企业官网建设流程全解析

每天一到公司，先被几十个文件搞晕，再对着Excel表格重复筛选复制，晚上回家还要盯着网页等更新。我用了小半年时间把这些破事全扔给Python，脚本一跑，该合并的合并，该归类的归类，该通知的通知，终于不用再做“人肉自动化”。这篇直接给出10个我用过的实用脚本，全部围绕真实业务场景，不是花架子Demo，拿来改改就能跑。适合每天被重复劳动拖住的人，也适合想通过具体项目入门Python的读者。

这些脚本覆盖文件整理、Excel处理、PDF操作、网页监控、系统运维、消息推送等常见需求。我会把每个脚本的用途、核心代码、使用注意点都写清楚，更重要的是告诉你为什么要这样写，踩过哪些坑，方便你根据自己的情况调整。

1. 十个自动化脚本，覆盖哪些场景

1.1 自动化脚本的选型理念

写自动化脚本之前，先别急着抄代码。我自己的经验是只挑三类任务做自动化：频率高、规则明确、操作机械。比如按文件类型分类、把几十张Excel合并成一张、每天定时备份目录，都属于这类。判断标准很简单：如果一件事你每周要做3次以上，每次步骤几乎一样，而且做错后容易发现，那么写脚本就划算。反过来，如果任务每次情况都不同，需要大量人为判断，就算能用脚本硬做，维护成本也会超过手工。

技术选型上，我的原则是先标准库，后第三方库。文件操作有os和shutil，路径处理有pathlib，大多数批量任务根本不需要引入重量级依赖。只有Excel、网页抓取、系统监控等场景才需要引入pandas、requests、psutil这类库。这样脚本的可移植性高，到新环境少踩依赖坑。

另一个理念是一个脚本只做好一件事。不要试图写一个万能工具，把下载、备份、发邮件全塞进去。拆成独立脚本，再通过一个总控入口或定时任务调用，出了问题能很快定位。后续维护成本低很多。

1.2 脚本清单总览

这张清单里的脚本不是孤立存在的，很多可以组合使用。例如脚本8监控磁盘后，可以调用脚本10发告警；脚本9备份完成后，也可以调用脚本10通知结果。下面按模块详细展开。

2. 文件与办公自动化，最值得先写的三类脚本

2.1 批量文件重命名与分类整理

我电脑的下载目录以前就是个垃圾场，截图、PDF、安装包混在一起，找文件只能靠搜索。于是写了下面这个“整理神器”。它做的事情很简单：扫描指定目录，按文件后缀归类到不同子目录，遇到重名自动加序号。

import shutil from pathlib import Path source_dir = Path.home() / "Downloads" mapping = { "图片": {".jpg", ".jpeg", ".png", ".gif", ".webp"}, "文档": {".pdf", ".docx", ".doc", ".xlsx", ".pptx", ".txt"}, "视频": {".mp4", ".avi", ".mov", ".mkv"}, "压缩包": {".zip", ".rar", ".7z", ".tar", ".gz"}, } for file in source_dir.iterdir(): if not file.is_file(): continue ext = file.suffix.lower() for folder, exts in mapping.items(): if ext in exts: target_dir = source_dir / folder target_dir.mkdir(exist_ok=True) target_path = target_dir / file.name # 处理重名：在文件名后加数字 if target_path.exists(): stem = file.stem idx = 1 while (target_dir / f"{stem}_{idx}{ext}").exists(): idx += 1 target_path = target_dir / f"{stem}_{idx}{ext}" shutil.move(str(file), str(target_path)) break

这个脚本有两个设计细节值得说。第一，用Path对象而不是字符串拼接路径，跨平台不会出错，/操作符在Windows和Linux上行为统一。第二，写目标目录时用了mkdir(exist_ok=True)，即使目录已经存在也不会报错。shutil.move自动处理跨盘移动，不需要自己复制再删除。

我实际运行中主要踩了三个坑：一是脚本把源目录里的子目录当成了文件，这里通过file.is_file()过滤掉了；二是某些文件名带特殊字符，Path对象能正确识别，但老式字符串拼接容易出问题；三是如果目标目录正好是源目录本身，比如把“文档”目录放在下载目录下，脚本遍历过程中会把新移动进去的文件又扫一遍，导致重复处理。解决方法是先把待处理的文件列表全部取出来，再遍历列表执行移动：

file_list = [f for f in source_dir.iterdir() if f.is_file()] for file in file_list: ...

