在現(xiàn)代職場中，重復(fù)性和耗時的任務(wù)常常占據(jù)大量時間，影響工作效率。Python作為一種高效、易用的編程語言，提供了豐富的庫和工具，能夠幫助打工人自動化處理日常任務(wù)，提升工作效率。以下是十個必備的Python自動化腳本：
一、文件批量重命名腳本
在日常工作中，可能需要對大量文件進(jìn)行重命名操作。手動操作既耗時又容易出錯。使用Python腳本，可以實現(xiàn)文件的批量重命名，提高效率。
? ? ? ? import os
? ? ? ? def batch_rename(directory, old_ext, new_ext):
? ? ? ? ? ? for filename in os.listdir(directory):
? ? ? ? ? ? ? ? if filename.endswith(old_ext):
? ? ? ? ? ? ? ? ? ? new_filename = filename.replace(old_ext, new_ext)
? ? ? ? ? ? ? ? ? ? os.rename(os.path.join(directory, filename), os.path.join(directory, new_filename))
? ? ? ? # 示例：將目錄中所有“.txt”擴展名的文件改為“.md”
? ? ? ? batch_rename('/path/to/directory', '.txt', '.md')
此腳本遍歷指定目錄下的所有文件，將符合條件的文件擴展名進(jìn)行替換。這種方法比手動操作更為高效，特別是在文件數(shù)量龐大的情況下。
二、數(shù)據(jù)清洗腳本
處理大型數(shù)據(jù)集時，數(shù)據(jù)清洗是不可避免的步驟。編寫一個Python腳本，自動進(jìn)行常見的數(shù)據(jù)清洗操作，例如去重、缺失值處理等。
? ? ? ? import pandas as pd
? ? ? ? def data_cleaning(data_path):
? ? ? ? ? ? df = pd.read_csv(data_path)
? ? ? ? ? ? # 去重
? ? ? ? ? ? df = df.drop_duplicates()
? ? ? ? ? ? # 處理缺失值
? ? ? ? ? ? df = df.dropna()
? ? ? ? ? ? # 其他數(shù)據(jù)清洗操作...
? ? ? ? ? ? df.to_csv('cleaned_data.csv', index=False)
? ? ? ? # 示例：對數(shù)據(jù)集進(jìn)行清洗并保存
? ? ? ? data_cleaning('/path/to/data.csv')
此腳本使用了pandas庫，能夠高效地對數(shù)據(jù)進(jìn)行清洗操作，確保數(shù)據(jù)質(zhì)量，為后續(xù)分析奠定基礎(chǔ)。
三、網(wǎng)絡(luò)請求腳本
與網(wǎng)絡(luò)交互時，編寫一個能夠發(fā)送HTTP請求的腳本是非常有用的。使用requests庫可以輕松實現(xiàn)。
? ? ? ? import requests
? ? ? ? def make_request(url, params=None, headers=None):
? ? ? ? ? ? response = requests.get(url, params=params, headers=headers)
? ? ? ? ? ? if response.status_code == 200:
? ? ? ? ? ? ? ? return response.json()
? ? ? ? ? ? else:
? ? ? ? ? ? ? ? return None
? ? ? ? # 示例：向GitHub API發(fā)送請求
? ? ? ? github_data = make_request('https://api.github.com/users/octocat')
? ? ? ? print(github_data)
通過此腳本，可以方便地與各種API進(jìn)行交互，獲取所需的數(shù)據(jù)，應(yīng)用范圍廣泛。
四、日志分析腳本
日志分析對于了解系統(tǒng)運行狀況至關(guān)重要。編寫一個腳本，能夠解析和分析日志文件，提取關(guān)鍵信息。
? ? ? ? import re
? ? ? ? def analyze_logs(log_path):
? ? ? ? ? ? with open(log_path, 'r') as file:
? ? ? ? ? ? ? ? logs = file.readlines()
? ? ? ? ? ? error_count = 0
? ? ? ? ? ? for log in logs:
? ? ? ? ? ? ? ? if re.search('error', log, re.IGNORECASE):
? ? ? ? ? ? ? ? ? ? error_count += 1
? ? ? ? ? ? print(f"Total errors: {error_count}")
? ? ? ? # 示例：分析日志文件中的錯誤數(shù)量
? ? ? ? analyze_logs('/path/to/logs.txt')
此腳本能夠快速統(tǒng)計日志中的錯誤數(shù)量，幫助及時發(fā)現(xiàn)和解決問題，確保系統(tǒng)穩(wěn)定運行。
五、批量處理圖像腳本
圖像處理是許多工作中的重要一環(huán)。編寫一個腳本，可以批量處理圖像，例如縮放、旋轉(zhuǎn)等。
? ? ? ? from PIL import Image
? ? ? ? import os
? ? ? ? def batch_process_images(input_dir, output_dir, size=(300, 300)):
? ? ? ? ? ? for filename in os.listdir(input_dir):
? ? ? ? ? ? ? ? img_path = os.path.join(input_dir, filename)
? ? ? ? ? ? ? ? output_path = os.path.join(output_dir, filename)
? ? ? ? ? ? ? ? img = Image.open(img_path)
? ? ? ? ? ? ? ? img.thumbnail(size)
? ? ? ? ? ? ? ? img.save(output_path)
? ? ? ? # 示例：批量處理圖像，將其縮放至300x300像素
? ? ? ? batch_process_images('/path/to/input_images', '/path/to/output_images')
使用PIL庫，可以方便地對圖像進(jìn)行各種處理，滿足不同的需求。
