用 Python 搞自动化：爬简历、整文件、盯价格的几个实用脚本

实际使用时，最好加个状态码检查，再把 sleep 加上，避免请求太快被封 IP。另外，有些网站的模板链接可能是相对路径，拼接时注意根路径。

识别学习资料的链接

考研、论文文献这类资料，有时需要从页面源码里提取出文档链接。一个简单的正则就能把常见的 .pdf、.docx、.zip 匹配出来：

import re

def extract_study_materials(html_content):
    # 正则匹配常见的文档链接模式
    pattern = r'\.(pdf|docx|zip)'
    matches = re.findall(pattern, html_content)
    return matches

这当然只是第一步，完整实现还得解析 href 并构造真实 URL，但思路是通用的。

文件自动归类

文件夹里图片、文档、视频堆在一起，找起来很费劲。用 os 和 shutil 按扩展名分类，瞬间清爽。

import os
import shutil

def organize_files(root_dir):
    extensions_map = {
        'image': ['.jpg', '.png', '.gif'],
        'document': ['.pdf', '.docx', '.xlsx'],
        'video': ['.mp4', '.avi', '.mov']
    }
    
    for folder_name, ext_list in extensions_map.items():
        dir_path = os.path.join(root_dir, folder_name)
        if not os.path.exists(dir_path):
            os.makedirs(dir_path)
            
    for filename in os.listdir(root_dir):
        if os.path.isfile(os.path.join(root_dir, filename)):
            _, ext = os.path.splitext(filename)
            target_folder = None
            for folder_name, ext_list in extensions_map.items():
                if ext.lower() in ext_list:
                    target_folder = folder_name
                    break
            
            if target_folder:
                src = os.path.join(root_dir, filename)
                dst = os.path.join(root_dir, target_folder, filename)
                shutil.move(src, dst)

这个脚本会忽略掉映射表里没定义的文件（比如 .iso），你可以按需扩展。移动操作不可逆，第一次跑之前最好先备份或者改成 copy。

批量处理 Excel

几十个 Excel 要合并、去重、汇总，手动粘贴很容易出错。pandas 几行代码搞定。

import pandas as pd

def process_excel_data(file_paths):
    dfs = []
    for path in file_paths:
        df = pd.read_excel(path)
        dfs.append(df)
    
    combined_df = pd.concat(dfs, ignore_index=True)
    # 去除重复值
    combined_df.drop_duplicates(inplace=True)
    # 保存结果
    combined_df.to_excel('processed_output.xlsx', index=False)

如果列名不一致或者有合并单元格，read_excel 可能要额外指定参数。不过应付大部分标准表格足够了。

监控商品价格

电商平台价格变动频繁，手动刷新太累。定时请求一下 API，低于心理价位时提醒自己。

import time
import requests

def monitor_price(product_id, interval=60):
    while True:
        try:
            resp = requests.get(f'https://api.shop.com/product/{product_id}')
            price = resp.json().get('price')
            print(f'Current Price: {price}')
            # 逻辑判断价格是否低于阈值
        except Exception as e:
            print(f'Error: {e}')
        time.sleep(interval)

这里用的假设 API，真实场景可能需要抓包或者用官方 SDK。别忘了控制频率，高频抓取很可能被反爬，甚至招来法律风险。

基金数据快速分析

用 yfinance 拉取基金历史净值，算一下收益率、波动，比手动翻网站高效多了。

import yfinance as yf

def get_fund_performance(ticker):
    fund = yf.Ticker(ticker)
    hist = fund.history(period="1y")
    returns = hist['Close'].pct_change()
    print(f'Average Return: {returns.mean()}')

yfinance 主要面向美股，A 股基金可以用 akshare 之类的国内数据源。代码逻辑都一样，换一下数据接口就行。

其他方向

• 新媒体热点监控：用 Selenium 或 Playwright 模拟浏览器，抓取热搜榜单，分析关键词趋势。
• 翻译与词频分析：接入 Google Translate 或 DeepL 的 API，配合 jieba 分词，能快速处理外文文献。

没有放代码，是因为这些场景依赖外部服务和复杂的页面交互，每个实现都值得单独写一篇。

这些脚本都不复杂，但能解决实际问题。关键是先用起来，再根据需求改进。记得遵守网站的 robots.txt 协议，尊重版权和隐私，别把自动化做成攻击。