Python 自动化办公实战：Excel 批量处理 + 邮件自动发送（附完整源码）

派大鑫wink2025-12-16 8:39

在日常办公中，重复的 Excel 数据整理、报表生成与邮件分发工作占据大量时间。本文将手把手教你用 Python 实现 "Excel 数据批量处理 + 自动化邮件发送" 全流程，涵盖数据读取、清洗、格式美化、报表生成及邮件带附件发送，支持自定义模板与批量操作，大幅提升办公效率，适合行政、运营、财务等岗位人员学习使用。

一、项目整体介绍

1.1 项目背景与价值

无论是月度业绩报表分发、客户数据统计通知，还是员工薪资条发放，都需要先整理 Excel 数据，再手动复制粘贴到邮件中发送 ------ 过程繁琐且易出错。本项目通过 Python 自动化完成以下工作：

  • 批量读取 Excel 数据（支持多工作表 / 多文件）；
  • 数据清洗（缺失值填充、格式统一、重复数据剔除）；
  • Excel 报表美化（单元格样式、条件格式、图表生成）；
  • 自动生成个性化邮件内容（按收件人匹配对应数据）；
  • 批量发送带 Excel 附件的邮件，支持抄送 / 密送。

1.2 技术栈选型

技术模块 核心技术 作用说明
Excel 处理 openpyxl + pandas 读取 / 写入 Excel 文件、数据清洗、格式美化、图表生成（支持.xlsx 格式）
邮件发送 smtplib + email 连接 SMTP 服务器、构造邮件内容（文本 / HTML）、添加附件、批量发送
辅助工具 os + datetime + logging 文件路径处理、时间格式转换、操作日志记录（便于问题排查）

1.3 核心功能模块

系统采用 "模块化设计"，可按需组合使用，核心功能如下：

  1. Excel 数据处理模块 ：
    • 多文件 / 多工作表批量读取；
    • 数据清洗（缺失值填充、重复项删除、数据格式转换）；
    • 报表美化（表头样式、数据对齐、条件格式高亮）；
    • 自动生成数据统计图表（柱状图 / 饼图）。
  2. 邮件发送模块 ：
    • 支持 QQ 邮箱、企业邮箱 SMTP 配置；
    • 自定义邮件主题、正文模板（支持变量替换，如 "XXX 先生 / 女士，您的月度业绩如下"）；
    • 自动添加 Excel 附件（单个 / 多个）；
    • 批量发送 + 失败重试机制，日志记录发送结果。

二、环境搭建与准备

2.1 开发环境配置

  1. 基础环境：Python 3.8+（推荐 3.9 版本，兼容性更佳）；
  2. 依赖库安装：

bash

运行

复制代码 
# 核心依赖库
pip install pandas openpyxl  # Excel读取/写入/美化
pip install python-dotenv    # 环境变量管理（存储邮箱密码等敏感信息）
pip install logging          # 日志记录
  1. 邮箱 SMTP 配置（关键步骤）：
    • 以 QQ 邮箱为例：登录 QQ 邮箱 → Settings → 账户 → 开启 "POP3/SMTP 服务" → 生成授权码（替代密码登录）；
    • 企业邮箱（如网易企业邮）：开启 SMTP 服务，确认服务器地址（如smtp.ym.163.com）与端口（通常 465，SSL 加密）。

2.2 项目目录结构

plaintext

复制代码 
auto_office_system/
├── main.py                # 项目入口文件（整合Excel处理与邮件发送）
├── .env                   # 环境变量配置（邮箱账号、授权码、SMTP服务器）
├── excel_processor.py     # Excel数据处理模块（读取/清洗/美化/图表）
├── email_sender.py        # 邮件发送模块（SMTP连接/邮件构造/批量发送）
├── templates/             # 模板文件
│   ├── email_template.html  # 邮件正文HTML模板
│   └── excel_template.xlsx  # Excel报表模板（可选）
├── input/                 # 输入文件目录（待处理的Excel文件）
│   └── 客户数据.xlsx
├── output/                # 输出文件目录（处理后的Excel报表）
└── logs/                  # 日志文件目录（记录操作过程与发送结果）

