7 个实用的 Python 自动化脚本示例

from time import sleep
import requests
import urllib.parse
import re

s = input("请主人输入话题：")
while True:
    resp = requests.post("http://www.tuling123.com/openapi/api", data={"key": "YOUR_KEY_HERE", "info": s})
    resp = resp.json()
    sleep(1)
    print('小鱼：', resp['text'])
    s = resp['text']
    
    resp = requests.get("http://api.qingyunke.com/api.php", {'key': 'free', 'appid': 0, 'msg': s})
    resp.encoding = 'utf8'
    resp = resp.json()
    sleep(1)
    print('菲菲：', resp['content'])

# 小 i 机器人模拟
while True:
    x = input("主人：")
    x = urllib.parse.quote(x)
    link = urllib.request.urlopen(
        "http://nlp.xiaoi.com/robot/webrobot?&callback=__webrobot_processMsg&data=%7B%22sessionId%22%3A%22ff725c236e5245a3ac825b2dd88a7501%22%2C%22robotId%22%3A%22webbot%22%2C%22userId%22%3A%227cd29df3450745fbbdcf1a462e6c58e6%22%2C%22body%22%3A%7B%22content%22%3A%22" + x + "%22%7D%2C%22type%22%3A%22txt%22%7D")
    html_doc = link.read().decode()
    reply_list = re.findall(r'\"content\":\"(.+?)\\r\\n\"', html_doc)
    if reply_list:
        print("小 i：" + reply_list[-1])

3. 唐诗作者分析

利用朴素贝叶斯分类器判断诗句的作者倾向（李白或杜甫）。

前提： 需要准备李白的诗（libai.txt）和杜甫的诗（dufu.txt）作为训练数据。

import jieba
from nltk.classify import NaiveBayesClassifier

# 需要提前把李白的诗收集一下，放在 libai.txt 文本中。
text1 = open(r"libai.txt", "rb").read()
list1 = jieba.cut(text1)
result1 = " ".join(list1)
# 需要提前把杜甫的诗收集一下，放在 dufu.txt 文本中。
text2 = open(r"dufu.txt", "rb").read()
list2 = jieba.cut(text2)
result2 = " ".join(list2)

# 数据准备
libai = result1
dufu = result2

# 特征提取
def word_feats(words):
    return dict([(word, True) for word in words])

libai_features = [(word_feats(lb), 'lb') for lb in libai]
dufu_features = [(word_feats(df), 'df') for df in dufu]
train_set = libai_features + dufu_features

# 训练决策
classifier = NaiveBayesClassifier.train(train_set)

# 分析测试
sentence = input("请输入一句你喜欢的诗：")
print("\n")
seg_list = jieba.cut(sentence)
result1 = " ".join(seg_list)
words = result1.split(" ")

# 统计结果
lb = 0
df = 0
for word in words:
    classResult = classifier.classify(word_feats(word))
    if classResult == 'lb':
        lb = lb + 1
    if classResult == 'df':
        df = df + 1

# 呈现比例
x = float(str(float(lb) / len(words)))
y = float(str(float(df) / len(words)))
print('李白的可能性：%.2f%%' % (x * 100))
print('杜甫的可能性：%.2f%%' % (y * 100))

4. 彩票随机生成

简单的 35 选 7 随机数生成器，带颜色输出。

import random

temp = [i + 1 for i in range(35)]
random.shuffle(temp)
i = 0
list_nums = []
while i < 7:
    list_nums.append(temp[i])
    i = i + 1
list_nums.sort()
print('\033[0;31;;1m')
print(*list_nums[0:6], end="")
print('\033[0;34;;1m', end=" ")
print(list_nums[-1])

5. 自动写检讨书

从 Excel 文件中读取模板内容，结合用户输入生成检讨书。

注意： 需准备名为 test.xlsx 的文件，包含 Sheet1 工作表。

import random
import xlrd

ExcelFile = xlrd.open_workbook(r'test.xlsx')
sheet = ExcelFile.sheet_by_name('Sheet1')
i = []
x = input("请输入具体事件：")
y = int(input("老师要求的字数："))
while len(str(i)) < y * 1.2:
    s = random.randint(1, 60)
    rows = sheet.row_values(s)
    i.append(*rows)
print(" "*8+"检讨书"+"\n"+"老师：")
print("我不应该" + str(x)+"，", *i)
print("再次请老师原谅！")

6. 屏幕录相机

定时截取屏幕并保存为图片序列。

from time import sleep
from PIL import ImageGrab

m = int(input("请输入想抓屏几分钟："))
m = m * 60
n = 1
while n < m:
    sleep(0.02)
    im = ImageGrab.grab()
    local = (r"%s.jpg" % (n))
    im.save(local, 'jpeg')
    n = n + 1

7. 制作 Gif 动图

将多张图片合并为 GIF 动画。

from PIL import Image

im = Image.open("1.jpg")
images = []
images.append(Image.open('2.jpg'))
images.append(Image.open('3.jpg'))
im.save('gif.gif', save_all=True, append_images=images, loop=1,)

结语

以上脚本展示了 Python 在自动化领域的多种应用场景。在实际使用中，请注意以下几点：

1. 合规性：网络爬虫应遵守 robots 协议及相关法律法规。
2. 安全性：不要泄露 API Key 等敏感信息。
3. 稳定性：生产环境使用前建议增加异常处理和日志记录。
4. 资源管理：长时间运行的脚本需注意内存和 CPU 占用。

希望这些示例能为你的开发工作提供参考。