Python 实现自动化办公：文件、文档与邮件操作指南

使用方法：os.remove(目标文件)。

1.5 文件的压缩与解压缩

先来看看文件压缩的函数。

导入包与模块：

from shutil import make_archive

使用方法：make_archive(压缩之后的文件名，压缩后缀，希望压缩的文件或目录)。

返回值：生成的压缩包地址。

解压压缩包：

导入包与模块：

from shutil import unpack_archive

使用方法：unpack_archive(要解压的文件，解压后的路径)。

1.6 文件的查找

文件的查找借助 glob 包来实现。glob 是一个快速查找文件夹中内容的包，可以通过模糊查找的形式找到想要的内容。

导入包与模块：

from glob import glob

使用方法：glob(任意目录)。

返回内容：指定路径下的内容列表，不存在的路径返回空列表。

*号代表查询当前文件下所有文件。也可以在通配符后面加上我们要查询的文件格式，或者直接指定要查找的文件。

如果知道文件名但不知道位置，可以使用递归方式查找。

# coding:utf-8
import os
from glob import glob

path = os.path.join(os.getcwd(), '*')
final_result = []

def search(path, target):
    result = glob(path)
    for data in result:
        if os.path.isdir(data):  # 如果是一个目录
            _path = os.path.join(data, '*')
            print('%s is filepath' % data)
            search(_path, target)  # 继续往下找
        else:  # 如果不是一个目录
            if target in data:
                final_result.append(data)
    return final_result

if __name__ == '__main__':
    result = search(path, target='abc.txt')
    print(result)

1.7 查找含有指定内容的文件

文件中包含某些关键字，但是我们知道文件名和所在路径，该如何查找呢？

代码编写：

# coding:utf-8
import os
from glob import glob

path = os.path.join(os.getcwd(), '*')
final_result = []

def search(path, target):
    result = glob(path)
    for data in result:
        if os.path.isdir(data):  # 如果是一个目录
            _path = os.path.join(data, '*')
            print('%s is filepath' % data)
            search(_path, target)
        else:  # 如果不是一个目录
            f = open(data, 'r', encoding='utf-8')
            try:
                content = f.read()
                if target in content:
                    final_result.append(data)
            except:
                print('data read failed: %s' % data)
                continue
            finally:
                f.close()
    return final_result

if __name__ == '__main__':
    result = search(path, target='YiQie99903')
    print(result)

这段代码查找一个目录（和子目录）下的所有文件，并在文件中搜索包含指定字符串的文件。

1.8 清理重复的文件

在日常使用中，会产生一些重复的文件占用硬盘空间。我们可以从指定路径开始读取，利用 glob 读取每个文件夹，记录名称和大小，判断是否重复，相同则删除。

# coding:utf-8
import glob
import hashlib
import os

data = {}

def clear(path):
    result = glob.glob(path)
    for _data in result:
        if os.path.isdir(_data):
            _path = os.path.join(_data, '*')
            clear(_path)
        else:
            name = os.path.split(_data)[-1]
            if_byte = False
            if 'zip' in name:
                if_byte = True
                f = open(_data, 'rb')
            else:
                f = open(_data, 'r', encoding='utf-8')
            
            content = f.read()
            f.close()
            
            if if_byte:
                hash_content_obj = hashlib.md5(content)
            else:
                hash_content_obj = hashlib.md5(content.encode('utf-8'))
            
            hash_content = hash_content_obj.hexdigest()
            
            if name in data:
                sub_data = data[name]
                is_delete = False
                for k, v in sub_data.items():
                    if v == hash_content:
                        os.remove(_data)
                        print('%s will delete' % _data)
                        is_delete = True
                if not is_delete:
                    data[name][_data] = hash_content
            else:
                data[name] = {
                    _data: hash_content
                }

if __name__ == '__main__':
    path = os.path.join(os.getcwd(), '*')
    clear(path)
    print(path)
    for k, v in data.items():
        print(k)

