Python 在自动化办公汇总和脚本示例

Python 在自动化办公中的应用非常广泛，可大幅减少重复性操作，提升办公效率。以下是一个全面的 Python 自动化办公详解 ，并附带多个常用场景的 代码示例，包括：

一、自动化办公能做什么？

任务类型	示例功能
文档处理（Word/Excel）	生成报告、批量修改、数据填充
邮件处理	自动发邮件、收邮件、附件下载
PDF 操作	拆分、合并、加密、提取文本
文件整理	批量重命名、分类移动、自动归档
数据采集与报表	从网页抓取数据，生成日报或周报
人工流程替代	自动点击、填表、模拟人工输入（结合 pyautogui）

二、Python 自动化常用库一览

库名	用途
`openpyxl`	操作 Excel（`.xlsx`）
`pandas`	表格数据处理
`docx`	操作 Word 文档
`smtplib`	发送邮件
`imaplib`	接收邮件
`pyautogui`	模拟鼠标键盘操作
`pdfplumber`	提取 PDF 文本内容
`PyPDF2`	拆分/合并 PDF
`schedule`	定时任务

三、典型场景代码示例

1. 批量生成 Excel 报表（openpyxl）

python 复制代码

from openpyxl import Workbook

data = [
    ['姓名', '部门', '成绩'],
    ['张三', '销售部', 89],
    ['李四', '技术部', 95]
]

wb = Workbook()
ws = wb.active
ws.title = "员工成绩表"

for row in data:
    ws.append(row)

wb.save("员工成绩表.xlsx")
print(" Excel 报表已生成。")

2. 自动发送邮件（带附件）

python 复制代码

import smtplib
from email.message import EmailMessage

msg = EmailMessage()
msg['Subject'] = '日报 - 自动发送'
msg['From'] = 'your_email@example.com'
msg['To'] = 'receiver@example.com'
msg.set_content('请查收今日日报，见附件。')

# 添加附件
with open('日报.xlsx', 'rb') as f:
    msg.add_attachment(f.read(), maintype='application',
                       subtype='vnd.openxmlformats-officedocument.spreadsheetml.sheet',
                       filename='日报.xlsx')

# 发送邮件（使用QQ邮箱为例）
with smtplib.SMTP_SSL('smtp.qq.com', 465) as smtp:
    smtp.login('your_email@example.com', 'your_app_password')
    smtp.send_message(msg)

print(" 邮件已发送。")

3. 批量提取 PDF 文本（pdfplumber）

python 复制代码

import pdfplumber

with pdfplumber.open('文件.pdf') as pdf:
    all_text = ''
    for page in pdf.pages:
        all_text += page.extract_text() + '\n'

with open('提取内容.txt', 'w', encoding='utf-8') as f:
    f.write(all_text)

print(" PDF 文本已提取。")

4. 自动打开网页、模拟输入（pyautogui + webbrowser）

python 复制代码

import webbrowser
import pyautogui
import time

# 打开网页
webbrowser.open('https://www.google.com')
time.sleep(3)  # 等待页面加载

# 模拟输入搜索内容
pyautogui.write('Python automation', interval=0.1)
pyautogui.press('enter')

print(" 自动搜索已完成。")

5. 定时任务（schedule）

python 复制代码

import schedule
import time

def job():
    print("现在是：", time.strftime("%H:%M:%S"), " → 执行任务")

# 每天早上 9 点执行
schedule.every().day.at("09:00").do(job)

while True:
    schedule.run_pending()
    time.sleep(1)

四、组合案例：自动发送日报

假设你有一个 Excel 日报，每天生成并通过邮件发送：

用 openpyxl 创建日报
用 smtplib 发送邮件
用 schedule 定时运行
也可打包为 .exe 实现傻瓜式执行（使用 pyinstaller）

五、提升建议

使用 logging 模块记录日志
配合 Tkinter 或 PyQt 做可视化界面
写成函数模块，支持定制化
学会使用任务计划（Windows）或 crontab（Linux/macOS）

批量处理 Excel 文件是办公自动化中非常常见的需求，比如：

读取多个 Excel 文件中的数据并合并
批量修改单元格内容
提取指定字段后导出为新表
批量生成报表

一、适用场景

场景	示例
批量读取多个 Excel 文件	合并多个日报、月报文件为一个总表
批量修改某列	修改"状态"列中的"未完成"为"完成"
按条件提取或汇总数据	提取销售额大于 1 万的记录
批量写入、创建新表	每人生成一个专属工作表

