14个Python自动化实战脚本

1、批量文件重命名神器在工作中,我们常常需要对大量文件进行批量重命名,Python帮你轻松搞定!

import os
def batch_rename(path, prefix='', suffix=''):for i, filename in enumerate(os.listdir(path)):new_name = f"{prefix}{i:03d}{suffix}{os.path.splitext(filename)[1]}"old_file = os.path.join(path, filename)new_file = os.path.join(path, new_name)os.rename(old_file, new_file)# 使用示例:
batch_rename('/path/to/your/directory', 'file_', '.txt')

2、自动发送邮件通知告别手动发送,用Python编写定时发送邮件的自动化脚本。

import smtplib
from email.mime.text import MIMETextdef send_email(to_addr, subject, content):smtp_server = 'smtp.example.com'username = 'your-email@example.com'password = 'your-password'msg = MIMEText(content)msg['Subject'] = subjectmsg['From'] = usernamemsg['To'] = to_addrserver = smtplib.SMTP(smtp_server, 587)server.starttls()server.login(username, password)server.sendmail(username, to_addr, msg.as_string())server.quit()# 使用示例:
send_email('receiver@example.com', '每日报告提醒', '今日报告已生成,请查收。')

3、定时任务自动化执行使用Python调度库,实现定时执行任务的自动化脚本。

import schedule
import timedef job_to_schedule():print("当前时间:", time.ctime(), "任务正在执行...")# 定义每天9点执行任务
schedule.every().day.at("09:00").do(job_to_schedule)while True:schedule.run_pending()time.sleep(1)# 使用示例:
# 运行此脚本后,每天上午9点会自动打印当前时间及提示信息

4、数据库操作自动化简化数据库管理,Python帮你自动化执行CRUD操作。

import sqlite3def create_connection(db_file):conn = Nonetry:conn = sqlite3.connect(db_file)print(f"成功连接到SQLite数据库:{db_file}")except Error as e:print(e)return conndef insert_data(conn, table_name, data_dict):keys = ', '.join(data_dict.keys())values = ', '.join(f"'{v}'" for v in data_dict.values())sql = f"INSERT INTO {table_name} ({keys}) VALUES ({values});"try:cursor = conn.cursor()cursor.execute(sql)conn.commit()print("数据插入成功!")except sqlite3.Error as e:print(e)# 使用示例:
conn = create_connection('my_database.db')
data = {'name': 'John Doe', 'age': 30}
insert_data(conn, 'users', data)# 在适当时候关闭数据库连接
conn.close()

5、网页内容自动化抓取利用BeautifulSoup和requests库,编写Python爬虫获取所需网页信息。

import requests
from bs4 import BeautifulSoupdef fetch_web_content(url):response = requests.get(url)if response.status_code == 200:soup = BeautifulSoup(response.text, 'html.parser')# 示例提取页面标题title = soup.find('title').textreturn titleelse:return "无法获取网页内容"# 使用示例:
url = 'https://example.com'
web_title = fetch_web_content(url)
print("网页标题:", web_title)

6、数据清洗自动化使用Pandas库,实现复杂数据处理和清洗的自动化。

import pandas as pddef clean_data(file_path):df = pd.read_csv(file_path)# 示例:处理缺失值df.fillna('N/A', inplace=True)# 示例:去除重复行df.drop_duplicates(inplace=True)# 示例:转换列类型df['date_column'] = pd.to_datetime(df['date_column'])return df# 使用示例:
cleaned_df = clean_data('data.csv')
print("数据清洗完成,已准备就绪!")

