我要评论ai的发展越来越厉害，所以很多人也习惯把任务直接丢给ai。但 ai 在处理自动化任务时有时候还会不稳定，有些还要收费。对于需要每天定时运行、处理大量文件或监控系统状态的任务，依靠 ai 每次生成结果容易出现幻觉偏差。
ai很好，但其实有时候杀鸡没必要用牛刀。python 一样可以完成一些简单的自动化任务。
在写 python 之前，要确保 python 的环境已经准备好。
推荐使用 servbay 来管理开发环境，它支持一键安装 python 环境，覆盖了从半只脚踏进棺材板的 python 2.7 到python 3.5 乃至最新的 python 3.14 版本。而且这些版本可以同时并存，不需要手动去配置环境变量，也不用担心弄乱系统的默认配置。装好就能用，一分钟就能搞定。
有了稳定的环境，下面分享几个在实际工作中常用的自动化脚本模式。
自动重试机制：让网络请求更健壮
写爬虫或调用 api 时，网络波动是常态。与其在每个请求处都写一遍 try-except，不如把重试逻辑封装起来。专业的脚本不会因为一次超时就崩溃。
import time
import requests
from requests.exceptions import requestexception
def fetch_with_retry(url, max_retries=3, pause=2):
"""
带有自动重试机制的get请求
"""
for attempt in range(max_retries):
try:
# 设置超时是必须的，防止程序无限挂起
response = requests.get(url, timeout=10)
response.raise_for_status() # 如果状态码不是200，抛出异常
return response
except requestexception as e:
print(f"请求失败 (尝试 {attempt + 1}/{max_retries}): {e}")
if attempt == max_retries - 1:
raise # 最后一次尝试也失败，抛出异常
time.sleep(pause)
# 使用示例
try:
data = fetch_with_retry("https://api.github.com")
print(f"请求成功，状态码: {data.status_code}")
except requestexception:
print("重试多次后依然失败，请检查网络或目标服务。")
它将网络不稳定的偶发故障在代码层面消化。最大的好处是防止脚本因为一次微小的网络抖动就全盘崩溃，真正实现了“无人值守”运行，特别适合夜间批量任务。
依据文件内容重命名
有时候文件名没有及时修改，就不知道这个文件到底是什么了。
但一个个打开看又非常花时间，我们就可以写个脚本，让它读取内容并重命名。这个逻辑常用于处理发票、日志或自动生成的报告。
import os
target_dir = "./reports"
def clean_filename(text):
# 去除文件名中的非法字符
return "".join(c if c.isalnum() else "_" for c in text)[:50]
for filename in os.listdir(target_dir):
full_path = os.path.join(target_dir, filename)
# 确保只处理文件
if os.path.isfile(full_path):
try:
with open(full_path, "r", encoding='utf-8') as f:
# 读取第一行作为新文件名
first_line = f.readline().strip()
if first_line:
new_name = clean_filename(first_line) + ".txt"
new_path = os.path.join(target_dir, new_name)
# 防止覆盖已存在的文件
if not os.path.exists(new_path):
os.rename(full_path, new_path)
print(f"重命名: {filename} -> {new_name}")
except exception as e:
print(f"无法处理文件 {filename}: {e}")
解决了文件名无意义（如 scan_001.txt）的痛点。脚本直接读取文件核心内容来命名，检索文件时效率很高，不再需要逐个打开确认。
清理长期未访问的僵尸文件
磁盘空间总是莫名其妙变少，多半是因为那些下载后就再没打开过的临时文件。这个脚本能清理长期没有访问过的文件，它是依据最后访问时间来运行。
import os
import time
watch_dir = "/path/to/cleanup"
expiry_days = 180 # 6个月未访问则删除
current_time = time.time()
for filename in os.listdir(watch_dir):
filepath = os.path.join(watch_dir, filename)
if os.path.isfile(filepath):
# 获取最后访问时间 (atime)
last_access_time = os.path.getatime(filepath)
# 计算时间差
if current_time - last_access_time > (expiry_days * 86400):
try:
os.remove(filepath)
print(f"已删除陈旧文件: {filename}")
except oserror as e:
print(f"删除失败: {e}")
基于“访问时间”而非“创建时间”判断，这非常关键，因为它能精准识别那些真正不再需要的文件。它就像一个隐形的清洁工，防止磁盘空间被无用的临时数据悄悄吃光。
监控并查杀高负载僵尸进程
有些 python 脚本（尤其是涉及多进程或机器学习任务的）在意外退出后会留下孤儿进程，占用大量 cpu。手动打开活动监视器查找太慢，直接用脚本自检。
import psutil
# 设定阈值：cpu占用超过80%且进程名为python
cpu_threshold = 80.0
process_name = "python"
for proc in psutil.process_iter(['pid', 'name', 'cpu_percent']):
try:
# psutil获取cpu_percent通常需要interval，这里取瞬时值可能需要两次调用或结合实际场景调整
# 在脚本循环监控中更为有效
if proc.info['name'] and process_name in proc.info['name'].lower():
if proc.info['cpu_percent'] > cpu_threshold:
print(f"检测到高负载僵尸进程 pid: {proc.info['pid']} (cpu: {proc.info['cpu_percent']}%)")
proc.kill()
print("已终止进程。")
except (psutil.nosuchprocess, psutil.accessdenied):
pass
这是一种主动防御机制。它解决了长时间运行脚本可能导致的内存泄漏或死循环问题，避免了因单个失控进程拖慢整个系统，省去了你手动打开活动监视器排查的时间。
操作前的后悔药：自动备份
在对配置文件或关键数据进行写入操作前，备份是必须的。但往往都是忘记了备份。那就把自动化备份交给python吧。
import shutil
import time
import os
def safe_backup(filepath):
if not os.path.exists(filepath):
print(f"文件不存在: {filepath}")
return
# 生成带时间戳的备份文件名
timestamp = time.strftime("%y%m%d_%h%m%s")
backup_path = f"{filepath}.{timestamp}.bak"
try:
shutil.copy2(filepath, backup_path)
print(f"备份已创建: {backup_path}")
except ioerror as e:
print(f"备份失败: {e}")
raise # 备份失败则应该中断后续操作
# 使用场景：修改配置前
config_file = "app_config.yaml"
safe_backup(config_file)