2.3 环境变量配置（.env 文件）

env

复制代码 
# 邮箱配置
SMTP_SERVER=smtp.qq.com    # SMTP服务器地址（QQ邮箱：smtp.qq.com；企业邮：如smtp.ym.163.com）
SMTP_PORT=465              # SMTP端口（SSL加密通常为465）
EMAIL_ACCOUNT=your_email@qq.com  # 发件人邮箱
EMAIL_PASSWORD=your_auth_code    # 邮箱授权码（非登录密码）

# 邮件默认配置
DEFAULT_CC=cc_email@qq.com  # 默认抄送邮箱（可选）
DEFAULT_SUBJECT=【月度报表】客户数据统计通知  # 默认邮件主题

三、核心模块实现

3.1 Excel 数据处理模块（excel_processor.py）

实现 Excel 数据的读取、清洗、美化与图表生成，支持多文件批量处理。

python

运行

python 复制代码 
import pandas as pd
from openpyxl import load_workbook
from openpyxl.styles import Font, PatternFill, Border, Side, Alignment
from openpyxl.chart import BarChart, Reference
from openpyxl.chart.series import DataPoint
import os
from datetime import datetime

class ExcelProcessor:
    def __init__(self, input_dir="input", output_dir="output"):
        self.input_dir = input_dir  # 输入文件目录
        self.output_dir = output_dir  # 输出文件目录
        # 创建输出目录（不存在则创建）
        if not os.path.exists(output_dir):
            os.makedirs(output_dir)
    
    def read_excel_files(self):
        """批量读取input目录下所有Excel文件（支持.xlsx）"""
        excel_files = [f for f in os.listdir(self.input_dir) if f.endswith(".xlsx")]
        if not excel_files:
            raise FileNotFoundError("input目录下未找到Excel文件（.xlsx格式）")
        
        all_data = []
        for file in excel_files:
            file_path = os.path.join(self.input_dir, file)
            # 读取所有工作表
            xls = pd.ExcelFile(file_path)
            for sheet_name in xls.sheet_names:
                df = pd.read_excel(file_path, sheet_name=sheet_name)
                df["来源文件"] = file  # 新增列标记数据来源
                df["来源工作表"] = sheet_name  # 新增列标记工作表
                all_data.append(df)
        
        # 合并所有数据
        combined_df = pd.concat(all_data, ignore_index=True)
        print(f"成功读取{len(excel_files)}个Excel文件，共{len(combined_df)}条数据")
        return combined_df
    
    def clean_data(self, df):
        """数据清洗：处理缺失值、重复项、格式统一"""
        # 1. 删除完全重复的行
        df_clean = df.drop_duplicates()
        # 2. 填充缺失值（数值列填0，文本列填"未知"）
        for col in df_clean.columns:
            if df_clean[col].dtype in ["int64", "float64"]:
                df_clean[col] = df_clean[col].fillna(0)
            else:
                df_clean[col] = df_clean[col].fillna("未知")
        # 3. 统一日期格式（若存在"日期"列）
        if "日期" in df_clean.columns:
            df_clean["日期"] = pd.to_datetime(df_clean["日期"], errors="coerce").dt.strftime("%Y-%m-%d")
        # 4. 去除字符串前后空格
        for col in df_clean.select_dtypes(include=["object"]).columns:
            df_clean[col] = df_clean[col].astype(str).str.strip()
        
        print(f"数据清洗完成：原始{len(df)}条 → 清洗后{len(df_clean)}条")
        return df_clean
    
    def beautify_excel(self, df, output_filename="processed_report.xlsx"):
        """Excel报表美化：设置样式、条件格式、添加图表"""
        output_path = os.path.join(self.output_dir, output_filename)
        