二、常用库安装

bash 复制代码

pip install openpyxl pandas

三、批量处理 Excel 文件代码示例

示例 1：批量合并多个 Excel 表格

功能：将某个文件夹下所有 .xlsx 文件合并为一个总表

python 复制代码

import pandas as pd
import os

folder = './excel_files'  # Excel 文件所在文件夹
output_file = '合并结果.xlsx'

all_data = []

for file in os.listdir(folder):
    if file.endswith('.xlsx'):
        file_path = os.path.join(folder, file)
        df = pd.read_excel(file_path)
        df['来源文件'] = file  # 可选：添加来源文件列
        all_data.append(df)

# 合并所有数据
merged_df = pd.concat(all_data, ignore_index=True)
merged_df.to_excel(output_file, index=False)

print(" 所有 Excel 文件已合并到：", output_file)

示例 2：批量修改某一列中的值（如"状态"列）

python 复制代码

import pandas as pd
import os

folder = './excel_files'

for file in os.listdir(folder):
    if file.endswith('.xlsx'):
        path = os.path.join(folder, file)
        df = pd.read_excel(path)

        # 修改 "状态" 列中的"未完成"为"完成"
        df['状态'] = df['状态'].replace('未完成', '完成')

        # 保存覆盖原文件
        df.to_excel(path, index=False)
        print(f" 已修改：{file}")

示例 3：按字段筛选并保存为新表

python 复制代码

import pandas as pd
import os

input_file = '员工信息表.xlsx'
df = pd.read_excel(input_file)

# 筛选工资大于10000的员工
filtered = df[df['工资'] > 10000]

filtered.to_excel('高薪员工.xlsx', index=False)
print(" 筛选结果已保存。")

示例 4：为每位员工生成单独 Excel 表

python 复制代码

import pandas as pd
import os

df = pd.read_excel('员工信息.xlsx')

output_dir = './员工报表'
os.makedirs(output_dir, exist_ok=True)

# 按"姓名"分组，每个员工一个文件
for name, group in df.groupby('姓名'):
    filename = os.path.join(output_dir, f'{name}_报表.xlsx')
    group.to_excel(filename, index=False)
    print(f" 已生成：{filename}")

四、进阶建议

用 Tkinter 加上文件夹选择、按钮，做成 GUI 工具
加日志记录：每次处理记录时间、文件名
使用定时器 + 自动邮件发送，形成完整自动报表流程
使用 openpyxl 更细粒度控制样式、颜色、单元格合并等

自动清洗多个 Excel 表中的重复数据示例：

下面是自动遍历一个文件夹下的多个 Excel 文件，按指定的列去重，并把清洗后的结果另存到一个新文件夹Python脚本。

脚本示例（Python 3 + pandas）

python 复制代码

import os
import pandas as pd

# === 配置区域 ===
input_folder = r"./excel_input"       # 待处理Excel文件所在文件夹
output_folder = r"./excel_output"     # 清洗后文件保存文件夹
subset_columns = None                 # 去重依据的列，例如 ["姓名", "身份证号"]，None表示全列去重
keep_rule = "first"                   # 保留规则: "first" 保留首次出现, "last" 保留最后一次, False 保留所有重复(不常用)

# 创建输出文件夹
os.makedirs(output_folder, exist_ok=True)

# 遍历文件夹中的所有Excel文件
for filename in os.listdir(input_folder):
    if filename.lower().endswith((".xls", ".xlsx")):
        file_path = os.path.join(input_folder, filename)
        
        try:
            # 读取Excel（保留所有sheet）
            xls = pd.ExcelFile(file_path)
            cleaned_sheets = {}
            
            for sheet_name in xls.sheet_names:
                df = pd.read_excel(xls, sheet_name=sheet_name)
                
                # 去重
                before_rows = len(df)
                df_cleaned = df.drop_duplicates(subset=subset_columns, keep=keep_rule)
                after_rows = len(df_cleaned)
                
                print(f"{filename} - {sheet_name}: {before_rows} -> {after_rows} 行")
                
                cleaned_sheets[sheet_name] = df_cleaned
            
            # 保存清洗后的文件
            output_path = os.path.join(output_folder, filename)
            with pd.ExcelWriter(output_path, engine="openpyxl") as writer:
                for sheet_name, df_cleaned in cleaned_sheets.items():
                    df_cleaned.to_excel(writer, sheet_name=sheet_name, index=False)
        
        except Exception as e:
            print(f"处理文件 {filename} 时出错: {e}")

print(" 数据清洗完成！")