Python 被誉为“胶水语言”和“瑞士军刀”，因为它可以快速编写各种实用脚本来解决日常问题，下面我将 Python 常用脚本分为几个大类，并提供详细的代码示例和说明，你可以直接复制或根据需求修改使用。
（图片来源网络，侵删）
文件与目录操作脚本
这类脚本是最常见的需求,可以帮你自动化处理文件，节省大量重复劳动。
批量重命名文件
这个脚本可以根据特定规则（如添加前缀、替换文本、修改序号）批量重命名指定目录下的文件。
import os
import re
def batch_rename(directory, prefix="NEW_", replace_from=None, replace_to=None):
"""
批量重命名目录下的文件。
:param directory: 目标目录路径
:param prefix: 要添加的前缀
:param replace_from: 要被替换的旧文本
:param replace_to: 要替换成的新文本
"""
if not os.path.isdir(directory):
print(f"错误：'{directory}' 不是一个有效的目录。")
return
print(f"正在处理目录: {directory}")
for filename in os.listdir(directory):
old_path = os.path.join(directory, filename)
# 跳过子目录
if not os.path.isfile(old_path):
continue
# 构建新文件名
new_filename = filename
if replace_from and replace_to:
new_filename = new_filename.replace(replace_from, replace_to)
new_filename = prefix + new_filename
new_path = os.path.join(directory, new_filename)
# 如果新文件名与旧文件名不同，则重命名
if old_path != new_path:
try:
os.rename(old_path, new_path)
print(f"重命名: '{filename}' -> '{new_filename}'")
except Exception as e:
print(f"重命名 '{filename}' 失败: {e}")
# --- 使用示例 ---
# 场景1: 给所有文件添加 "MyPhoto_" 前缀
# batch_rename("/path/to/your/photos", prefix="MyPhoto_")
# 场景2: 将文件名中的 "old_text" 替换为 "new_text"
# batch_rename("/path/to/your/files", replace_from="old_text", replace_to="new_text")
# 场景3: 移除文件名中的 "copy_" 前缀
# batch_rename("/path/to/your/files", replace_from="copy_", replace_to="")
整理文件（按类型分类）
这个脚本可以将一个文件夹中的所有文件,根据它们的扩展名（如 .jpg, .txt, .pdf）移动到不同的子文件夹中，实现自动整理。
import os
import shutil
def organize_files_by_extension(source_dir):
"""
根据文件扩展名将文件分类到不同的子文件夹中。
"""
if not os.path.isdir(source_dir):
print(f"错误：'{source_dir}' 不是一个有效的目录。")
return
# 遍历源目录中的所有文件
for filename in os.listdir(source_dir):
source_path = os.path.join(source_dir, filename)
# 跳过子目录
if not os.path.isfile(source_path):
continue
# 获取文件扩展名（小写）
_, ext = os.path.splitext(filename)
ext = ext.lower()
# 如果没有扩展名，跳过或放到 'no_extension' 文件夹
if not ext:
ext = 'no_extension'
# 创建目标文件夹路径
target_dir = os.path.join(source_dir, ext[1:]) # 去掉点号
if not os.path.exists(target_dir):
os.makedirs(target_dir)
print(f"创建目录: {target_dir}")
# 移动文件
target_path = os.path.join(target_dir, filename)
try:
shutil.move(source_path, target_path)
print(f"移动: '{filename}' -> '{target_dir}'")
except Exception as e:
print(f"移动 '{filename}' 失败: {e}")
# --- 使用示例 ---
# organize_files_by_extension("/path/to/messy_folder")
网络与爬虫脚本
Python 是网络爬虫的王者，拥有 requests 和 BeautifulSoup 等强大的库。
（图片来源网络，侵删）
简单网页爬取（获取所有链接）
这个脚本可以访问一个网页,并提取出其中的所有超链接。
import requests
from bs4 import BeautifulSoup
import re
def get_all_links(url):
"""
获取指定网页中的所有链接。
"""
try:
# 发送HTTP请求
response = requests.get(url, timeout=10)
response.raise_for_status() # 如果请求失败 (状态码非200), 则抛出异常
# 使用BeautifulSoup解析HTML
soup = BeautifulSoup(response.text, 'html.parser')
# 查找所有的<a>标签
links = []
for a_tag in soup.find_all('a', href=True):
link = a_tag['href']
# 处理相对路径，转换为绝对路径
if link.startswith('/'):
link = url.rstrip('/') + link
links.append(link)
return links
except requests.exceptions.RequestException as e:
print(f"请求失败: {e}")
return []