1.9 批量修改目录中的文件名称

通过循环，将目标字符串加入到文件名并进行修改。

# coding:utf-8
import glob
import shutil
import os

def update_name(path):
    result = glob.glob(path)
    for index, data in enumerate(result):
        if os.path.isdir(data):
            _path = os.path.join(data, '*')
            update_name(_path)
        else:
            path_list = os.path.split(data)
            name = path_list[-1]
            new_name = '%s_%s' % (index, name)
            new_data = os.path.join(path_list[0], new_name)
            shutil.move(data, new_data)

if __name__ == '__main__':
    path = os.path.join(os.getcwd(), '*')
    update_name(path)

2. 文件夹的自动化管理

前面学习了文件的管理，现在学习如何使用 shutil 实现对文件夹的管理。

2.1 文件夹的复制

导入包与模块：

from shutil import copytree

使用方法：copytree(来源目录，目标目录)。

2.2 文件夹的删除

导入包与模块：

from shutil import rmtree

使用方法：rmtree(目标目录)。

值得注意的是，目标目录一定要存在，否则会报错。

2.3 文件夹的移动

导入包与模块：

from shutil import move

使用方法：move(来源目录，目标目录)。

如果目标目录不存在，那就是对原来的目录进行重命名。而且还可以移动的同时并重命名。

move(path, target+'/test4') # 移动并重命名

3. Word 自动化 – 高效做文档

接下来学习如何使用 Python 来操作 Word 文档，这里介绍 python-docx。

要想使用 python-docx，要先进行下载安装。

pip install python-docx

3.1 读取 Word 文档

读取 Word 文档，用到 python-docx 之 Document。

首先要导入包和模块：

from docx import Document

使用方法：Document(word 地址)。

返回值：Word 文件对象。

段落内容的读取：

# coding:utf-8
from docx import Document

# docx 只支持 .docx 这样的格式 如果是 doc 请转换成 docx
doc = Document('test.docx')
for p in doc.paragraphs:
    print(p.text)

表格内容的读取：

# coding:utf-8
from docx import Document

doc = Document('test.docx')
for t in doc.tables:
    for row in t.rows:
        _row_str = ''
        for cell in row.cells:
            _row_str += cell.text + ','
        print(_row_str)

3.2 小练习：简历筛选

批量读取每一个 Word（通过 glob 获取 Word 信息），将他们所有的可读内容获取，并通过关键字方式筛选，拿到目标简历地址。

# coding:utf-8
import glob
from docx import Document

class ReadDoc(object):
    def __init__(self, path):
        self.doc = Document(path)
        self.p_text = ''
        self.table_text = ''
        self.get_para()
        self.get_table()

    def get_para(self):
        for p in self.doc.paragraphs:
            self.p_text += p.text + '\n'

    def get_table(self):
        for table in self.doc.tables:
            for row in table.rows:
                _cell_str = ''
                for cell in row.cells:
                    _cell_str += cell.text + ','
                self.table_text += _cell_str + '\n'

def search_word(path, targets):
    result = glob.glob(path)
    final_result = []
    for i in result:
        isuse = True
        if os.path.isfile(i):
            if i.endswith('.docx'):
                doc = ReadDoc(i)
                p_text = doc.p_text
                t_text = doc.table_text
                all_text = p_text + t_text
                for target in targets:
                    if target not in all_text:
                        isuse = False
                        break
                if not isuse:
                    continue
                final_result.append(i)
    return final_result

if __name__ == '__main__':
    path = os.path.join(os.getcwd(), '*')
    res = search_word(path, ['Java', '本科'])
    print(res)

3.3 生成 Word 文档

通过 Python 脚本自动生成一个 Word 文档。内容包括标题、段落、图片、表格、分页。

3.3.1 标题

# coding:utf-8
from docx import Document

doc = Document()
# 添加标题 参数：标题内容，标题样式等级
title = doc.add_heading('My title', 0)
# 追加内容
title.add_run('\n Sample Text')
# 生成 word 文档
doc.save('test.docx')

3.3.2 段落

# coding:utf-8
from docx import Document

doc = Document()
title = doc.add_heading('My title', 0)
p = doc.add_paragraph('欢迎来到这里学习 python')
p.add_run('\nSample Content')
doc.save('test.docx')