2.2 Excel多表合并与格式清洗

做数据汇总的人一定经历过这种折磨：领导发来12个月的报表，要求合并成一张总表，每个月列的顺序还不一样。我直接用pandas写脚本，几十张表秒合并，还顺便把空的单元格填上默认值。

import pandas as pd from pathlib import Path data_dir = Path("monthly_reports") all_files = list(data_dir.glob("*.xlsx")) if not all_files: print("目录下没有Excel文件") exit() df_list = [] for file in all_files: df = pd.read_excel(file, engine="openpyxl") # 统一将所有空值替换为“无” df = df.fillna("无") # 加入一列，标记数据来源文件名 df["来源文件"] = file.stem df_list.append(df) merged = pd.concat(df_list, ignore_index=True) merged.to_excel("merged_output.xlsx", index=False) print(f"合并完成，共{len(merged)}行")

写这个脚本时要注意，pd.read_excel默认引擎是openpyxl，但如果你电脑只装了旧版xlrd可能会报错，最好显式指定engine="openpyxl"。另外，不同表格的列名必须一致，如果出现“销售额”和“销售金额”这种同义不同名的字段，concat后会出现两列数据。所以合并前最好先打印所有列名，统一规范。后续改进方向是加入类型转换和去重逻辑，比如把金额列统一转为数值，按订单号去掉重复行。

2.3 PDF合并与文本提取

PDF处理是办公自动化里的高频场景。我最早遇到的问题是报销时候要把多个PDF发票合并成一个文件，手动拖拽容易打乱顺序。后来用pypdf写了一个小工具，自动按文件名排序再合并，几十页文档秒级完成。

import pypdf import sys from pathlib import Path pdf_dir = Path("reports") pdf_files = sorted(pdf_dir.glob("*.pdf")) if not pdf_files: print("没有找到PDF文件") sys.exit(1) merger = pypdf.PdfMerger() for pdf in pdf_files: merger.append(str(pdf)) merger.write("merged.pdf") merger.close() print("合并完成")

如果还需要提取PDF中的文本，用PdfReader：

import pypdf reader = pypdf.PdfReader("merged.pdf") for page in reader.pages: text = page.extract_text() # 按需处理text

我踩过的坑主要是版本问题。老项目用PyPDF2，新版本推荐pypdf，两者的接口略有差异。另外，扫描版PDF没有文字层，extract_text()提取出来是空内容，这类文件需要OCR工具配合。所以先判断PDF是文本型还是扫描型再选工具，能省不少时间。

3. 网络数据与信息收集的实用脚本

3.1 定时网页内容变化监测与提醒

有时候需要盯着某个网页有没有更新，比如公告发布、商品降价、库存状态。手工刷新不现实，写一个轮询脚本是最优解。核心思路是定时抓取网页内容，计算哈希值，和上次比对，变了就触发通知。

import requests import hashlib import time import json url = "https://example.com/notice" local_hash_file = "page_hash.txt" webhook_url = "https://im.example.com/hook/your_key" def fetch_page(url): resp = requests.get(url, timeout=10) resp.encoding = resp.apparent_encoding return resp.text def check_change(webhook_url, msg): payload = {"msgtype": "text", "text": {"content": msg}} requests.post(webhook_url, json=payload, timeout=5) def main(): try: with open(local_hash_file, "r") as f: old_hash = f.read().strip() except FileNotFoundError: old_hash = "" html = fetch_page(url) new_hash = hashlib.md5(html.encode("utf-8")).hexdigest() if old_hash != new_hash: check_change(webhook_url, "页面内容发生变化，请及时查看") with open(local_hash_file, "w") as f: f.write(new_hash) while True: main() time.sleep(300)

注意几个点。第一，必须设置timeout，否则网络异常时脚本会卡死。第二，有些网站直接抓取返回的是动态渲染后的空壳，需要用无头浏览器，那就要引入更重的工具。能用requests解决就不要上重型工具，降低维护成本。第三，resp.apparent_encoding会自动检测编码，中文页面不会出现乱码。我把这个脚本配合系统定时任务运行，每5分钟检查一次，稳定跑了几个月。