# --- 使用示例 ---
if __name__ == "__main__":
target_url = "https://www.python.org" # 替换成你想爬取的网址
all_links = get_all_links(target_url)
print(f"在 {target_url} 中找到 {len(all_links)} 个链接:")
for i, link in enumerate(all_links[:20]): # 只打印前20个链接
print(f"{i+1}. {link}")
API 数据获取与保存
很多网站提供 API 接口来获取结构化数据（如 JSON），这个脚本演示如何调用 API 并将结果保存为 JSON 文件。
import requests
import json
def fetch_and_save_api_data(url, output_filename):
"""
从API获取数据并保存到JSON文件。
"""
try:
print(f"正在从 {url} 获取数据...")
response = requests.get(url)
response.raise_for_status() # 检查请求是否成功
# API返回的数据通常是JSON格式
data = response.json()
# 将数据保存到JSON文件，indent=4 使文件更易读
with open(output_filename, 'w', encoding='utf-8') as f:
json.dump(data, f, indent=4, ensure_ascii=False)
print(f"数据已成功保存到 {output_filename}")
return data
except requests.exceptions.RequestException as e:
print(f"API请求失败: {e}")
except json.JSONDecodeError:
print("响应不是有效的JSON格式。")
return None
# --- 使用示例 ---
# 使用一个公开的API作为示例
api_url = "https://jsonplaceholder.typicode.com/posts/1" # 获取一篇模拟文章
output_file = "api_data.json"
fetch_and_save_api_data(api_url, output_file)
系统与自动化脚本
这类脚本可以与操作系统交互,实现自动化任务。
系统信息监控
这个脚本可以显示当前系统的基本信息,如 CPU 使用率、内存使用情况和磁盘空间。
（图片来源网络，侵删）
import psutil
import platform
def get_system_info():
"""
获取并打印系统信息。
"""
print("--- 系统信息 ---")
print(f"操作系统: {platform.system()} {platform.release()}")
print(f"处理器: {platform.processor()}")
print(f"架构: {platform.machine()}")
print("\n--- CPU 信息 ---")
cpu_percent = psutil.cpu_percent(interval=1)
print(f"CPU 使用率: {cpu_percent}%")
print(f"CPU 逻辑核心数: {psutil.cpu_count(logical=True)}")
print(f"CPU 物理核心数: {psutil.cpu_count(logical=False)}")
print("\n--- 内存信息 ---")
mem = psutil.virtual_memory()
print(f"总内存: {mem.total / (1024**3):.2f} GB")
print(f"已用内存: {mem.used / (1024**3):.2f} GB")
print(f"可用内存: {mem.available / (1024**3):.2f} GB")
print(f"内存使用率: {mem.percent}%")
print("\n--- 磁盘信息 ---")
disk = psutil.disk_usage('/')
print(f"总磁盘空间: {disk.total / (1024**3):.2f} GB")
print(f"已用磁盘空间: {disk.used / (1024**3):.2f} GB")
print(f"可用磁盘空间: {disk.free / (1024**3):.2f} GB")
print(f"磁盘使用率: {disk.percent}%")
# --- 使用示例 ---
# 需要先安装库: pip install psutil
# get_system_info()
定时任务（提醒）
这个脚本可以在指定的时间点弹出一个提醒窗口,非常适合用来提醒自己休息、喝水或处理任务。
import time
from datetime import datetime
def set_reminder(message, target_time_str):
"""
在指定时间显示提醒消息。
:param message: 提醒内容
:param target_time_str: 目标时间，格式 "HH:MM"
"""
try:
# 解析目标时间
target_time = datetime.strptime(target_time_str, "%H:%M").time()
now = datetime.now().time()
# 如果目标时间已经过了，则设置为明天
if target_time < now:
print(f"目标时间 {target_time_str} 已过，将在明天提醒。")
# 计算到明天同一秒的秒数
now_dt = datetime.now()
target_dt = datetime.combine(now_dt.date(), target_time)
if target_dt < now_dt:
target_dt = datetime.combine(now_dt.date() + timedelta(days=1), target_time)
seconds_to_wait = (target_dt - now_dt).total_seconds()
else:
# 计算等待的秒数
now_dt = datetime.now()
target_dt = datetime.combine(now_dt.date(), target_time)
seconds_to_wait = (target_dt - now_dt).total_seconds()
print(f"提醒已设置，将在 {target_time_str} ({seconds_to_wait:.0f}秒后) 提醒您。")
time.sleep(seconds_to_wait)
print("\n" + "="*20)
print(f"!!! 提醒 !!!")