3.3.3 图片

# coding:utf-8
from docx import Document
from docx.shared import Inches

doc = Document()
title = doc.add_heading('My title', 0)
image = doc.add_picture('这是一张图片.png', width=Inches(5), height=Inches(5))
doc.save('test.docx')

3.3.4 表格

# coding:utf-8
from docx import Document
from docx.shared import Inches

doc = Document()
title = doc.add_heading('My title', 0)
# 表格内容
title_list = ['name', 'age', 'sex']
# 生成表格  参数：行数 列数
table = doc.add_table(rows=1, cols=3)
# 插入参数
title_cells = table.rows[0].cells
title_cells[0].text = title_list[0]
title_cells[1].text = title_list[1]
title_cells[2].text = title_list[2]
# 追加内容
data = [
    ('一切', '2', '男'),
    ('总会', '2', '男'),
    ('归于平淡', '4', '男')
]
for d in data:
    row_cells = table.add_row().cells
    row_cells[0].text = d[0]
    row_cells[1].text = d[1]
    row_cells[2].text = d[2]
doc.save('test.docx')

3.3.5 分页

# coding:utf-8
from docx import Document

doc = Document()
title = doc.add_heading('My title', 0)
doc.add_page_break()
title2 = doc.add_heading('My title2', 0)
doc.save('test.docx')

3.4 设置 Word 文档样式

3.4.1 全局样式

# coding:utf-8
from docx import Document
from docx.shared import RGBColor, Pt

doc = Document()
style = doc.styles['Normal']
style.font.name = '微软雅黑'
style.font.color.rgb = RGBColor(255, 0, 0)
style.font.size = Pt(16)

3.4.2 文本样式

# coding:utf-8
from docx import Document
from docx.shared import RGBColor, Pt
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

doc = Document()
title = doc.add_heading('My title', 0)
title.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
title.style.font.size = Pt(50)
_t = title.add_run('\n Sample Text')
_t.italic = True
_t.bold = True

p = doc.add_paragraph('欢迎来到这里学习 python')
p.add_run('\nSample Content').italic = True
p.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT
doc.save('test.docx')

3.4.3 图片样式

不能直接对图片进行样式改造，需要借助段落帮助我们才行。

# coding:utf-8
from docx import Document
from docx.shared import RGBColor, Pt, Inches
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT, WD_ALIGN_PARAGRAPH

doc = Document()
title = doc.add_heading('My title', 0)
title.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
title.style.font.size = Pt(50)

p = doc.add_paragraph()
p.alignment = WD_ALIGN_PARAGRAPH.RIGHT
_p = p.add_run()
image = _p.add_picture('这是一张图片.png', width=Inches(3), height=Inches(2))
doc.save('test.docx')

3.4.4 表格样式

for i in doc.styles:
    if i.type == doc.styles.WD_STYLE_TYPE.TABLE:
        print(i.name)

以上都是表格样式，我们挑一两个来试试。

3.5 WORD 转 PDF

认识一下 PDF 工具包 - pdfkit。

pip install pdfkit

安装好 pdfkit 后，还需要一个依赖的工具 wkhtmltopdf。

3.5.1 网址 转 PDF

pdfkit.from_url('网址','保存的路径')

代码演示：

# coding:utf-8
import pdfkit
config = pdfkit.configuration(wkhtmltopdf=r"D:\installPath\wkhtmltopdf\bin\wkhtmltopdf.exe")
pdfkit.from_url('https://www.baidu.com', 'baidu.pdf', configuration=config)

3.5.2 HTML 字符串 转 PDF

# coding:utf-8
import pdfkit
config = pdfkit.configuration(wkhtmltopdf=r"D:\installPath\wkhtmltopdf\bin\wkhtmltopdf.exe")
htmlStr = """<html>
    <head>
        <meta charset="utf-8" />
    </head>
    <body>
        <h1>Sample Title</h1>
    </body>
</html>"""
pdfkit.from_string(htmlStr, 'sample.pdf', configuration=config)

