完整指南:如何轻松下载B站视频与弹幕
BiliTools完整指南:如何轻松下载B站视频与弹幕 【免费下载链接】BiliTools A cross-platform bilibili toolbox. 跨平台哔哩哔哩工具箱,支持下载视频、番剧等等各类资源 项目地址: https://gitcode.com/GitHub_Trending/bilit/BiliTools 还在为下…...
全面掌握MemtestCL:GPU内存检测开源工具深度指南
全面掌握MemtestCL:GPU内存检测开源工具深度指南 【免费下载链接】memtestCL OpenCL memory tester for GPUs 项目地址: https://gitcode.com/gh_mirrors/me/memtestCL MemtestCL是一款基于OpenCL标准的开源GPU内存检测工具,专为各类计算设备提供…...
医疗器械环境运输试验概要
医疗器械环境运输试验概要 标准GB/T 14710是中国针对医用电气设备环境适应性及运输试验的国家标准,全称为《医用电气设备环境要求及试验方法》。该标准规定了医用电气设备在不同环境条件下的适应性测试要求,包括气候、机械、运输等多个方面,确…...
Manus、Openclaw、Claude Code 和 Codex之间的关系
Manus、Openclaw、Claude Code 和 Codex 都是 2025-2026 年 AI Agent(智能体)浪潮中的代表性工具,它们的核心共同点是“不仅仅聊天,而是能自主规划、执行任务并交付成果”(agentic AI),区别于传…...
谐波测量技术:原理、挑战与频谱分析仪优化
1. 谐波测量技术基础与工程挑战在射频测试领域,谐波测量是评估电子设备非线性特性的重要手段。当频率为f的正弦信号通过非线性元件时,会产生2f、3f等高次谐波分量。这种现象源于电子元件的非线性电压-电流关系,数学上可以用泰勒级数展开来描述…...
齿轮典型故障精确建模与智能诊断【附代码】
✨ 本团队擅长数据搜集与处理、建模仿真、程序设计、仿真代码、EI、SCI写作与指导,毕业论文、期刊论文经验交流。 ✅ 专业定制毕设、代码 ✅ 如需沟通交流,查看文章底部二维码(1)齿轮齿根裂纹与断齿精确动力学建模:基于…...
数据湖架构实践
数据湖架构实践:解锁企业数据价值的新范式 在数据爆炸的时代,企业如何高效存储、管理和分析海量异构数据成为关键挑战。数据湖架构应运而生,以其低成本、高扩展性和灵活性成为企业数据战略的核心。本文将深入探讨数据湖的实践路径࿰…...
Go语言Goroutine与Channel深度解析
前言Go语言最核心的特性是并发原生支持,通过Goroutine和Channel实现轻量级并发。Goroutine是由Go运行时管理的轻量级线程,创建成本极低(约2KB栈空间),而Channel则为Goroutine之间的通信提供了安全、高效的机制。本文深…...
多传感器速率异构与噪声差异化协同全域优化处理方案
智能工控、无人装备、全域物联监测全场景落地进程中,温湿度、MEMS惯性、视觉、雷达、压力多类传感器协同组网已成标配硬件架构。实际工况中,各类传感器出厂采样速率原生参差,叠加工况电磁干扰、机械振动、温漂老化、传输链路损耗多元扰动&…...
【R语言偏见检测权威指南】:20年统计专家亲授LLM偏见量化建模与7类高频报错秒级定位法
更多请点击: https://intelliparadigm.com 第一章:R语言大语言模型偏见检测的统计学基础与范式演进 大语言模型(LLM)在R生态中正逐步融入社会科学研究与政策分析流程,其输出中的系统性偏见已不再仅是伦理议题…...