print(message)
print("="*20 + "\n")
except ValueError:
print("错误：时间格式不正确，请使用 'HH:MM' 格式。")
except Exception as e:
print(f"发生错误: {e}")
# --- 使用示例 ---
# from datetime import timedelta # 需要导入这个库来处理天数
# set_reminder("起来活动一下，看看远处！", "15:30")
# set_reminder("喝水时间到！", "16:00")
数据处理与分析脚本
使用 pandas 库可以轻松处理表格数据。
CSV 文件简单处理
这个脚本可以读取一个 CSV 文件，进行简单的筛选和计算，并将结果保存到新的 CSV 文件中。
import pandas as pd
def process_csv(input_file, output_file, column_name, threshold):
"""
读取CSV文件，筛选出某列大于阈值的行，并计算平均值。
"""
try:
# 读取CSV文件
df = pd.read_csv(input_file)
print(f"成功读取文件: {input_file}")
print("原始数据前5行:")
print(df.head())
# 筛选数据
filtered_df = df[df[column_name] > threshold]
print(f"\n筛选后数据 ('{column_name}' > {threshold}):")
print(filtered_df)
# 计算平均值
if not filtered_df.empty:
average = filtered_df[column_name].mean()
print(f"\n'{column_name}' 列的平均值: {average:.2f}")
else:
print("\n没有符合条件的数据。")
# 保存结果到新文件
filtered_df.to_csv(output_file, index=False)
print(f"\n筛选后的数据已保存到: {output_file}")
except FileNotFoundError:
print(f"错误：文件 '{input_file}' 未找到。")
except KeyError:
print(f"错误：列名 '{column_name}' 在文件中不存在。")
except Exception as e:
print(f"处理文件时发生错误: {e}")
# --- 使用示例 ---
# 假设有一个名为 'sales_data.csv' 的文件，包含 'product', 'sales', 'region' 列
# create_dummy_csv('sales_data.csv') # 你可以自己创建一个测试文件
# process_csv('sales_data.csv', 'high_sales_data.csv', 'sales', 100)
如何运行这些脚本
-
安装必要的库： 大部分脚本只需要 Python 自带的库，如果使用了第三方库（如
requests,BeautifulSoup,psutil,pandas），你需要先安装它们，打开终端或命令提示符，运行：pip install requests beautifulsoup4 psutil pandas
-
保存代码： 将上面的代码复制并粘贴到一个文本文件中，将其保存为
.py后缀的文件，rename_files.py。 -
修改路径： 在脚本中找到类似
"/path/to/your/files"的地方，替换成你自己的实际路径。 -
运行脚本： 打开终端或命令提示符，使用
cd命令进入到你保存脚本的目录，然后运行：python rename_files.py
这些脚本只是冰山一角,但它们展示了 Python 在自动化任务中的强大能力，你可以基于这些模板，根据自己的具体需求进行修改和扩展。