3.5.3 WORD 转 PDF

安装一个新的依赖包：

pip install pydocx

代码演示：

# coding:utf-8
import pdfkit
from pydocx import PyDocX

config = pdfkit.configuration(wkhtmltopdf=r"D:\installPath\wkhtmltopdf\bin\wkhtmltopdf.exe")
html = PyDocX.to_html('resume.docx')
f = open('html1.html', 'w')
f.write(html)
f.close()
pdfkit.from_file('html1.html', 'resume.pdf', configuration=config)

html2 = PyDocX.to_html('resume2.docx')
pdfkit.from_string(html2, 'resume2.pdf', configuration=config)

注意，pdfkit 库需要 wkhtmltopdf 工具来进行转换。因此，你需要在代码中指定 wkhtmltopdf 工具的位置。

4. Excel 自动化

接下来学习 Python 对 Excel 的操作，这里给大家介绍一个新模块 xlrd。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xlrd==1.2.0

为什么指定版本呢？因为更高的版本有可能会发生不兼容的情况。

4.1 获取 Excel 对象

使用方法：book = xlrd.open_workbook(excel 文件)。

返回：excel 对象。

4.1.1 获取工作簿

代码编写：

# coding:utf-8
import xlrd

excel = xlrd.open_workbook('user_detail.xlsx')
# 按照工作薄名称获取
book = excel.sheet_by_name('用户明细')
print(book.name)
# 按照索引获取
book = excel.sheet_by_index(0)
print(book.name)
# 获取所有的工作簿列表
for i in excel.sheets():
    print(i.name)

4.1.2 读取工作簿内容

代码执行：

# coding:utf-8
import xlrd

excel = xlrd.open_workbook('user_detail.xlsx')
book = excel.sheet_by_name('用户明细')
print(book.name)
print('%s 行' % book.nrows)
print('%s 列' % book.ncols)
for i in book.get_rows():
    content = []
    for j in i:
        content.append(j.value)
    print(content)

4.2 写入 Excel 数据

学习 Python 对 Excel 写入数据的操作，这里给大家介绍一个新模块 xlsxwriter。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xlsxwriter

4.2.1 常用函数

4.2.2 代码书写

import xlrd
import xlsxwriter

def read():
    result = []
    excel = xlrd.open_workbook('user_detail.xlsx')
    book = excel.sheet_by_name('用户明细')
    for i in book.get_rows():
        content = []
        for j in i:
            content.append(j.value)
        result.append(content)
    return result

def write(content):
    excel = xlsxwriter.Workbook('test.xlsx')
    book = excel.add_worksheet("test")
    for index, data in enumerate(content):
        for sub_index, sub_date in enumerate(data):
            book.write(index, sub_index, sub_date)
    excel.close()

if __name__ == '__main__':
    result = read()
    write(result)

4.3 Excel 写入图表

4.3.1 常用函数

add series() 的参数：

4.3.2 图表样式

4.3.3 代码书写

import xlsxwriter

excel = xlsxwriter.Workbook('test.xlsx')
book = excel.add_worksheet('用户角色')
data = [
    ['社区成员', '社区之星', '社区管理员', '区长'],
    [20, 23, 2, 1]
]
book.write_column('A1', data[0])
book.write_column('B1', data[1])
chart = excel.add_chart({'type': 'pie'})
chart.add_series({
    'categories': '=用户角色!$A1:$A4',
    'values': '=用户角色!$B1:$B4',
    'name': '角色占比'
})
chart.set_title({
    'name': '角色占比图表'
})
book.insert_chart('A7', chart)
excel.close()

5. PPT 自动化

从现在开始学习 PPT 的自动化操作。这里用到 python-pptx。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple python-pptx

5.1 创建 PPT

import pptx

p = pptx.Presentation()
layout = p.slide_layouts[7]
slide = p.slides.add_slide(layout)
p.save('test.ppt')

布局是指幻灯片的外观，一共有 11 种布局（可能跟版本有关）。使用 pptx.Presentation.slides.add_slide() 方法可以向幻灯片集合添加一张幻灯片，这个方法需要指定一个布局。