3.2 批量图片下载脚本

做内容运营时经常需要从某图库下载一批公开素材，一个个右键保存太痛苦。这个脚本用requests下载，带超时和重试机制，避免某张图片失败导致整个流程中断。

import requests from pathlib import Path save_dir = Path("images") save_dir.mkdir(exist_ok=True) # 示例URL列表，实际可从配置文件或爬虫结果读取 image_urls = [ "https://example.com/img/1.jpg", "https://example.com/img/2.jpg", ] def download_image(url, dest_path, retries=3): for attempt in range(retries): try: resp = requests.get(url, timeout=10) resp.raise_for_status() dest_path.write_bytes(resp.content) return True except (requests.RequestException, OSError) as e: if attempt == retries - 1: print(f"下载失败: {url}，原因: {e}") return False for src_url in image_urls: file_name = src_url.split("/")[-1] download_image(src_url, save_dir / file_name)

这里有个细节：resp.raise_for_status()会在返回状态码不是200时抛异常，避免把错误页面当图片存下来。如果图片很多，可以用ThreadPoolExecutor加多线程，但要注意目标网站的限流策略。至少我就是因为一次性开50个线程，导致IP被临时限制。后来加了每秒最多10个请求的控制，才稳定下来。

3.3 RSS订阅抓取与摘要生成

信息获取方面，我习惯用RSS聚合行业资讯，但客户端不好定制，于是写了一个脚本定时抓取RSS，生成一个简单的HTML摘要页面。

import feedparser from datetime import datetime feed_urls = [ "https://example.com/rss1.xml", "https://example.com/rss2.xml", ] articles = [] for url in feed_urls: feed = feedparser.parse(url) for entry in feed.entries[:5]: articles.append({ "title": entry.get("title", ""), "link": entry.get("link", ""), "published": entry.get("published", ""), }) html = ["<!DOCTYPE html><html><head><meta charset='utf-8'><title>资讯摘要</title></head><body>"] html.append(f"<h1>更新于 {datetime.now():%Y-%m-%d %H:%M}</h1>") for art in articles: html.append(f"<p><a href='{art['link']}'>{art['title']}</a> <small>{art['published']}</small></p>") html.append("</body></html>") with open("digest.html", "w", encoding="utf-8") as f: f.write("\n".join(html))

使用feedparser解析RSS非常方便，它会自动处理命名空间和编码问题。这里有个比较坑的点：部分网站的RSS更新不需要刷新静态页面，直接抓取RSS文件内容即可，但有些站点限制了User-Agent，直接请求会返回403。解决办法是手动设置User-Agent，把自己伪装成浏览器。

4. 系统运维与效率工具脚本

4.1 磁盘空间与进程监控报警

服务器上的磁盘空间爆满是运维常见事故，与其等用户发现，不如写脚本每分钟检查一次，超过阈值立即告警。这个脚本同时监控了关键进程是否存在。

import shutil import subprocess import requests import time threshold_percent = 85 disk_path = "/" # 要监控的进程名列表 process_names = ["nginx", "mysqld"] webhook_url = "https://im.example.com/hook/alert" def send_alert(content): payload = {"msgtype": "text", "text": {"content": content}} requests.post(webhook_url, json=payload, timeout=5) def check_disk(): usage = shutil.disk_usage(disk_path) percent = usage.used / usage.total * 100 if percent > threshold_percent: send_alert(f"磁盘使用率 {percent:.1f}% 超过阈值 {threshold_percent}%") return percent def check_processes(): for name in process_names: # 通过pgrep检查进程是否存在 ret = subprocess.run(["pgrep", "-x", name], capture_output=True) if ret.returncode != 0: send_alert(f"进程 {name} 未在运行") while True: check_disk() check_processes() time.sleep(60)

这里选择shutil.disk_usage而不是psutil，是因为标准库足够用，减少依赖。但如果你还要监控CPU、内存，psutil是更好的选择。pgrep是Linux工具，Windows上需要改成tasklist。所以这个脚本有平台限制，使用时根据自己的系统调整。另外，告警内容里一定要带具体指标和时间，否则收到告警还要查日志，效率很低。