# 此处执行写入操作...
执执行任何破坏性操作（如覆盖、写入）前强制留底，这是生产环境中最基本的安全法则，确保错误发生时能瞬间回滚。
脚本运行结束后的系统通知
很多脚本一跑就是半小时，你不可能一直盯着控制台。让脚本跑完后弹窗通知你，是提升工作体验的小细节。
import platform
import os
def send_notification(title, text):
system_type = platform.system()
if system_type == "darwin": # macos
# 使用 applescript 调用通知
cmd = f"""osascript -e 'display notification "{text}" with title "{title}"'"""
os.system(cmd)
elif system_type == "linux":
# linux 通常使用 notify-send
cmd = f"""notify-send "{title}" "{text}" """
os.system(cmd)
else:
print(f"通知: [{title}] {text}")
# 模拟长时间任务
import time
time.sleep(2)
send_notification("任务完成", "数据处理脚本已执行完毕。")
开发者不需要盯着黑底白字的控制台发呆，可以将等待脚本结束的垃圾时间转化为可自由支配的时间，任务完成了它会主动找你。
轻量级数据采集
当你需要从网页上抓取特定字段（如价格、标题）并整理成表格时，python 是最高效的工具。
import requests
from bs4 import beautifulsoup
import csv
def scrape_data(url, output_file):
# 伪装 user-agent 防止被简单的反爬拦截
headers = {'user-agent': 'mozilla/5.0'}
try:
response = requests.get(url, headers=headers)
soup = beautifulsoup(response.content, 'html.parser')
# 假设我们要抓取文章列表中的标题和链接
articles = soup.find_all('article')
data_rows = []
for article in articles:
title_tag = article.find('h2')
if title_tag and title_tag.a:
title = title_tag.a.text.strip()
link = title_tag.a['href']
data_rows.append([title, link])
# 写入csv
with open(output_file, 'w', newline='', encoding='utf-8') as f:
writer = csv.writer(f)
writer.writerow(['标题', '链接'])
writer.writerows(data_rows)
print(f"成功抓取 {len(data_rows)} 条数据并保存至 {output_file}")
except exception as e:
print(f"抓取过程中出错: {e}")
# 示例调用
# scrape_data("http://example-blog.com", "results.csv")
将复制粘贴动作转化为结构化数据流。相比人工，它能以毫秒级的速度处理成百上千个页面，且生成的数据格式（如 csv）统一规整，直接可用。你就说方便不方便。
自动化文件归类
我不知道你的电脑怎么样，但我的下载文件夹是最乱的地方。而这个脚本可以根据文件后缀，自动将文件移动到对应的分类文件夹中。不用自己一个个用手拖。
import os
import shutil
from pathlib import path
source_dir = path("/users/username/downloads/mixeddata")
dest_dir = path("/users/username/documents/sorted")
def organize_files():
if not source_dir.exists():
return
for file_path in source_dir.iterdir():
if file_path.is_file():
# 获取扩展名，例如 .pdf
ext = file_path.suffix.lower()
if ext: # 忽略无后缀文件
# 去掉点号，作为文件夹名，例如 pdf
folder_name = ext[1:].upper() + "_files"
target_folder = dest_dir / folder_name
# 创建目标文件夹
target_folder.mkdir(parents=true, exist_ok=true)
# 移动文件
try:
shutil.move(str(file_path), str(target_folder / file_path.name))
print(f"移动: {file_path.name} -> {folder_name}")
except shutil.error as e:
print(f"移动文件出错: {e}")
if __name__ == "__main__":
organize_files()
文件也有收纳师，还是免费的。它利用文件扩展名这一最基础的元数据，瞬间将混乱的下载目录变得井井有条，极大地减少了人工整理文件的认知负担。
总结
这些脚本并不复杂，但它们构成了自动化工作流的基础。从环境搭建开始，使用 servbay 解决版本共存的痛点，再配合这些稳健的代码逻辑，就可以把大量耗时的重复劳动交给机器。真正的程序员不是打字最快的人，而是懂得如何让代码替自己工作的人。
以上就是一文详解8个python自动化脚本让你告别重复劳动的详细内容，更多关于python自动化脚本告别重复劳动的资料请关注代码网其它相关文章！
发表评论