分享了 7 个经过调试的 Python 自动化脚本，涵盖网页图片抓取、聊天机器人模拟、唐诗作者分析、彩票随机生成、检讨书自动生成、屏幕截图及 GIF 制作等功能。文章提供了完整代码示例，补充了依赖安装命令及注意事项，帮助用户快速理解 Python 在办公自动化、数据处理及图像处理方面的实际应用。
Python 因其简洁的语法和强大的库支持，常被用于自动化任务。本文整理了 7 个经过调试的实用脚本，涵盖网页抓取、聊天模拟、文本分析、随机生成、文档处理及图像处理等领域。
在使用以下代码前，请确保已安装 Python 3.6+ 环境，并根据需求安装相应的第三方库：
pip install selenium requests jieba nltk xlrd pillow
该脚本使用 Selenium 模拟浏览器行为，滚动页面并下载知乎问题下的图片。
注意： 需要安装 Chrome 浏览器及对应的 WebDriver。部分网站可能反爬，请遵守相关服务条款。
from selenium import webdriver
import time
import urllib.request
import re
driver = webdriver.Chrome()
driver.maximize_window()
driver.get("https://www.zhihu.com/question/29134042")
i = 0
while i < 10:
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
time.sleep(2)
try:
driver.find_element_by_css_selector('button.QuestionMainAction').click()
print("page" + str(i))
time.sleep(1)
except:
break
result_raw = driver.page_source
content_list = re.findall(r'img src="(.+?)"', str(result_raw))
n = 0
while n < len(content_list):
i = time.time()
local = (r"%s.jpg" % (i))
urllib.request.urlretrieve(content_list[n], local)
print("编号：" + str(i))
n = n + 1
通过调用第三方 API，实现两个聊天机器人之间的对话模拟。
注意： 示例中的 API Key 可能失效，建议申请自己的 Key 替换。
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])
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))
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])
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！")
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
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,)
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：
希望这些示例能为你的开发工作提供参考。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online