8 个 Python 自动化脚本让你告别重复劳动

AI的发展越来越厉害，所以很多人也习惯把任务直接丢给AI。但 AI 在处理自动化任务时有时候还会不稳定，有些还要收费。对于需要每天定时运行、处理大量文件或监控系统状态的任务，依靠 AI 每次生成结果容易出现幻觉偏差。

AI很好，但其实有时候杀鸡没必要用牛刀。Python 一样可以完成一些简单的自动化任务。

在写 Python 之前，要确保 Python 的环境已经准备好。

推荐使用 ServBay 来管理开发环境，它支持一键安装 Python 环境，覆盖了从半只脚踏进棺材板的 Python 2.7 到Python 3.5 乃至最新的 Python 3.14 版本。而且这些版本可以同时并存，不需要手动去配置环境变量，也不用担心弄乱系统的默认配置。装好就能用，一分钟就能搞定。

有了稳定的环境，下面分享几个在实际工作中常用的自动化脚本模式。

自动重试机制：让网络请求更健壮

写爬虫或调用 API 时，网络波动是常态。与其在每个请求处都写一遍 try-except，不如把重试逻辑封装起来。专业的脚本不会因为一次超时就崩溃。

import time
import requests
from requests.exceptions import RequestException

def fetch_with_retry(url, max_retries=3, pause=2):
    """
    带有自动重试机制的GET请求
    """
    for attempt in range(max_retries):
        try:
            # 设置超时是必须的，防止程序无限挂起
            response = requests.get(url, timeout=10)
            response.raise_for_status() # 如果状态码不是200，抛出异常
            return response
        except RequestException as e:
            print(f"请求失败 (尝试 {attempt + 1}/{max_retries}): {e}")
            if attempt == max_retries - 1:
                raise # 最后一次尝试也失败，抛出异常
            time.sleep(pause)

# 使用示例
try:
    data = fetch_with_retry("https://api.github.com")
    print(f"请求成功，状态码: {data.status_code}")
except RequestException:
    print("重试多次后依然失败，请检查网络或目标服务。")

它将网络不稳定的偶发故障在代码层面消化。最大的好处是防止脚本因为一次微小的网络抖动就全盘崩溃，真正实现了"无人值守"运行，特别适合夜间批量任务。

依据文件内容重命名

有时候文件名没有及时修改，就不知道这个文件到底是什么了。

但一个个打开看又非常花时间，我们就可以写个脚本，让它读取内容并重命名。这个逻辑常用于处理发票、日志或自动生成的报告。

import os

TARGET_DIR = "./reports"

def clean_filename(text):
    # 去除文件名中的非法字符
    return "".join(c if c.isalnum() else "_" for c in text)[:50]

for filename in os.listdir(TARGET_DIR):
    full_path = os.path.join(TARGET_DIR, filename)
    
    # 确保只处理文件
    if os.path.isfile(full_path):
        try:
            with open(full_path, "r", encoding='utf-8') as f:
                # 读取第一行作为新文件名
                first_line = f.readline().strip()
                
            if first_line:
                new_name = clean_filename(first_line) + ".txt"
                new_path = os.path.join(TARGET_DIR, new_name)
                
                # 防止覆盖已存在的文件
                if not os.path.exists(new_path):
                    os.rename(full_path, new_path)
                    print(f"重命名: {filename} -> {new_name}")
        except Exception as e:
            print(f"无法处理文件 {filename}: {e}")

解决了文件名无意义（如 scan_001.txt）的痛点。脚本直接读取文件核心内容来命名，检索文件时效率很高，不再需要逐个打开确认。

清理长期未访问的僵尸文件

磁盘空间总是莫名其妙变少，多半是因为那些下载后就再没打开过的临时文件。这个脚本能清理长期没有访问过的文件，它是依据最后访问时间来运行。

import os
import time

WATCH_DIR = "/path/to/cleanup"
EXPIRY_DAYS = 180 # 6个月未访问则删除
current_time = time.time()

for filename in os.listdir(WATCH_DIR):
    filepath = os.path.join(WATCH_DIR, filename)
    
    if os.path.isfile(filepath):
        # 获取最后访问时间 (atime)
        last_access_time = os.path.getatime(filepath)
        
        # 计算时间差
        if current_time - last_access_time > (EXPIRY_DAYS * 86400):
            try:
                os.remove(filepath)
                print(f"已删除陈旧文件: {filename}")
            except OSError as e:
                print(f"删除失败: {e}")

基于"访问时间"而非"创建时间"判断，这非常关键，因为它能精准识别那些真正不再需要的文件。它就像一个隐形的清洁工，防止磁盘空间被无用的临时数据悄悄吃光。

监控并查杀高负载僵尸进程

有些 Python 脚本（尤其是涉及多进程或机器学习任务的）在意外退出后会留下孤儿进程，占用大量 CPU。手动打开活动监视器查找太慢，直接用脚本自检。

import psutil

# 设定阈值：CPU占用超过80%且进程名为python
CPU_THRESHOLD = 80.0
PROCESS_NAME = "python"

for proc in psutil.process_iter(['pid', 'name', 'cpu_percent']):
    try:
        # psutil获取cpu_percent通常需要interval，这里取瞬时值可能需要两次调用或结合实际场景调整
        # 在脚本循环监控中更为有效
        if proc.info['name'] and PROCESS_NAME in proc.info['name'].lower():
            if proc.info['cpu_percent'] > CPU_THRESHOLD:
                print(f"检测到高负载僵尸进程 PID: {proc.info['pid']} (CPU: {proc.info['cpu_percent']}%)")
                proc.kill()
                print("已终止进程。")
    except (psutil.NoSuchProcess, psutil.AccessDenied):
        pass