        # 保存DataFrame到Excel
        df.to_excel(output_path, index=False, sheet_name="清洗后数据")
        
        # 加载工作簿进行样式美化
        wb = load_workbook(output_path)
        ws = wb["清洗后数据"]
        
        # 1. 设置表头样式（蓝色背景、白色字体、加粗、居中）
        header_font = Font(color="FFFFFF", bold=True)
        header_fill = PatternFill(start_color="4472C4", end_color="4472C4", fill_type="solid")
        header_alignment = Alignment(horizontal="center", vertical="center")
        # 边框样式
        thin_border = Border(
            left=Side(style="thin"), right=Side(style="thin"),
            top=Side(style="thin"), bottom=Side(style="thin")
        )
        
        # 应用表头样式
        for col in range(1, ws.max_column + 1):
            cell = ws.cell(row=1, column=col)
            cell.font = header_font
            cell.fill = header_fill
            cell.alignment = header_alignment
            cell.border = thin_border
        
        # 2. 应用数据区样式（居中、边框）
        for row in range(2, ws.max_row + 1):
            for col in range(1, ws.max_column + 1):
                cell = ws.cell(row=row, column=col)
                cell.alignment = Alignment(horizontal="center", vertical="center")
                cell.border = thin_border
        
        # 3. 自动调整列宽
        for col in ws.columns:
            max_length = 0
            column = col[0].column_letter  # 获取列字母（如A、B）
            for cell in col:
                try:
                    if len(str(cell.value)) > max_length:
                        max_length = len(str(cell.value))
                except:
                    pass
            adjusted_width = min(max_length + 2, 20)  # 最大宽度限制为20
            ws.column_dimensions[column].width = adjusted_width
        
        # 4. 添加数据统计图表（以"客户类型"和"成交金额"为例）
        if "客户类型" in df.columns and "成交金额" in df.columns:
            # 统计各客户类型成交金额
            chart_data = df.groupby("客户类型")["成交金额"].sum().reset_index()
            
            # 创建柱状图
            chart = BarChart()
            chart.title = "各客户类型成交金额统计"
            chart.x_axis.title = "客户类型"
            chart.y_axis.title = "成交金额（元）"
            
            # 准备图表数据
            x_data = Reference(ws, min_col=chart_data.columns.get_loc("客户类型") + 1, 
                              min_row=2, max_row=len(chart_data) + 1)
            y_data = Reference(ws, min_col=chart_data.columns.get_loc("成交金额") + 1, 
                              min_row=2, max_row=len(chart_data) + 1)
            
            # 添加数据系列
            series = chart.add_data(y_data, titles_from_data=False)
            chart.set_categories(x_data)
            
            # 设置图表样式（高亮最大值）
            max_val = chart_data["成交金额"].max()
            for i, val in enumerate(chart_data["成交金额"]):
                if val == max_val:
                    dp = DataPoint(idx=i, fill=PatternFill(start_color="FF0000", end_color="FF0000", fill_type="solid"))
                    series.dPt.append(dp)
            
            # 在新工作表插入图表
            chart_ws = wb.create_sheet("数据统计图表")
            chart_ws.add_chart(chart, "B2")
        
        # 保存美化后的Excel
        wb.save(output_path)
        print(f"Excel报表美化完成，保存路径：{output_path}")
        return output_path
    
    def batch_process(self):
        """批量处理流程：读取→清洗→美化"""
        try:
            # 1. 读取数据
            raw_df = self.read_excel_files()
            # 2. 数据清洗
            clean_df = self.clean_data(raw_df)
            # 3. 报表美化（输出文件名包含当前日期）
            output_filename = f"客户数据报表_{datetime.now().strftime('%Y%m%d')}.xlsx"
            output_path = self.beautify_excel(clean_df, output_filename)
            return output_path
        except Exception as e:
            print(f"Excel处理失败：{str(e)}")
            raise

3.2 邮件发送模块（email_sender.py）

实现 SMTP 连接、邮件构造、批量发送，支持 HTML 模板与 Excel 附件。

python

运行

python 复制代码 
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
from email.header import Header
from dotenv import load_dotenv
import os
import logging
from datetime import datetime

