Python自动化办公：10个实战脚本让你的工作效率翻倍

写在前面每天花2小时做重复性工作这些Python脚本能帮你把2小时压缩到5分钟。每个脚本都是完整可运行的复制粘贴即可使用。本文覆盖Excel处理、PDF操作、邮件发送、文件管理、图片处理等10个高频场景。建议收藏备用。—## 环境准备所有脚本基于 Python 3.8需要安装以下依赖bashpip install openpyxl PyPDF2 python-docx Pillow yagmail schedule pandas 提示建议使用虚拟环境避免与系统包冲突。—## 脚本1Excel批量合并——把100个表格合成1个痛点场景每个月收到各部门的Excel报表需要手动复制粘贴到一个汇总表。100个文件至少花1小时。pythonimport pandas as pdimport osfrom datetime import datetimedef merge_excel_files(folder_path, output_file汇总表.xlsx): all_data [] file_count 0 for filename in os.listdir(folder_path): if filename.endswith((.xlsx, .xls)) and not filename.startswith(~$): filepath os.path.join(folder_path, filename) try: df pd.read_excel(filepath) df[来源文件] filename all_data.append(df) file_count 1 except Exception as e: print(f读取失败: {filename} - {e}) if not all_data: return merged pd.concat(all_data, ignore_indexTrue) merged.to_excel(output_file, indexFalse) print(f合并完成共 {file_count} 个文件{len(merged)} 行数据)if __name__ __main__: merge_excel_files(./excel_files, 月度汇总.xlsx)效率提升100个文件从1小时 - 10秒。—## 脚本2Excel数据清洗——自动处理异常值痛点场景从系统导出的数据总有空值、重复行、格式不统一的问题。pythonimport pandas as pddef clean_excel(input_file, output_file清洗后数据.xlsx): df pd.read_excel(input_file) original_rows len(df) print(f原始数据: {original_rows} 行) # 删除空白行列 df.dropna(howall, inplaceTrue) df.dropna(axis1, howall, inplaceTrue) # 去重 dup len(df) - len(df.drop_duplicates()) df.drop_duplicates(inplaceTrue) # 智能填充空值 for col in df.columns: if df[col].dtype in [float64, int64]: df[col].fillna(df[col].median(), inplaceTrue) else: df[col].fillna(未知, inplaceTrue) # 去除文本前后空格 for col in df.select_dtypes(include[object]).columns: df[col] df[col].str.strip() df.to_excel(output_file, indexFalse) print(f清洗完成: {len(df)}行, 保留率{len(df)/original_rows*100:.1f}%)if __name__ __main__: clean_excel(原始数据.xlsx)—## 脚本3PDF批量合并痛点场景报销时要合并10多个PDF发票合同归档时要合并多份扫描件。pythonfrom PyPDF2 import PdfMergerimport osdef merge_pdfs(folder_path, output_file合并结果.pdf): merger PdfMerger() pdf_files sorted([f for f in os.listdir(folder_path) if f.lower().endswith(.pdf)]) if not pdf_files: print(未找到PDF) return for filename in pdf_files: filepath os.path.join(folder_path, filename) try: merger.append(filepath) print(f {filename}) except Exception as e: print(f x {filename} - {e}) merger.write(output_file) merger.close() mb os.path.getsize(output_file) / (1024 * 1024) print(f合并完成{output_file} ({mb:.1f} MB))if __name__ __main__: merge_pdfs(./pdf_files)—## 脚本4PDF按页拆分痛点场景扫描了份100页的合同需要按章节拆分成单独的PDF。pythonfrom PyPDF2 import PdfReader, PdfWriterimport osdef split_pdf(input_file, pages_per_split5, output_folder./split_output): os.makedirs(output_folder, exist_okTrue) reader PdfReader(input_file) total len(reader.pages) for start in range(0, total, pages_per_split): end min(start pages_per_split, total) writer PdfWriter() for i in range(start, end): writer.add_page(reader.pages[i]) name f第{start1}-{end}页.pdf with open(os.path.join(output_folder, name), wb) as fp: writer.write(fp) print(f {name}) print(拆分完成)if __name__ __main__: split_pdf(大文件.pdf, pages_per_split10)—## 脚本5邮件自动发送——批量发工资条痛点场景每月发工资条HR需要逐个员工发邮件200人至少花2小时。