5.2 段落的使用

import pptx
from pptx.dml.color import RGBColor
from pptx.enum.text import PP_PARAGRAPH_ALIGNMENT
from pptx.util import Pt

p = pptx.Presentation()
layout = p.slide_layouts[1]
slide = p.slides.add_slide(layout)

title = slide.placeholders[0]
title.text = 'PPT 自动化'

placeholder = slide.placeholders[1]
placeholder.text = 'Sample Text\nSample Content'

placeholder1 = placeholder.text_frame.add_paragraph()
placeholder1.text = '点赞'
placeholder1.font.bold = True
placeholder1.font.italic = True
placeholder1.font.size = Pt(16)
placeholder1.font.underline = True
placeholder1.alignment = PP_PARAGRAPH_ALIGNMENT.CENTER

placeholder2 = placeholder.text_frame.add_paragraph()
placeholder2.text = '转发'
placeholder2.font.size = Pt(32)
placeholder2.alignment = PP_PARAGRAPH_ALIGNMENT.RIGHT
placeholder2.font.color.rgb = RGBColor(255, 0, 0)

p.save('test.ppt')

5.3 插入表格 + 图片

import pptx
from pptx.util import Inches

p = pptx.Presentation()
layout = p.slide_layouts[1]
slide = p.slides.add_slide(layout)

title = slide.placeholders[0]
title.text = 'PPT 自动化'

placeholder = slide.placeholders[1]
placeholder.text = 'Sample Text'

layout = p.slide_layouts[1]
slide = p.slides.add_slide(layout)
title = slide.placeholders[0]
title.text = '第二页'

rows = 10
cols = 2
left = top = Inches(2)
width = Inches(6.0)
height = Inches(1.0)

table = slide.shapes.add_table(rows, cols, left, top, width, height).table
for index, _ in enumerate(range(rows)):
    for sub_index in range(cols):
        table.cell(index, sub_index).text = '%s:%s' % (index, sub_index)

layout = p.slide_layouts[6]
slide = p.slides.add_slide(layout)
image = slide.shapes.add_picture(
    image_file='C:\\Users\\Desktop\\cover.jpg',
    left=Inches(1),
    top=Inches(1),
    width=Inches(6),
    height=Inches(6)
)
p.save('test.ppt')

5.4 读取 PPT

# coding:utf-8
import pptx

p = pptx.Presentation('test.ppt')
for slide in p.slides:
    for shape in slide.shapes:
        if shape.has_text_frame:
            print(shape.text_frame.text)
        if shape.has_table:
            for cell in shape.table.iter_cells():
                print(cell.text)

6. 邮件的操作

接下来学习 Python 对邮件的操作。

• smtplib：邮件协议与发送模块
• email：内容定义模块
• schedule：定时模块

6.1 发送邮件的常规流程

发送邮件的流程包括连接服务器、登录、构建邮件内容、发送。

6.2 认识邮件协议

常见的邮件协议有：

• SMTP（Simple Mail Transfer Protocol）：简单邮件传输协议，用于发送邮件。
• IMAP（Internet Mail Access Protocol）：互联网邮件访问协议，用于访问远程邮件服务器上的邮件。
• POP3（Post Office Protocol version 3）：用于从远程邮件服务器接收邮件。

6.3 邮箱服务商开通 SMTP 服务

登录邮箱设置，开启 POP3/SMTP/IMAP 服务，获取授权码。

6.4 普通邮件发送

# coding:utf-8
import smtplib
from email.header import Header
from email.mime.text import MIMEText

mail_host = 'smtp 服务器'
mail_user = '你的邮箱'
mail_pass = '密钥'

sender = '发送人的邮箱'
receivers = ['接收者的邮箱']

message = MIMEText('这是一个测试', 'plain', 'utf-8')
message['From'] = Header(sender)
message['Subject'] = Header('python 脚本测试', 'utf-8')

try:
    smtpobj = smtplib.SMTP()
    smtpobj.connect(mail_host, 25)
    smtpobj.login(mail_user, mail_pass)
    smtpobj.sendmail(sender, receivers, message.as_string())
except smtplib.SMTPException as e:
    print('error: %s' % e)