# 加载环境变量
load_dotenv()

# 配置日志
logging.basicConfig(
    filename=f"logs/email_send_{datetime.now().strftime('%Y%m%d')}.log",
    level=logging.INFO,
    format="%(asctime)s - %(levelname)s - %(message)s"
)

class EmailSender:
    def __init__(self):
        # 从环境变量获取邮箱配置
        self.smtp_server = os.getenv("SMTP_SERVER")
        self.smtp_port = int(os.getenv("SMTP_PORT", 465))
        self.email_account = os.getenv("EMAIL_ACCOUNT")
        self.email_password = os.getenv("EMAIL_PASSWORD")
        self.default_cc = os.getenv("DEFAULT_CC", "")
        self.default_subject = os.getenv("DEFAULT_SUBJECT", "自动化邮件通知")
        
        # 验证配置
        self._validate_config()
    
    def _validate_config(self):
        """验证邮箱配置是否完整"""
        required_configs = ["SMTP_SERVER", "EMAIL_ACCOUNT", "EMAIL_PASSWORD"]
        for config in required_configs:
            if not os.getenv(config):
                raise ValueError(f".env文件中缺少配置：{config}")
    
    def _create_email(self, to_email, subject, content, attachments=None):
        """构造邮件内容（支持HTML正文、多个附件）"""
        # 创建邮件对象（带附件）
        msg = MIMEMultipart()
        msg["From"] = Header(self.email_account, "utf-8")  # 发件人
        msg["To"] = Header(to_email, "utf-8")  # 收件人
        msg["Subject"] = Header(subject, "utf-8")  # 邮件主题
        
        # 添加抄送（若有）
        if self.default_cc:
            msg["Cc"] = Header(self.default_cc, "utf-8")
        
        # 添加HTML正文
        msg.attach(MIMEText(content, "html", "utf-8"))
        
        # 添加附件（支持多个文件）
        if attachments:
            attachments = attachments if isinstance(attachments, list) else [attachments]
            for file_path in attachments:
                if os.path.exists(file_path):
                    # 读取文件内容
                    with open(file_path, "rb") as f:
                        part = MIMEText(f.read(), "base64", "utf-8")
                        part["Content-Type"] = "application/octet-stream"
                        # 设置附件文件名
                        filename = os.path.basename(file_path)
                        part["Content-Disposition"] = f'attachment; filename="{filename}"'
                        msg.attach(part)
                    logging.info(f"添加附件成功：{filename}")
                else:
                    logging.warning(f"附件文件不存在：{file_path}")
        
        return msg
    
    def load_html_template(self, template_path="templates/email_template.html", **kwargs):
        """加载HTML邮件模板，替换变量（如{username}、{date}）"""
        if not os.path.exists(template_path):
            raise FileNotFoundError(f"邮件模板文件不存在：{template_path}")
        
        with open(template_path, "r", encoding="utf-8") as f:
            html_content = f.read()
        
        # 替换模板变量（kwargs中的key对应模板中的{key}）
        for key, value in kwargs.items():
            html_content = html_content.replace(f"{{{key}}}", str(value))
        
        return html_content
    
    def send_email(self, to_email, subject=None, content=None, attachments=None, retry=2):
        """发送单封邮件，支持失败重试"""
        subject = subject or self.default_subject
        if not content:
            # 使用默认文本内容（若未提供HTML模板）
            content = f"您好！这是一封自动化邮件通知，附件为相关报表，请查收。\n发送时间：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}"
        
        # 构造收件人列表（含抄送）
        recipients = [to_email]
        if self.default_cc:
            recipients.extend(self.default_cc.split(","))
        
        for attempt in range(retry + 1):
            try:
                # 连接SMTP服务器（SSL加密）
                with smtplib.SMTP_SSL(self.smtp_server, self.smtp_port) as server:
                    server.login(self.email_account, self.email_password)
                    # 构造邮件
                    msg = self._create_email(to_email, subject, content, attachments)
                    # 发送邮件
                    server.sendmail(self.email_account, recipients, msg.as_string())
                logging.info(f"邮件发送成功：收件人={to_email}，主题={subject}")
                return True
            except Exception as e:
                logging.error(f"第{attempt+1}次发送邮件失败（收件人={to_email}）：{str(e)}")
                if attempt >= retry:
                    logging.error(f"邮件发送最终失败：收件人={to_email}")
                    return False
        return False
    
