Python

為什麼選擇 Python 做自動化 Python 擁有豐富的函式庫和簡潔的語法，非常適合編寫自動化腳本。 Python 自動化的優勢 簡單易學 - 語法接近自然語言 豐富的函式庫 - 幾乎所有需求都有對應的套件 跨平台 - Windows、macOS、Linux 都支援 活躍的社群 - 問題容易找到解答 實戰案例 1：檔案管理自動化 自動整理下載資料夾 import os import shutil from pathlib import Path def organize_downloads(): downloads_path = Path.home() / "Downloads" # 定義檔案類型分類 file_types = { 'images': ['.jpg', '.jpeg', '.png', '.gif', '.bmp'], 'documents': ['.pdf', '.doc', '.docx', '.txt', '.xlsx'], 'videos': ['.mp4', '.avi', '.mkv', '.mov'], 'archives': ['.zip', '.rar', '.7z', '.tar'] } for file_path in downloads_path.iterdir(): if file_path.is_file(): file_ext = file_path.suffix.lower() # 找到對應的資料夾 for folder, extensions in file_types.items(): if file_ext in extensions: target_folder = downloads_path / folder target_folder.mkdir(exist_ok=True) # 移動檔案 shutil.move(str(file_path), str(target_folder / file_path.name)) print(f"移動 {file_path.name} 到 {folder}") break if __name__ == "__main__": organize_downloads() print("檔案整理完成！") 實戰案例 2：網頁爬蟲 抓取新聞標題 import requests from bs4 import BeautifulSoup import pandas as pd from datetime import datetime def scrape_news(url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36' } response = requests.get(url, headers=headers) soup = BeautifulSoup(response.content, 'html.parser') # 根據網站結構調整選擇器 news_items = soup.find_all('h2', class_='news-title') news_data = [] for item in news_items: title = item.get_text().strip() link = item.find('a')['href'] if item.find('a') else '' news_data.append({ 'title': title, 'link': link, 'scraped_at': datetime.now() }) return news_data def save_to_excel(data, filename): df = pd.DataFrame(data) df.to_excel(filename, index=False) print(f"資料已儲存到 {filename}") # 使用範例 news_url = "https://example-news-site.com" news = scrape_news(news_url) save_to_excel(news, f"news_{datetime.now().strftime('%Y%m%d')}.xlsx") 實戰案例 3：系統監控 伺服器狀態監控 import psutil import smtplib from email.mime.text import MIMEText from datetime import datetime def check_system_health(): # 檢查 CPU 使用率 cpu_percent = psutil.cpu_percent(interval=1) # 檢查記憶體使用率 memory = psutil.virtual_memory() memory_percent = memory.percent # 檢查磁碟使用率 disk = psutil.disk_usage('/') disk_percent = (disk.used / disk.total) * 100 return { 'cpu': cpu_percent, 'memory': memory_percent, 'disk': disk_percent, 'timestamp': datetime.now() } def send_alert(subject, message): sender = "[email protected]" receiver = "[email protected]" password = "your-app-password" msg = MIMEText(message) msg['Subject'] = subject msg['From'] = sender msg['To'] = receiver with smtplib.SMTP_SSL('smtp.gmail.com', 465) as server: server.login(sender, password) server.sendmail(sender, receiver, msg.as_string()) def monitor_system(): health = check_system_health() alerts = [] if health['cpu'] > 80: alerts.append(f"CPU 使用率過高: {health['cpu']:.1f}%") if health['memory'] > 85: alerts.append(f"記憶體使用率過高: {health['memory']:.1f}%") if health['disk'] > 90: alerts.append(f"磁碟使用率過高: {health['disk']:.1f}%") if alerts: message = "\n".join(alerts) send_alert("系統警告", message) print("已發送警告郵件") else: print("系統狀態正常") # 每5分鐘檢查一次 import time while True: monitor_system() time.sleep(300) # 5分鐘 常用自動化函式庫 檔案操作 pathlib - 現代化的路徑操作 shutil - 高級檔案操作 os - 系統操作 網路請求 requests - HTTP 請求 urllib - URL 處理 資料處理 pandas - 資料分析 openpyxl - Excel 操作 csv - CSV 檔案處理 網頁爬蟲 beautifulsoup4 - HTML 解析 selenium - 瀏覽器自動化 scrapy - 專業爬蟲框架 最佳實踐 錯誤處理 - 使用 try-except 處理例外 日誌記錄 - 記錄腳本執行過程 配置檔案 - 將設定抽離到外部檔案 測試 - 編寫單元測試 文檔 - 詳細的註解和說明文件 開始用 Python 自動化你的工作流程吧！ ...