4.2 定时自动备份重要文件

备份是“用时方恨少”的典型场景。我不建议直接在原目录上操作，而是把重要文件压缩成带时间戳的压缩包，再保留最近N份。

import zipfile import shutil from pathlib import Path from datetime import datetime source_dir = Path("important_files") backup_dir = Path("backups") backup_dir.mkdir(exist_ok=True) timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") zip_name = f"backup_{timestamp}.zip" zip_path = backup_dir / zip_name with zipfile.ZipFile(zip_path, "w", zipfile.ZIP_DEFLATED) as zf: for file in source_dir.rglob("*"): if file.is_file(): # arcname保留相对路径，避免解压时堆到根目录 zf.write(file, arcname=file.relative_to(source_dir)) # 只保留最近10份，删除更早的备份 backup_files = sorted(backup_dir.glob("backup_*.zip"), reverse=True) for old_file in backup_files[10:]: old_file.unlink() print(f"备份完成: {zip_path}")

压缩时用arcname参数让压缩包内保留完整相对目录结构，解压后不会全部混在一起。保留最近10份的逻辑，防止备份文件无限膨胀。如果你需要增量备份，可以先用shutil.copy2把变化文件同步过去，再做全量打包，效果也不错。我把这个脚本交给系统定时任务，每天凌晨执行，磁盘占用始终可控。

5. 邮件与消息自动化，减少重复沟通

5.1 自动发送带附件的邮件

月末要发十几封报表邮件，名单还不一样，手工操作又慢又容易漏。用smtplib自动发送，配合CSV里的收件人名单，一封封精确投递。

import smtplib import csv from email.mime.text import MIMEText from email.mime.multipart import MIMEMultipart from email.mime.base import MIMEBase from email import encoders import os smtp_server = "smtp.example.com" smtp_port = 465 sender = os.getenv("MAIL_USER") password = os.getenv("MAIL_PASSWORD") def send_mail(receiver, subject, body, attachment_path=None): msg = MIMEMultipart() msg["From"] = sender msg["To"] = receiver msg["Subject"] = subject msg.attach(MIMEText(body, "plain", "utf-8")) if attachment_path: with open(attachment_path, "rb") as f: part = MIMEBase("application", "octet-stream") part.set_payload(f.read()) encoders.encode_base64(part) part.add_header( "Content-Disposition", f"attachment; filename={os.path.basename(attachment_path)}" ) msg.attach(part) with smtplib.SMTP_SSL(smtp_server, smtp_port) as server: server.login(sender, password) server.sendmail(sender, receiver, msg.as_string()) with open("receivers.csv", "r", encoding="utf-8") as f: reader = csv.DictReader(f) for row in reader: send_mail(row["email"], "月度报表", "请查收附件", "report.xlsx") print(f"已发送给 {row['email']}")

强烈建议把邮箱账号和授权码放在环境变量里，而不是硬编码到脚本中。我见过有人把密码提交到代码仓库，后果相当严重。另外，发送频率较高时，可以提高server.login和sendmail之间的退避，防止被邮件服务商临时限流。如果只是给内部同事发通知，用下面这种Webhook方式更简单。

5.2 企业IM机器人消息推送

脚本跑完如何通知你？我经常用企业协作软件的Webhook机器人。实现起来很简单，本质就是向一个HTTP地址发送JSON消息。

import requests webhook_url = "https://im.example.com/hook/your_token" def send_msg(content, title="自动化任务通知"): headers = {"Content-Type": "application/json"} # 具体字段结构以你所用的协作软件文档为准 payload = { "msgtype": "text", "text": { "title": title, "content": content } } resp = requests.post(webhook_url, headers=headers, json=payload, timeout=10) resp.raise_for_status() if __name__ == "__main__": send_msg("Excel合并脚本已完成，请查看输出文件")

Webhook方式的好处是真·跨语言，不懂Python也能通过curl调用。我一般习惯把这类通知函数单独写成一个模块，所有其他脚本需要告警时统一调用。这样以后换平台，只改一个文件就行。要注意的是Webhook地址本身是敏感信息，同样不要写死在代码里，建议用环境变量。

6. 常见问题与五大避坑经验

6.1 环境与依赖管理，避免“在我电脑上能跑”