    def batch_send_emails(self, email_data_list, attachments=None):
        """批量发送邮件：接收收件人数据列表，支持个性化内容"""
        """
        email_data_list格式：
        [
            {"to_email": "user1@qq.com", "username": "张三", "month": "2024-05"},
            {"to_email": "user2@qq.com", "username": "李四", "month": "2024-05"}
        ]
        """
        if not email_data_list:
            logging.warning("批量发送：未提供收件人数据")
            return
        
        success_count = 0
        fail_count = 0
        fail_emails = []
        
        for data in email_data_list:
            to_email = data.get("to_email")
            if not to_email:
                logging.warning("跳过无效数据：未包含收件人邮箱")
                continue
            
            try:
                # 加载HTML模板并替换变量
                content = self.load_html_template(
                    username=data.get("username", "用户"),
                    month=data.get("month", datetime.now().strftime("%Y-%m")),
                    send_time=datetime.now().strftime("%Y-%m-%d %H:%M:%S")
                )
                
                # 发送邮件
                result = self.send_email(
                    to_email=to_email,
                    subject=f"{self.default_subject}（{data.get('month', '')}）",
                    content=content,
                    attachments=attachments
                )
                
                if result:
                    success_count += 1
                else:
                    fail_count += 1
                    fail_emails.append(to_email)
            except Exception as e:
                logging.error(f"批量发送失败（收件人={to_email}）：{str(e)}")
                fail_count += 1
                fail_emails.append(to_email)
        
        # 打印批量发送统计
        total = len(email_data_list)
        print(f"\n批量发送完成：总计{total}封 → 成功{success_count}封 → 失败{fail_count}封")
        if fail_emails:
            print(f"发送失败的邮箱：{', '.join(fail_emails)}")
            logging.info(f"批量发送统计：总计{total}封 → 成功{success_count}封 → 失败{fail_count}封，失败邮箱：{fail_emails}")
        
        return {
            "total": total,
            "success": success_count,
            "fail": fail_count,
            "fail_emails": fail_emails
        }

3.3 邮件 HTML 模板（templates/email_template.html）

支持个性化变量替换，样式美观，适合正式办公场景。

html

预览

XML 复制代码 
<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <title>客户数据统计通知</title>
    <style>
        body { font-family: "Microsoft YaHei", sans-serif; line-height: 1.6; color: #333; }
        .container { width: 80%; margin: 0 auto; padding: 20px; border: 1px solid #eee; border-radius: 8px; }
        .header { background-color: #4472C4; color: white; padding: 15px; border-radius: 8px 8px 0 0; text-align: center; }
        .content { padding: 20px; }
        .highlight { color: #4472C4; font-weight: bold; }
        .footer { margin-top: 30px; padding-top: 15px; border-top: 1px solid #eee; text-align: center; color: #666; }
    </style>
</head>
<body>
    <div class="container">
        <div class="header">
            <h2>【月度客户数据统计报表】</h2>
        </div>
        <div class="content">
            <p>尊敬的<span class="highlight">{username}</span>先生/女士：</p>
            <p>您好！现将{month}月度客户数据统计报表发送给您，具体说明如下：</p>
            <ul>
                <li>报表包含客户基本信息、成交金额、跟进状态等关键数据；</li>
                <li>报表已按客户类型分类统计，并附数据可视化图表；</li>
                <li>请您查收附件并核对数据，如有疑问请及时反馈。</li>
            </ul>
            <p>发送时间：<span class="highlight">{send_time}</span></p>
            <p>祝您工作顺利！</p>
        </div>
        <div class="footer">
            <p>本邮件为自动化发送，请勿直接回复 | 联系电话：XXX-XXXXXXX</p>
        </div>
    </div>
</body>
</html>

3.4 项目入口文件（main.py）

整合 Excel 处理与邮件发送流程，支持命令行运行。

python

运行

python 复制代码 
from excel_processor import ExcelProcessor
from email_sender import EmailSender
import logging