7、图片批量压缩用Python快速压缩大量图片以节省存储空间。

from PIL import Image
import osdef compress_images(dir_path, quality=90):for filename in os.listdir(dir_path):if filename.endswith(".jpg") or filename.endswith(".png"):img = Image.open(os.path.join(dir_path, filename))img.save(os.path.join(dir_path, f'compressed_{filename}'), optimize=True, quality=quality)# 使用示例:
compress_images('/path/to/images', quality=80)

8、文件内容查找替换Python脚本帮助你一键在多个文件中搜索并替换指定内容。

import fileinputdef search_replace_in_files(dir_path, search_text, replace_text):for line in fileinput.input([f"{dir_path}/*"], inplace=True):print(line.replace(search_text, replace_text), end='')# 使用示例:
search_replace_in_files('/path/to/files', 'old_text', 'new_text')

9、日志文件分析自动化通过Python解析日志文件,提取关键信息进行统计分析。

def analyze_log(log_file):with open(log_file, 'r') as f:lines = f.readlines()error_count = 0for line in lines:if "ERROR" in line:error_count += 1print(f"日志文件中包含 {error_count} 条错误记录。")# 使用示例:
analyze_log('application.log')

10、数据可视化自动化利用Matplotlib库,实现数据的自动图表生成。

import matplotlib.pyplot as plt
import pandas as pddef visualize_data(data_file):df = pd.read_csv(data_file)# 示例:绘制柱状图df.plot(kind='bar', x='category', y='value')plt.title('数据分布')plt.xlabel('类别')plt.ylabel('值')plt.show()# 使用示例:
visualize_data('data.csv')

11、邮件附件批量下载通过Python解析邮件,自动化下载所有附件。

import imaplib
import email
from email.header import decode_header
import osdef download_attachments(email_addr, password, imap_server, folder='INBOX'):mail = imaplib.IMAP4_SSL(imap_server)mail.login(email_addr, password)mail.select(folder)result, data = mail.uid('search', None, "ALL")uids = data[0].split()for uid in uids:_, msg_data = mail.uid('fetch', uid, '(RFC822)')raw_email = msg_data[0][1].decode("utf-8")email_message = email.message_from_string(raw_email)for part in email_message.walk():if part.get_content_maintype() == 'multipart':continueif part.get('Content-Disposition') is None:continuefilename = part.get_filename()if bool(filename):file_data = part.get_payload(decode=True)with open(os.path.join('/path/to/download', filename), 'wb') as f:f.write(file_data)mail.close()mail.logout()# 使用示例:
download_attachments('your-email@example.com', 'your-password', 'imap.example.com')

12、定时发送报告自动化根据数据库或文件内容,自动生成并定时发送日报/周报。

import pandas as pd
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipartdef generate_report(source, to_addr, subject):# 假设这里是从数据库或文件中获取数据并生成报告内容report_content = pd.DataFrame({"Data": [1, 2, 3], "Info": ["A", "B", "C"]}).to_html()msg = MIMEMultipart()msg['From'] = 'your-email@example.com'msg['To'] = to_addrmsg['Subject'] = subjectmsg.attach(MIMEText(report_content, 'html'))server = smtplib.SMTP('smtp.example.com', 587)server.starttls()server.login('your-email@example.com', 'your-password')text = msg.as_string()server.sendmail('your-email@example.com', to_addr, text)server.quit()# 使用示例:
generate_report('data.csv', 'receiver@example.com', '每日数据报告')# 结合前面的定时任务脚本,可实现定时发送功能

13、自动化性能测试使用Python的locust库进行API接口的压力测试。

from locust import HttpUser, task, betweenclass WebsiteUser(HttpUser):wait_time = between(5, 15)  # 定义用户操作之间的等待时间@taskdef load_test_api(self):response = self.client.get("/api/data")assert response.status_code == 200  # 验证返回状态码为200@task(3)  # 指定该任务在总任务中的执行频率是其他任务的3倍def post_data(self):data = {"key": "value"}response = self.client.post("/api/submit", json=data)assert response.status_code == 201  # 验证数据成功提交后的响应状态码# 运行Locust命令启动性能测试:
# locust -f your_test_script.py --host=http://your-api-url.com