6.5 HTML 邮件发送

# coding:utf-8
import smtplib
from email.header import Header
from email.mime.text import MIMEText

mail_host = 'smtp 服务器'
mail_user = '你的邮箱'
mail_pass = '密钥'

sender = '发送人的邮箱'
receivers = ['接收者的邮箱']

message = MIMEText('<p style="color:red;">这是一个测试</p>', 'html', 'utf-8')
message['From'] = Header(sender)
message['Subject'] = Header('python 脚本测试', 'utf-8')

try:
    smtpobj = smtplib.SMTP()
    smtpobj.connect(mail_host, 25)
    smtpobj.login(mail_user, mail_pass)
    smtpobj.sendmail(sender, receivers, message.as_string())
except smtplib.SMTPException as e:
    print('error: %s' % e)

6.6 带附件的邮件

# coding:utf-8
import smtplib
from email.header import Header
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText

mail_host = 'smtp 服务器'
mail_user = '你的邮箱'
mail_pass = '密钥'

sender = '发送人的邮箱'
receivers = ['接收者的邮箱']

message = MIMEMultipart()
message['From'] = Header(sender)
message['Subject'] = Header('python 脚本测试', 'utf-8')

attr = MIMEText(open('test.ppt', 'rb').read(), 'base64', 'utf-8')
attr['Content-Type'] = 'application/octet-stream'
attr['Content-Disposition'] = 'attachment;filename="test.ppt"'
message.attach(attr)
message.attach(MIMEText('这是一个带附件的邮件', 'plain', 'utf-8'))

try:
    smtpObj = smtplib.SMTP()
    smtpObj.connect(mail_host, 25)
    smtpObj.login(mail_user, mail_pass)
    smtpObj.sendmail(sender, receivers, message.as_string())
except smtplib.SMTPException as e:
    print('error: %s' % e)

6.7 定时发送邮件

使用 schedule 库。

pip install schedule

Python 的 schedule 库支持以下时间格式：

例如，每周一的 00:00 运行一次任务：

# coding:utf-8
import smtplib
import time
from email.header import Header
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
import schedule

mail_host = 'smtp 服务器'
mail_user = '你的邮箱'
mail_pass = '密钥'

sender = '发送人的邮箱'
receivers = ['接收者的邮箱']

message = MIMEMultipart()
message['From'] = Header(sender)
message['Subject'] = Header('python 脚本测试', 'utf-8')

attr = MIMEText(open('test.ppt', 'rb').read(), 'base64', 'utf-8')
attr['Content-Type'] = 'application/octet-stream'
attr['Content-Disposition'] = 'attachment;filename="test.ppt"'
message.attach(attr)
message.attach(MIMEText('这是一个带附件的邮件', 'plain', 'utf-8'))

def send():
    try:
        smtpObj = smtplib.SMTP()
        smtpObj.connect(mail_host, 25)
        smtpObj.login(mail_user, mail_pass)
        smtpObj.sendmail(sender, receivers, message.as_string())
    except smtplib.SMTPException as e:
        print('error: %s' % e)

if __name__ == '__main__':
    schedule.every().monday.at("00:00").do(send)
    while True:
        schedule.run_pending()
        time.sleep(60)

也可以使用 crontab 格式来指定更精细的时间，例如每隔 10 秒运行一次：

if __name__ == '__main__':
    schedule.every(10).seconds.do(send)
    while True:
        schedule.run_pending()
        time.sleep(60)

6.8 为什么要使用 while True 循环？

在上面的代码中，while 循环被用来不断检查是否有挂起的任务需要执行。schedule 库会将任务添加到挂起任务列表中，然后使用 schedule.run_pending() 函数来检查是否有挂起任务的执行时间已经到了。

6.9 踩的一个坑

错误原因：运行 debug 调试找到 socket.py 这个文件的第 676 行，name 参数编码错误。这个 name 参数来自于计算机的名称，如果计算机名称包含非 ASCII 字符（如中文），可能会报错。

解决方法：建议将计算机名称改成英文字母，很多涉及到网络的代码都会报编码错误。