# 配置日志
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")

def main():
    try:
        # 第一步：Excel数据批量处理（读取→清洗→美化）
        logging.info("="*50)
        logging.info("开始Excel数据处理...")
        excel_processor = ExcelProcessor()
        excel_report_path = excel_processor.batch_process()
        logging.info(f"Excel处理完成，报表路径：{excel_report_path}")
        
        # 第二步：批量发送邮件（示例数据，实际可从Excel读取收件人信息）
        logging.info("\n" + "="*50)
        logging.info("开始批量发送邮件...")
        email_sender = EmailSender()
        
        # 收件人数据列表（实际项目可从Excel读取：如pd.read_excel("收件人列表.xlsx")）
        email_data_list = [
            {"to_email": "recipient1@qq.com", "username": "张三", "month": "2024-05"},
            {"to_email": "recipient2@163.com", "username": "李四", "month": "2024-05"},
            {"to_email": "recipient3@ym.163.com", "username": "王五", "month": "2024-05"}
        ]
        
        # 批量发送邮件（添加Excel报表作为附件）
        send_result = email_sender.batch_send_emails(
            email_data_list=email_data_list,
            attachments=excel_report_path
        )
        
        # 输出最终结果
        logging.info("\n" + "="*50)
        logging.info(f"自动化流程全部完成！")
        logging.info(f"Excel报表：{excel_report_path}")
        logging.info(f"邮件发送统计：成功{send_result['success']}封，失败{send_result['fail']}封")
        
    except Exception as e:
        logging.error(f"自动化流程执行失败：{str(e)}", exc_info=True)
        print(f"执行失败：{str(e)}")

if __name__ == "__main__":
    main()

四、系统运行与效果展示

4.1 运行步骤

  1. 准备工作：在input目录下放入待处理的 Excel 文件（如 "客户数据.xlsx"），确保包含 "客户类型""成交金额""日期" 等关键列；
  2. 配置.env 文件：填写发件人邮箱、授权码、SMTP 服务器等信息；
  3. 运行程序：python main.py；
  4. 查看结果：
    • 处理后的 Excel 报表保存在output目录（含美化样式与统计图表）；
    • 邮件发送结果记录在logs目录的日志文件中；
    • 收件人将收到带 HTML 格式正文与 Excel 附件的邮件。

4.2 核心效果展示

1. Excel 报表美化效果
  • 表头：蓝色背景、白色加粗字体、居中对齐；
  • 数据区：统一居中、添加边框、自动调整列宽；
  • 条件格式：统计图表中高亮显示成交金额最大值；
  • 额外工作表：包含客户类型成交金额柱状图，直观呈现数据趋势。
2. 邮件接收效果
  • 正文：HTML 格式，包含个性化问候（如 "尊敬的张三先生 / 女士"）、月度信息、发送时间；
  • 附件：自动添加处理后的 Excel 报表，支持在线预览或下载；
  • 抄送：默认抄送邮箱可收到相同邮件，便于存档。

4.3 日志记录效果

日志文件将详细记录每一步操作：

plaintext

复制代码 
2024-05-20 14:30:00,123 - INFO - 开始Excel数据处理...
2024-05-20 14:30:02,456 - INFO - 成功读取1个Excel文件，共100条数据
2024-05-20 14:30:02,789 - INFO - 数据清洗完成：原始100条 → 清洗后98条
2024-05-20 14:30:05,123 - INFO - Excel报表美化完成，保存路径：output/客户数据报表_20240520.xlsx
2024-05-20 14:30:05,123 - INFO - 开始批量发送邮件...
2024-05-20 14:30:08,456 - INFO - 邮件发送成功：收件人=recipient1@qq.com，主题=【月度报表】客户数据统计通知（2024-05）
2024-05-20 14:30:10,789 - INFO - 邮件发送成功：收件人=recipient2@163.com，主题=【月度报表】客户数据统计通知（2024-05）
2024-05-20 14:30:12,123 - ERROR - 第2次发送邮件失败（收件人=recipient3@ym.163.com）：SMTPConnectError
2024-05-20 14:30:12,123 - INFO - 批量发送完成：总计3封 → 成功2封 → 失败1封
2024-05-20 14:30:12,123 - INFO - 自动化流程全部完成！