14、自动化部署与回滚脚本使用Fabric库编写SSH远程部署工具,这里以部署Django项目为例:

from fabric import Connectiondef deploy(host_string, user, password, project_path, remote_dir):c = Connection(host=host_string, user=user, connect_kwargs={"password": password})with c.cd(remote_dir):c.run('git pull origin master')  # 更新代码c.run('pip install -r requirements.txt')  # 安装依赖c.run('python manage.py migrate')  # 执行数据库迁移c.run('python manage.py collectstatic --noinput')  # 静态文件收集c.run('supervisorctl restart your_project_name')  # 重启服务# 使用示例:
deploy(host_string='your-server-ip',user='deploy_user',password='deploy_password',project_path='/path/to/local/project',remote_dir='/path/to/remote/project'
)# 对于回滚操作,可以基于版本控制系统实现或创建备份,在出现问题时恢复上一版本的部署。

往期推荐:

Python 31条 pip 命令全解析

用 Python 轻松生成艺术二维码

Python从COCO数据集中抽取某类别数据用于训练人工智能模型

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/774435.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

YOLOv9改进策略:IoU优化 | Wasserstein Distance Loss,助力小目标涨点

💡💡💡本文独家改进:基于Wasserstein距离的小目标检测评估方法 Wasserstein Distance Loss | 亲测在多个数据集能够实现涨点,对小目标、遮挡物性能提升明显 💡💡💡MS COCO和PASC…

Linux(CentOS)/Windows-C++ 云备份项目(服务器网络通信模块,业务处理模块设计,断点续传设计)

此模块将网络通信模块和业务处理模块进行了合并 网络通信通过httplib库搭建完成业务处理: 文件上传请求:备份客户端上传的文件,响应上传成功客户端列表请求:客户端请求备份文件的请求页面,服务器响应文件下载请求&…

科兴未来|创客天下·杭向未来 2024杭州市海外高层次人才创新创业大赛报名中!

为加快建设社会主义现代化国际大都市,吸引海外高层次人才及团队携高新技术项目来杭创新创业,经杭州市委、市政府同意,特举办“创客天下•杭向未来 2024杭州市海外高层次人才创新创业大赛”(以下简称“大赛”)。现就有关…

C# 类的操作

类的操作 C#类的创建等C# 中的构造函数C# 中的析构函数C# 类的静态成员 C#类的继承基类和派生类基类的初始化 C#类的创建等 C# 中的构造函数 C#构造函数 类的 构造函数 是类的一个特殊的成员函数,当创建类的新对象时执行。 构造函数的名称与类的名称完全相同&#…

【王道训练营】第3题 判断某个年份是不是闰年,如果是闰年,请输出“yes”,否则请输出“no”

文章目录 引言闰年初始代码代码改进改进1:添加提示信息改进2:代码格式改进3:变量命名 其他实现方式使用if-else语句使用函数使用三元操作符 结论 引言 在公历中,闰年的规则如下:如果某个年份能被4整除但不能被100整除…

Java回溯算法知识点(含面试大厂题和源码)

回溯算法是一种通过试错来解决问题的算法,它尝试分步解决一个问题。如果发现当前的步骤不能得到有效的解决方案,它将取消上一步或几步的计算,再尝试其他的解决方案。回溯算法通常用递归方法实现,适用于解决组合问题、划分问题、排…

基于SpringBoot的“原创歌曲分享平台”的设计与实现(源码+数据库+文档+PPT)

基于SpringBoot的“原创歌曲分享平台”的设计与实现(源码数据库文档PPT) 开发语言:Java 数据库:MySQL 技术:SpringBoot 工具:IDEA/Ecilpse、Navicat、Maven 系统展示 平台功能结构图 平台首页界面图 用户注册界面…

nvic优先级溢出

nvic的抢占优先级大于当前的配置群组所要求的最大上限,则真正优先级为数值的溢出部分;如果溢出部分为0则循环为最大数据: 如上图所示:中断分组为2: 因此优先级因为0--3 TICK_INT_PRIORITY等于0xf即为15;与3…

【Java多线程】1——多线程知识回顾

1 多线程知识回顾 ⭐⭐⭐⭐⭐⭐ Github主页👉https://github.com/A-BigTree 笔记仓库👉https://github.com/A-BigTree/tree-learning-notes 个人主页👉https://www.abigtree.top ⭐⭐⭐⭐⭐⭐ 如果可以,麻烦各位看官顺手点个star…