pythonimport yagmailimport pandas as pdfrom datetime import datetimeimport osdef send_salary_slips(excel_file, sender_email, auth_code): df pd.read_excel(excel_file) yag yagmail.SMTP(usersender_email, passwordauth_code, hostsmtp.qq.com) success 0 for _, row in df.iterrows(): name row[姓名] email row[邮箱] subject f{datetime.now().strftime(%Y年%m月)}工资条 - {name} contents fh2{name}您好/h2 p以下是您本月的工资明细/p table border1 cellpadding8 trtd基本工资/tdtd¥{row[基本工资]:,.2f}/td/tr trtd绩效奖金/tdtd¥{row[绩效奖金]:,.2f}/td/tr trtd社保扣除/tdtd stylecolor:red-¥{row[社保扣除]:,.2f}/td/tr trtdb实发工资/b/td td stylecolor:greenb¥{row[实发工资]:,.2f}/b/td/tr /table try: yag.send(toemail, subjectsubject, contentscontents) success 1 print(f 已发送: {name}) except Exception as e: print(f x 失败: {name} - {e}) yag.close() print(f发送完成成功 {success}/{len(df)} 封)if __name__ __main__: send_salary_slips(工资表.xlsx, yourqq.com, os.environ.get(EMAIL_AUTH_CODE))安全提示密码不要硬编码使用环境变量保护敏感信息。—## 脚本6文件批量重命名痛点场景从相机导出的照片命名杂乱需要改成统一格式。pythonimport osfrom datetime import datetimedef batch_rename(folder_path, prefix项目, dry_runTrue): files [f for f in os.listdir(folder_path) if os.path.isfile(os.path.join(folder_path, f))] print(f找到 {len(files)} 个文件 ({预览 if dry_run else 执行}模式)) plan [] for i, old_name in enumerate(sorted(files), 1): _, ext os.path.splitext(old_name) ts datetime.now().strftime(%Y%m%d) new_name f{prefix}_{ts}_{i:03d}{ext} plan.append((old_name, new_name)) print(f {old_name} - {new_name}) if dry_run: print(预览模式确认后改 dry_runFalse) return success 0 for old_name, new_name in plan: try: os.rename(os.path.join(folder_path, old_name), os.path.join(folder_path, new_name)) success 1 except Exception as e: print(f x {old_name}: {e}) print(f重命名完成成功 {success}/{len(plan)} 个)if __name__ __main__: batch_rename(./photos, prefix团建活动, dry_runTrue)—## 脚本7图片批量压缩痛点场景产品图每张5MB上传到网站和发给客户都太慢。pythonfrom PIL import Imageimport osdef compress_images(folder_path, output_folder./compressed, quality85): os.makedirs(output_folder, exist_okTrue) exts (.jpg, .jpeg, .png, .webp, .bmp) files [f for f in os.listdir(folder_path) if f.lower().endswith(exts)] total_before, total_after 0, 0 for filename in files: filepath os.path.join(folder_path, filename) original_size os.path.getsize(filepath) total_before original_size img Image.open(filepath) if img.mode in (RGBA, P): img img.convert(RGB) if max(img.size) 1920: ratio 1920 / max(img.size) img img.resize((int(img.size[0]*ratio), int(img.size[1]*ratio)), Image.Resampling.LANCZOS) out_name os.path.splitext(filename)[0] .jpg out_path os.path.join(output_folder, out_name) img.save(out_path, JPEG, qualityquality, optimizeTrue) comp_size os.path.getsize(out_path) total_after comp_size pct (1 - comp_size / original_size) * 100 print(f {filename}: {original_size//1024}KB - {comp_size//1024}KB ({pct:.0f}%)) saved total_before - total_after print(f总计: {total_before/1024/1024:.1f}MB - {total_after/1024/1024:.1f}MB (节省{saved/total_before*100:.0f}%))if __name__ __main__: compress_images(./product_images, quality80)—## 脚本8Word文档批量转PDF痛点场景合同、报告批量转PDF手动另存为效率太低。pythonimport osimport comtypes.clientdef word_to_pdf_windows(folder_path, output_folder./pdf_output): 使用Word COM接口转换仅Windows保留完整排版 os.makedirs(output_folder, exist_okTrue) word comtypes.client.CreateObject(Word.Application) word.Visible False for filename in os.listdir(folder_path): if filename.endswith((.doc, .docx)): inp os.path.abspath(os.path.join(folder_path, filename)) out_name os.path.splitext(filename)[0] .pdf outp os.path.abspath(os.path.join(output_folder, out_name)) doc word.Documents.Open(inp) doc.SaveAs(outp, FileFormat17) doc.Close() print(f {filename} - {out_name}) word.Quit() print(转换完成)if __name__ __main__: word_to_pdf_windows(./docx_files)—## 脚本9定时任务调度器痛点场景每天需要定时执行数据备份、报表生成、文件清理等任务。