Python脚本最容易出的问题就是“换个环境就跑不了”。解决方案很简单：每个项目建一个独立的虚拟环境，并把依赖清单导出。

python -m venv venv source venv/bin/activate # Windows使用 venv\Scripts\activate pip install requests pandas pypdf feedparser psutil pip freeze > requirements.txt

到了新环境，执行pip install -r requirements.txt就能恢复依赖。我见过最惨的一次，是脚本在A机器上依赖的是pandas 1.x，而B机器上装的是pandas 2.x，结果合并Excel时行为都变了。所以，自动化脚本不只是写出来，还要跑得稳。把依赖固化和版本记录做好，运维成本可以低很多。

6.2 路径与编码问题，细节决定成败

路径处理优先用pathlib，库会自动处理不同操作系统的差异。不过要注意，某些第三方库接受字符串路径，不接受Path对象，看到报错时转为str()即可。

编码问题主要集中在Python 2遗留代码。现在基本都是Python 3，但读取文件时仍然建议显式指定编码，例如open("data.csv", "r", encoding="utf-8")。Windows下有些CSV文件默认是gbk，不加encoding就会乱码。如果是网页内容，使用resp.apparent_encoding可以自动检测出页面实际编码，中文乱码问题就能解决。

6.3 定时任务的正确姿势

脚本内部循环用sleep实现定时最简单，但不够可靠。脚本进程一旦退出就没人唤醒它。真正生产环境，Linux用cron，Windows用“任务计划程序”。比如每天凌晨2点备份，可以在crontab里这样写：

0 2 * * * cd /home/user/project && /home/user/project/venv/bin/python backup.py >> backup.log 2>&1

写.log文件很重要，否则脚本报错你都不知道。也有人用schedule库在Python内部做定时调度，缩进、函数回调都要小心；如果定时任务需要跨重启运行，不推荐依赖它。我的习惯是脚本只负责单次执行，外部定时器负责按计划唤醒。

6.4 并发与超时控制，防止脚本挂死

写网络相关脚本时，requests不设timeout是最常见的“挂死”原因。一个请求一直等，脚本整体卡住。所以统一给所有外部请求加上timeout参数。如果做并发下载，用ThreadPoolExecutor时也不要开太多线程，保守一点，比如默认8个并发。同时要处理重试机制，用urllib3.Retry配合requests.Session()可以实现自动重试。

import requests from urllib3.util.retry import Retry from requests.adapters import HTTPAdapter session = requests.Session() retries = Retry(total=3, backoff_factor=1, status_forcelist=[500, 502, 503, 504]) session.mount("http://", HTTPAdapter(max_retries=retries)) session.mount("https://", HTTPAdapter(max_retries=retries))

这里backoff_factor的意思是每次重试间隔依次为0.5s、1s、2s，有效避免重试风暴。

6.5 日志与异常处理，不在沉默中失败

脚本不输出日志，出了问题就像“沉默的故障”。我的做法是每个重要脚本都加logging配置，并且把异常捕获打印出来。

import logging import traceback logging.basicConfig( level=logging.INFO, format="%(asctime)s - %(name)s - %(levelname)s - %(message)s", handlers=[ logging.FileHandler("script.log", encoding="utf-8"), logging.StreamHandler() ] ) try: # 业务逻辑 pass except Exception: logging.error(traceback.format_exc()) # 此处可调用消息推送脚本通知自己

异常信息traceback.format_exc()能拿到完整的堆栈，光靠print(e)无法定位问题。日志同时输出到文件和控制台，调试和事后排查都方便。有了完整日志，脚本凌晨跑挂了，第二天也能根据时间点快速定位。

我个人最大的体会是，自动化脚本不是一次性交付的玩具，而是需要持续维护的“小工具”。选型时优先标准库，代码写清楚注释，把密码和地址放到环境变量，给每个脚本留好日志出口，这样它们才能真正成为“解放双手”的长久帮手。最后再分享一个小技巧：把这10个脚本统一放在同一个目录下，各自保留入口函数，再写一个带参数的main.py集中调用，这样就慢慢形成了自己的效率工具箱。后续你想加命令行交互、可视化界面，或者做更复杂的工作流，都能在这个地基上继续扩展。