Python办公自动化实战:手把手教你打造智能邮件发送工具

前言

在数字化办公场景中,邮件自动化是提升工作效率的关键技能。本文将通过实际案例,演示如何使用Python的smtplib和email库构建一个支持图文混排、多附件、多收件人的智能邮件系统。无需复杂配置,只需跟随步骤操作,即可实现邮件自动化发送。

一、基础配置:搭建邮件发送框架

1.1 邮箱服务准备

以163邮箱为例,首先需要开启SMTP服务:

  • 登录邮箱后进入设置界面
  • 选择"POP3/SMTP/IMAP"选项
  • 开启SMTP服务并获取授权码(注意:授权码将替代登录密码使用)

1.2 核心库导入

javascript 复制代码
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.image import MIMEImage
from email.header import Header

1.3 基础发送函数

scss 复制代码
def send_email(config):
    msg = MIMEMultipart()
    msg['From'] = config['sender']
    msg['To'] = ', '.join(config['receivers'])
    msg['Subject'] = Header(config['subject'], 'utf-8')
    
    # 添加正文
    msg.attach(MIMEText(config['body'], 'html', 'utf-8'))
    
    try:
        with smtplib.SMTP_SSL(config['smtp_server'], config['port']) as server:
            server.login(config['sender'], config['password'])
            server.sendmail(config['sender'], config['receivers'], msg.as_string())
        print("邮件发送成功")
    except Exception as e:
        print(f"发送失败: {str(e)}")

二、进阶功能实现

2.1 多附件处理

python 复制代码
def add_attachments(msg, file_paths):
    for file_path in file_paths:
        with open(file_path, 'rb') as f:
            attachment = MIMEText(f.read(), 'base64', 'utf-8')
            attachment['Content-Type'] = 'application/octet-stream'
            attachment['Content-Disposition'] = f'attachment; filename="{file_path.split("/")[-1]}"'
            msg.attach(attachment)

2.2 图文混排实现

python 复制代码
def add_images(msg, image_paths):
    for img_path in image_paths:
        with open(img_path, 'rb') as f:
            img = MIMEImage(f.read())
            img.add_header('Content-ID', f'<{img_path.split("/")[-1]}>')
            msg.attach(img)

2.3 多收件人优化

scss 复制代码
def validate_receivers(receivers):
    valid_emails = []
    for email in receivers:
        if '@' in email and '.' in email.split('@')[1]:
            valid_emails.append(email)
    return valid_emails

三、完整实战案例

3.1 场景描述

某公司需要向全体员工发送季度工作报告,要求包含:

  • PDF格式的正式报告
  • 业绩趋势图(PNG格式)
  • Excel格式的详细数据
  • 邮件正文需要包含图表引用

3.2 完整代码实现

python 复制代码
def main():
    # 配置参数
    config = {
        'sender': 'your_email@163.com',
        'password': '授权码',
        'smtp_server': 'smtp.163.com',
        'port': 465,
        'receivers': ['test1@example.com', 'test2@example.com'],
        'subject': '2025年第二季度工作报告',
        'body': '''
        <h1>季度工作报告</h1>
        <p>附件包含详细数据,正文图表如下:</p>
        <img src="cid:业绩趋势图.png">
        '''
    }
 
    # 创建邮件对象
    msg = MIMEMultipart()
    msg['From'] = config['sender']
    msg['To'] = ', '.join(config['receivers'])
    msg['Subject'] = Header(config['subject'], 'utf-8')
 
    # 添加正文
    msg.attach(MIMEText(config['body'], 'html', 'utf-8'))
 
    # 添加附件
    add_attachments(msg, [
        './reports/季度数据.xlsx',
        './reports/正式报告.pdf'
    ])
 
    # 添加图片
    add_images(msg, [
        './charts/业绩趋势图.png'
    ])
 
    # 发送邮件
    send_email(config, msg)
 
if __name__ == '__main__':
    main()

四、扩展功能建议

4.1 定时发送

结合schedule库实现定时任务:

java 复制代码
import schedule
import time
 
schedule.every().day.at("09:30").do(main)
 
while True:
    schedule.run_pending()
    time.sleep(60)

4.2 批量发送

从CSV读取收件人信息:

python 复制代码
import pandas as pd
 
def batch_send(csv_path):
    df = pd.read_csv(csv_path)
    for index, row in df.iterrows():
        config['receivers'] = [row['email']]
        config['body'] = f"尊敬的{row['name']},这是您的专属报告"
        main()

4.3 异常处理

添加重试机制和日志记录:

python 复制代码
import logging
from retrying import retry
 
logging.basicConfig(filename='email.log', level=logging.INFO)
 
@retry(stop_max_attempt_number=3)
def send_email_safe(config, msg):
    try:
        # 原有发送逻辑
        logging.info(f"成功发送至{config['receivers']}")
    except Exception as e:
        logging.error(f"发送失败: {str(e)}")
        raise

五、注意事项

  • 授权码安全:建议定期更换邮箱授权码
  • 文件路径:使用绝对路径或相对路径时注意工作目录
  • 邮件大小:单个邮件附件建议不超过20MB
  • 测试验证:发送测试邮件时建议使用自己的邮箱作为收件人
  • 服务器限制:部分邮箱服务器有每日发送量限制

通过本文介绍的方案,可以实现从简单邮件到复杂邮件的自动化发送。实际使用中可根据需求添加模板引擎、数据库集成等功能,构建更完善的邮件自动化系统。

相关推荐
蹦蹦跳跳真可爱5893 小时前
Python----OpenCV(图像増强——高通滤波(索贝尔算子、沙尔算子、拉普拉斯算子),图像浮雕与特效处理)
人工智能·python·opencv·计算机视觉
nananaij3 小时前
【Python进阶篇 面向对象程序设计(3) 继承】
开发语言·python·神经网络·pycharm
雷羿 LexChien3 小时前
从 Prompt 管理到人格稳定:探索 Cursor AI 编辑器如何赋能 Prompt 工程与人格风格设计(上)
人工智能·python·llm·编辑器·prompt
敲键盘的小夜猫4 小时前
LLM复杂记忆存储-多会话隔离案例实战
人工智能·python·langchain
高压锅_12204 小时前
Django Channels WebSocket实时通信实战:从聊天功能到消息推送
python·websocket·django
胖达不服输5 小时前
「日拱一码」020 机器学习——数据处理
人工智能·python·机器学习·数据处理
吴佳浩5 小时前
Python入门指南-番外-LLM-Fingerprint(大语言模型指纹):从技术视角看AI开源生态的边界与挑战
python·llm·mcp
吴佳浩6 小时前
Python入门指南-AI模型相似性检测方法:技术原理与实现
人工智能·python·llm
叶 落6 小时前
计算阶梯电费
python·python 基础·python 入门
Python大数据分析@7 小时前
Origin、MATLAB、Python 用于科研作图,哪个最好?
开发语言·python·matlab