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 smtplib
from email.mime.text import MIMEText
import os

subject = "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"] = subject
msg["From"] = from_email
msg["To"] = to_email

try:
    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 os
import shutil
from pathlib import Path

src_dir = Path("/path/to/source/directory")
dst_dir = Path("/path/to/destination/directory")

for file in src_dir.iterdir():
    if file.is_file() and not 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 tweepy

client = 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 gspread
from google.oauth2.service_account import Credentials

scopes = ["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").sheet1
sheet.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 requests
import time

url = "https://www.example.com"

try:
    response = requests.get(url, timeout=5)
    if 200 <= 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 shutil
from datetime import datetime
from pathlib import Path

src_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 pd
from datetime import datetime

sales_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 Image
from pathlib import Path

input_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 VideoFileClip

clip = 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。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。