一些有深度的MySQL问题和答案

什么是数据库事务,并解释ACID属性是什么?如何确保事务的原子性、一致性、隔离性和持久性? 数据库事务是一组数据库操作的逻辑单元,要么全部成功执行,要么全部失败回滚。ACID是指事务的四个属性:原子性&…

《外观模式(极简c++)》

本文章属于专栏- 概述 - 《设计模式(极简c版)》-CSDN博客 模式说明 方案: 外观模式提供了一个统一的接口,简化了一组复杂子系统的访问方式。优点: 将客户端与子系统解耦,降低了复杂性。提高了代码的灵活性…

【3D目标检测】Det3d—SE-SSD模型训练(前篇):KITTI数据集训练

SE-SSD模型训练 1 基于Det3d搭建SE-SSD环境2 自定义数据准备2.1 自定义数据集标注2.2 训练数据生成2.3 数据集分割 3 训练KITTI数据集3.1 数据准备3.2 配置修改3.3 模型训练 1 基于Det3d搭建SE-SSD环境 Det3D环境搭建参考:【3D目标检测】环境搭建(OpenP…

朋友圈运营攻略,还有多号群发朋友圈教程

为什么需要打造朋友圈? 私域朋友圈运营运营者和私域流量理论上其实就是“网友”的关系 要维持稳定的社交关系,做好私域流量运营,就必须持续地进行自身价值塑造!而朋友圈就是最好的“战场” 打造优质朋友圈的关键点: …

RHCSA(红帽认证系统管理员)知识大全(超详细)

第一天复习笔记 常用的系统工作命令 1、echo命令:用于在终端设备上输出字符串或变量提取后的值 2、date命令:由于显示或设置系统时间和日期 参数作用%S秒(00~59)%M分钟(00~59)%H小时(00~23)%I小时(00~12)%m月份(1~12)%p显示出AM或PM%a缩写的工作日名称(例如:…

linux如何查看编译器支持的C++版本(支持C++11、支持C++14、支持C++17、支持C++20)(编译时不指定g++版本,默认使用老版本编译)

参考:https://blog.csdn.net/Dontla/article/details/129016157 C各个版本 C11 C11是一个重要的C标准版本,于2011年发布。C11带来了许多重要的改进,包括: 智能指针:引入了shared_ptr和unique_ptr等智能指针,用于更好地…

我与CSDN的故事(一)

机缘 2020年10月,我与编程和CSDN的奇妙机缘就此开启。 高考失利后,我踏入了一所专科院校,计算机专业成为我带着一丝迷茫与一丝希望的选择。那时的我,对电脑几乎一无所知,更别提编程了。我之所以选择它,仅…

day12-数据统计(Excel报表)

1. 工作台 1.1 需求分析和设计 1.1.1 产品原型 工作台是系统运营的数据看板,并提供快捷操作入口,可以有效提高商家的工作效率。 工作台展示的数据: 今日数据订单管理菜品总览套餐总览订单信息 原型图: 名词解释: 营…

Unity数独完整源码

支持的Unity版本:2018.1或更高。 这是一套完整且高效的数独源码,默认是9x9,有上千种关卡文件,4种难度,内有关卡编辑器,可扩展至4x4、6x6的关卡,还有英文文档对源码各方面可配置的地方进行说明&…

看奈飞三体魔改 赏国产《三体》预告片AI重制版

看奈飞三体魔改 赏国产《三体》预告片AI重制版 In the vast expanse of the universe, secrets await to be uncovered. 宇宙无垠,秘密待揭。 A signal from the depths of space leads to an encounter with an alien civilization - the Trisolarans. 深空信号引…

20240320-1-梯度下降

梯度下降法面试题 1. 机器学习中为什么需要梯度下降 梯度下降的作用: 梯度下降是迭代法的一种,可以用于求解最小二乘问题。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。…