这是一种主动防御机制。它解决了长时间运行脚本可能导致的内存泄漏或死循环问题，避免了因单个失控进程拖慢整个系统，省去了你手动打开活动监视器排查的时间。

操作前的后悔药：自动备份

在对配置文件或关键数据进行写入操作前，备份是必须的。但往往都是忘记了备份。那就把自动化备份交给Python吧。

import shutil
import time
import os

def safe_backup(filepath):
    if not os.path.exists(filepath):
        print(f"文件不存在: {filepath}")
        return

    # 生成带时间戳的备份文件名
    timestamp = time.strftime("%Y%m%d_%H%M%S")
    backup_path = f"{filepath}.{timestamp}.bak"
    
    try:
        shutil.copy2(filepath, backup_path)
        print(f"备份已创建: {backup_path}")
    except IOError as e:
        print(f"备份失败: {e}")
        raise # 备份失败则应该中断后续操作

# 使用场景：修改配置前
config_file = "app_config.yaml"
safe_backup(config_file)
# 此处执行写入操作...

执执行任何破坏性操作（如覆盖、写入）前强制留底，这是生产环境中最基本的安全法则，确保错误发生时能瞬间回滚。

脚本运行结束后的系统通知

很多脚本一跑就是半小时，你不可能一直盯着控制台。让脚本跑完后弹窗通知你，是提升工作体验的小细节。

import platform
import os

def send_notification(title, text):
    system_type = platform.system()
    
    if system_type == "Darwin": # macOS
        # 使用 AppleScript 调用通知
        cmd = f"""osascript -e 'display notification "{text}" with title "{title}"'"""
        os.system(cmd)
    elif system_type == "Linux":
        # Linux 通常使用 notify-send
        cmd = f"""notify-send "{title}" "{text}" """
        os.system(cmd)
    else:
        print(f"通知: [{title}] {text}")

# 模拟长时间任务
import time
time.sleep(2)
send_notification("任务完成", "数据处理脚本已执行完毕。")

开发者不需要盯着黑底白字的控制台发呆，可以将等待脚本结束的垃圾时间转化为可自由支配的时间，任务完成了它会主动找你。

轻量级数据采集

当你需要从网页上抓取特定字段（如价格、标题）并整理成表格时，Python 是最高效的工具。

import requests
from bs4 import BeautifulSoup
import csv

def scrape_data(url, output_file):
    # 伪装 User-Agent 防止被简单的反爬拦截
    headers = {'User-Agent': 'Mozilla/5.0'}
    
    try:
        response = requests.get(url, headers=headers)
        soup = BeautifulSoup(response.content, 'html.parser')
        
        # 假设我们要抓取文章列表中的标题和链接
        articles = soup.find_all('article')
        data_rows = []
        
        for article in articles:
            title_tag = article.find('h2')
            if title_tag and title_tag.a:
                title = title_tag.a.text.strip()
                link = title_tag.a['href']
                data_rows.append([title, link])
        
        # 写入CSV
        with open(output_file, 'w', newline='', encoding='utf-8') as f:
            writer = csv.writer(f)
            writer.writerow(['标题', '链接'])
            writer.writerows(data_rows)
            
        print(f"成功抓取 {len(data_rows)} 条数据并保存至 {output_file}")
        
    except Exception as e:
        print(f"抓取过程中出错: {e}")

# 示例调用
# scrape_data("http://example-blog.com", "results.csv")

将复制粘贴动作转化为结构化数据流。相比人工，它能以毫秒级的速度处理成百上千个页面，且生成的数据格式（如 CSV）统一规整，直接可用。你就说方便不方便。

自动化文件归类

我不知道你的电脑怎么样，但我的下载文件夹是最乱的地方。而这个脚本可以根据文件后缀，自动将文件移动到对应的分类文件夹中。不用自己一个个用手拖。

import os
import shutil
from pathlib import Path

SOURCE_DIR = Path("/Users/username/Downloads/MixedData")
DEST_DIR = Path("/Users/username/Documents/Sorted")

def organize_files():
    if not SOURCE_DIR.exists():
        return

    for file_path in SOURCE_DIR.iterdir():
        if file_path.is_file():
            # 获取扩展名，例如 .pdf
            ext = file_path.suffix.lower()
            
            if ext: # 忽略无后缀文件
                # 去掉点号，作为文件夹名，例如 pdf
                folder_name = ext[1:].upper() + "_Files"
                target_folder = DEST_DIR / folder_name
                
                # 创建目标文件夹
                target_folder.mkdir(parents=True, exist_ok=True)
                
                # 移动文件
                try:
                    shutil.move(str(file_path), str(target_folder / file_path.name))
                    print(f"移动: {file_path.name} -> {folder_name}")
                except shutil.Error as e:
                    print(f"移动文件出错: {e}")

if __name__ == "__main__":
    organize_files()

文件也有收纳师，还是免费的。它利用文件扩展名这一最基础的元数据，瞬间将混乱的下载目录变得井井有条，极大地减少了人工整理文件的认知负担。

总结

这些脚本并不复杂，但它们构成了自动化工作流的基础。从环境搭建开始，使用 ServBay 解决版本共存的痛点，再配合这些稳健的代码逻辑，就可以把大量耗时的重复劳动交给机器。真正的程序员不是打字最快的人，而是懂得如何让代码替自己工作的人。