五、项目拓展与优化方向

  1. 功能拓展：

    • 支持读取 CSV/CSV 文件，扩大输入格式范围；
    • 实现 Excel 数据筛选与拆分（如按部门 / 区域拆分报表，分别发送给对应负责人）；
    • 增加邮件发送状态回执（确认收件人已读）；
    • 支持多附件发送（如同时发送 Excel 报表 + PDF 说明文档）。

  2. 系统优化：

    • 引入 Redis 缓存频繁使用的数据（如收件人列表），提升效率；
    • 增加异常监控（如邮件发送失败后自动发送告警通知给管理员）；
    • 支持定时任务（使用 APScheduler），每月自动执行报表生成与邮件发送；
    • 优化 Excel 处理性能，支持超大文件（10 万行 + 数据）批量处理。

  3. 交互优化：

    • 开发简单 GUI 界面（使用 tkinter/pyqt），无需编写代码即可操作；
    • 支持自定义邮件模板与 Excel 样式模板，适配不同办公场景；
    • 增加数据预览功能，处理前可查看原始数据与清洗效果。

六、总结

本项目基于 Python 实现了 "Excel 批量处理 + 自动化邮件发送" 的完整办公流程，技术栈简洁实用，代码结构清晰，可直接应用于实际工作场景。通过本项目的学习，你可以掌握：

  • pandas/openpyxl 的 Excel 数据处理与美化技巧；
  • smtplib/email 的邮件构造与批量发送方法；
  • 模块化编程与环境变量管理（敏感信息保护）；
  • 日志记录与异常处理的工业级编程思维。

项目可根据实际办公需求灵活拓展，例如财务薪资条发放、运营业绩报表分发、行政通知推送等场景。建议在使用过程中结合自身工作流程调整代码，积累自动化办公经验，逐步实现 "一键搞定重复工作" 的高效办公模式。

相关推荐
奇树谦6 小时前
WindowsAPI|每天了解几个winAPI接口之网络配置相关文档Iphlpapi.h详细分析15
windows
Sleepy MargulisItG7 小时前
【Linux网络编程】TCP Socket
linux·网络·tcp/ip
非凡ghost7 小时前
FlexiPDF(专业PDF编辑软件)
windows·学习·pdf·软件需求
习惯就好zz7 小时前
Godot GDExtension 4.5 windows编译记录
windows·godot·cpp·gdextension
倔强的石头1067 小时前
Linux 进程深度解析（三）：调度算法、优先级调整与进程资源回收（wait与waitpid）
linux·服务器·算法
野生风长7 小时前
从零开始的c语言：初步理解指针—从底层到入门（上）指针概念及语法，指针运算, 传地址和传值
c语言·开发语言·windows·visual studio
熊文豪7 小时前
Ubuntu 安装 Oracle 11g XE 完整指南
linux·ubuntu·oracle
Zzz 小生7 小时前
Github-Lobe Chat：下一代开源AI聊天框架，重新定义人机交互体验
人工智能·开源·github·人机交互
_OP_CHEN7 小时前
【Linux系统编程】（十五）揭秘 Linux 环境变量：从底层原理到实战操作，一篇吃透命令行参数与全局变量！
linux·运维·操作系统·bash·进程·环境变量·命令行参数
热门推荐
01GitHub 镜像站点02UV安装并设置国内源03【AutoGLM部署】本地私有化部署AI手机Agent04Linux下V2Ray安装配置指南05Cursor 又偷偷更新，这个功能太实用：Visual Editor for Cursor Browser06Open-AutoGLM Windows 安装部署教程07【超详细教程】手把手教你从微软官网免费下载Windows 10官方原版ISO镜像（2025最新版）08在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）09BongoCat - 跨平台键盘猫动画工具10安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）