在当今数字化时代，工作效率的提升成为职场人士的共同追求。通过编写 Python 自动化脚本，可以轻松摆脱重复性工作的困扰。

一、文件批量重命名脚本

在日常工作中，我们常常需要对大量文件进行重命名，手动操作不仅耗时，还容易出错。利用 Python 的 os 模块，可以轻松实现文件的批量重命名。以下是一个简单的示例脚本：复

import os

# 设置文件夹路径和目标文件夹

folder_path = 'path/to/your/folder'

target_folder = 'path/to/your/target/folder'

# 遍历文件夹中的文件

for i, filename in enumerate(os.listdir(folder_path)):

    # 构造新的文件名

    new_name = f'file_{i}.txt'

    # 构造源文件路径和目标文件路径

    src = os.path.join(folder_path, filename)

    dst = os.path.join(target_folder, new_name)

    # 重命名文件

    os.rename(src, dst)

通过修改脚本中的文件夹路径和命名规则，可以轻松实现各种复杂的文件重命名需求，大大提高工作效率。

二、数据清洗脚本

在数据分析和处理过程中，数据清洗是一项繁琐但至关重要的任务。Python 的 pandas 库提供了强大的数据处理功能，可以帮助我们快速清洗数据。以下是一个数据清洗的示例脚本：

import pandas as pd

# 读取数据

data = pd.read_csv('data.csv')

# 删除重复数据

data.drop_duplicates(inplace=True)

# 填充缺失值

data.fillna(method='ffill', inplace=True)

# 筛选特定列

filtered_data = data[['column1', 'column2']]

# 保存清洗后的数据

filtered_data.to_csv('cleaned_data.csv', index=False)

通过这个脚本，我们可以轻松地删除重复数据、填充缺失值、筛选特定列等，快速完成数据清洗工作，为后续的数据分析和处理提供高质量的数据支持。

三、网页爬虫脚本

在信息获取和数据收集方面，网页爬虫是一个不可或缺的工具。Python 的 requests 和 BeautifulSoup 库可以帮助我们轻松编写网页爬虫脚本。以下是一个简单的网页爬虫示例：

import requests

from bs4 import BeautifulSoup

# 设置目标网页

url = 'https://example.com'

# 发送请求

response = requests.get(url)

# 解析网页内容

soup = BeautifulSoup(response.text, 'html.parser')

# 提取特定信息

for item in soup.find_all('div', class_='item'):

    print(item.text)

通过修改脚本中的目标网页和提取规则，我们可以从各种网页中提取所需的信息，如新闻标题、商品价格等，为我们的数据收集和分析提供丰富的素材。

四、邮件自动发送脚本

在工作中，我们常常需要向多个收件人发送相同的邮件，手动操作既繁琐又容易遗漏。利用 Python 的 smtplib 和 email 模块，可以轻松实现邮件的自动发送。以下是一个邮件自动发送的示例脚本：

import smtplib

from email.mime.text import MIMEText

# 设置邮件服务器和登录信息

smtp_server = 'smtp.example.com'

username = 'your_email@example.com'

password = 'your_password'

# 设置邮件内容

msg = MIMEText('This is the email content.')

msg['Subject'] = 'Automated Email'

msg['From'] = username

msg['To'] = 'recipient@example.com'

# 发送邮件

with smtplib.SMTP(smtp_server, 587) as server:

    server.starttls()

    server.login(username, password)

    server.sendmail(username, msg['To'], msg.as_string())

通过这个脚本，我们可以轻松地向指定的收件人发送邮件，还可以通过修改脚本中的邮件内容和收件人列表，实现批量发送邮件的功能，大大提高邮件发送的效率。

五、Excel 数据处理脚本

在办公场景中，Excel 是一种常用的数据处理工具。Python 的 openpyxl 库可以帮助我们轻松读取、修改和保存 Excel 文件。以下是一个 Excel 数据处理的示例脚本复

from openpyxl import load_workbook

# 加载 Excel 文件

workbook = load_workbook('data.xlsx')

sheet = workbook.active

# 遍历表格中的数据

for row in sheet.iter_rows(min_row=2, values_only=True):

    # 对数据进行处理

    print(row)

# 保存修改后的 Excel 文件

workbook.save('processed_data.xlsx')

通过这个脚本，我们可以轻松地读取 Excel 文件中的数据，对数据进行处理和分析，然后将修改后的数据保存到新的 Excel 文件中，实现 Excel 数据的自动化处理。

六、定时任务脚本

在某些情况下，我们需要定期执行某些任务，如数据备份、日志清理等。利用 Python 的 schedule 库，可以轻松实现定时任务的自动化。以下是一个定时任务的示例脚本：

import schedule

import time

def job():

    print("I'm working...")

# 设置任务执行时间

schedule.every(10).seconds.do(job)

while True:

    schedule.run_pending()

    time.sleep(1)

通过这个脚本，我们可以轻松地设置任务的执行时间，如每隔 10 秒执行一次任务，实现定时任务的自动化，确保任务的及时执行。

七、图片批量处理脚本

在图像处理和设计工作中，我们常常需要对大量图片进行批量处理，如调整图片大小、格式转换等。利用 Python 的 Pillow 库，可以轻松实现图片的批量处理。以下是一个图片批量处理的示例脚本：

from PIL import Image

import os

# 设置图片文件夹路径

folder_path = 'path/to/your/images'

# 遍历文件夹中的图片

for filename in os.listdir(folder_path):

    if filename.endswith('.jpg'):

        # 打开图片

        img = Image.open(os.path.join(folder_path, filename))

        # 调整图片大小

        img = img.resize((800, 600))

        # 保存处理后的图片

        img.save(os.path.join(folder_path, 'processed_' + filename))

通过这个脚本，我们可以轻松地对文件夹中的图片进行批量处理，如调整图片大小、格式转换等，大大提高图片处理的效率。

八、PDF 文档处理脚本

在文档处理和阅读中，PDF 是一种常用格式。Python 的 PyPDF2 库可以帮助我们轻松实现 PDF 文档的处理，如合并 PDF 文件、提取 PDF 页面等。以下是一个 PDF 文档处理的示例脚本：

import PyPDF2

# 打开 PDF 文件

pdf_file = open('document.pdf', 'rb')

pdf_reader = PyPDF2.PdfReader(pdf_file)

# 提取 PDF 页面内容

page = pdf_reader.pages[0]

text = page.extract_text()

print(text)

# 关闭 PDF 文件

pdf_file.close()通过这个脚本，我们可以轻松地提取 PDF 文件中的页面内容，还可以通过修改脚本中的操作，实现 PDF 文件的合并、分割等功能，满足我们对 PDF 文档的各种处理需求。

Python 自动化脚本为我们提供了强大的工具，帮助我们轻松摆脱重复性工作的困扰，提高工作效率和质量。