pythonimport scheduleimport timeimport shutilimport osfrom datetime import datetimeclass AutoWorker: def backup_data(self, src, dst): ts datetime.now().strftime(%Y%m%d_%H%M%S) p os.path.join(dst, fbackup_{ts}) shutil.make_archive(p, zip, src) mb os.path.getsize(p .zip) / (1024*1024) print(f[{datetime.now():%H:%M:%S}] 备份完成: {mb:.1f}MB) def clean_temp(self, folder, days7): now time.time() n 0 for f in os.listdir(folder): fp os.path.join(folder, f) if os.path.isfile(fp) and now - os.path.getmtime(fp) days*86400: os.remove(fp) n 1 print(f[{datetime.now():%H:%M:%S}] 清理 {n} 个过期文件) def setup(self): schedule.every().day.at(09:00).do( lambda: print(f[{datetime.now():%H:%M:%S}] 日报生成)) schedule.every().day.at(18:00).do( self.backup_data, ./data, ./backups) schedule.every().monday.at(08:00).do( self.clean_temp, ./temp, 7) print(已配置: 09:00日报 / 18:00备份 / 周一清理) def start(self): self.setup() print(调度器启动CtrlC停止) try: while True: schedule.run_pending() time.sleep(60) except KeyboardInterrupt: print(已停止)if __name__ __main__: AutoWorker().start()—## 脚本10文件夹控自动处理痛点场景需要实时监控文件夹有新文件就自动分类。pythonimport osimport timeimport shutilfrom datetime import datetimeclass FolderWatcher: RULES { .xlsx: Excel, .xls: Excel, .csv: Excel, .pdf: PDF, .doc: Word, .docx: Word, .jpg: 图片, .jpeg: 图片, .png: 图片, .mp4: 视频, .zip: 压缩, } def __init__(self, watch, output./分类输出): self.watch watch self.output output self.seen set() os.makedirs(output, exist_okTrue) def process(self, filename): src os.path.join(self.watch, filename) if not os.path.isfile(src): return ext os.path.splitext(filename)[1].lower() cat self.RULES.get(ext, 其他) dst_dir os.path.join(self.output, cat) os.makedirs(dst_dir, exist_okTrue) name os.path.splitext(filename)[0] _, e os.path.splitext(filename) ts datetime.now().strftime(%H%M%S) shutil.move(src, os.path.join(dst_dir, f{name}_{ts}{e})) print(f[{datetime.now():%H:%M:%S}] {filename} - {cat}/) def start(self, interval5): self.seen set(os.listdir(self.watch)) print(监控中... CtrlC停止) try: while True: current set(os.listdir(self.watch)) for f in current - self.seen: if not f.startswith(.): self.process(f) self.seen current time.sleep(interval) except KeyboardInterrupt: print(已停止)if __name__ __main__: FolderWatcher(./下载, ./自动分类).start(3)—## 效率收益总结| 脚本 | 手动耗时 | 自动化耗时 | 节省时间 ||—|—|—|—|| Excel批量合并 | 60分钟 | 10秒 | 59分50秒 || 数据清洗 | 30分钟 | 10秒 | 29分50秒 || PDF合并 | 15分钟 | 5秒 | 14分55秒 || PDF拆分 | 20分钟 | 8秒 | 19分52秒 || 邮件批量发送 | 120分钟 | 30秒 | 119分30秒 || 文件批量重命名 | 30分钟 | 3秒 | 29分57秒 || 图片批量压缩 | 45分钟 | 20秒 | 44分40秒 || Word转PDF | 25分钟 | 15秒 | 24分45秒 || 定时任务调度 | 每天重复 | 一次配置 | 持续受益 || 文件夹监控 | 实时盯盘 | 全自动 | 彻底解放 |总计原来需要345分钟的工作自动化后不到2分钟每天节省近6小时—## 写在最后以上10个脚本覆盖了办公场景中最常见的重复性工作。核心思路就三步1.识别重复找到每天都在手动做的操作2.拆解步骤把操作拆成「读取 - 处理 - 输出」的标准流程3.编写脚本用Python把流程自动化建议学习路径- 第一周先用好脚本1-3文件合并类入门pandas- 第二周学习脚本5-6邮件和文件管理掌握os和shutil- 第三周挑战脚本9-10定时任务和监控进阶自动化 专栏持续更新中下一期将分享「PythonAI自动化让ChatGPT帮你处理Excel」敬请关注 觉得有用的话点个赞关注一下更多Python自动化干货持续推送~—本文收录于 [Python自动化办公实战] 专栏专栏包含50实战脚本和完整源码持续更新中。