Python自动化实战：常用的类库和使用场景

写在前面

搞Python自动化这些年，我有一个感受：工具不在多，在于你真正用过、踩过坑、还愿意继续用的。

网上不缺"Python自动化十大库"这类清单文，但大多数读完就忘——因为它们只告诉你"有什么"，不告诉你"什么场景下真的好用"。

这篇文章不讲大道理，只聊我在实际工作中反复用到的Python自动化项目，以及它们各自最擅长的场景。每个方向我都会给出真实使用感受，包括它好在哪里、坑在哪里。

如果你也厌倦了复制粘贴式的工具清单，这篇可能对你有点用。

---

一、文件与目录处理：pathlib + shutil

为什么不用os.path？

说实话，2026年了，如果你还在写 os.path.join('a', 'b', 'c')，是时候升级了。

pathlib 从Python 3.4引入，到今天已经是标准库中最优雅的文件路径处理方案。面向对象的写法，链式调用，可读性碾压 os.path 系列。

	from pathlib import Path
	# 创建目录
	Path('data/raw/2026-08').mkdir(parents=True, exist_ok=True)
	# 遍历所有CSV文件
	for f in Path('data').rglob('*.csv'):
	print(f.name, f.stat().st_size)
	# 读取文本
	content = Path('config.yaml').read_text(encoding='utf-8')

shutil：批量文件操作的瑞士军刀

当你需要移动、复制、压缩大量文件时，shutil 是最直接的选择。

	import shutil
	# 按日期归档日志文件
	for log in Path('logs').glob('*.log'):
	date_str = log.stat().st_mtime
	target_dir = Path('archive') / '2026-08'
	target_dir.mkdir(parents=True, exist_ok=True)
	shutil.copy2(log, target_dir / log.name)
	# 打包整个目录
	shutil.make_archive('backup_202608', 'zip', 'data/')

我的感受：pathlib + shutil 组合，覆盖了我90%的文件操作需求。只有在需要监听文件变化时才会考虑 watchdog，其他时候这两个就够了。

---

二、网页自动化：Playwright

Selenium的时代正在落幕

这不是我一个人的观点。2026年最新的开发者生态报告显示，Playwright使用率已达38.7%，正式超越Selenium的29.1%。

原因很简单：Playwright更快、更稳、API更现代。自动等待机制、原生多浏览器支持、一步录制脚本——这些特性让Selenium的WebDriver模式显得笨重。

	from playwright.sync_api import sync_playwright
	with sync_playwright() as p:
	browser = p.chromium.launch(headless=False)
	page = browser.new_page()
	# 自动等待元素出现
	page.goto('https://example.com')
	page.fill('#search', 'Python自动化')
	page.click('#submit')
	# 截图保存
	page.screenshot(path='result.png')
	browser.close()

我的实战场景

• 批量填报表单：200个员工信息录入OA系统，脚本跑10分钟搞定
• 网页数据采集：动态渲染的SPA页面，Playwright能等JS执行完再抓
• 自动化测试：CI/CD流水线里跑端到端测试，比Selenium快3倍

踩过的坑：headless=True 时某些网站会检测到无头模式，需要用 stealth 插件绕过。但大部分内部系统没这个问题。

如果你还在用Selenium，建议花一个周末迁移到Playwright。学习成本很低，回报很高。

---

三、数据抓取：requests + BeautifulSoup / Scrapy

轻量场景：requests + BeautifulSoup

不是所有抓取都需要上框架。如果目标页面是静态HTML，requests + BeautifulSoup 是最轻量的组合。

	import requests
	from bs4 import BeautifulSoup
	resp = requests.get('https://news.example.com',
	headers={'User-Agent': 'Mozilla/5.0'})
	soup = BeautifulSoup(resp.text, 'html.parser')
	titles = [h2.text.strip() for h2 in soup.select('h2.title')]

适合场景：简单页面、一次性抓取、快速验证想法。

重量场景：Scrapy

当你的需求变成持续抓取数千个页面、需要去重、需要管道处理、需要限速时，Scrapy 才是正确的选择。

	import scrapy
	class BlogSpider(scrapy.Spider):
	name = 'blog'
	start_urls = ['https://blog.example.com/page/1']
	def parse(self, response):
	for article in response.css('article.post'):
	yield {
	'title': article.css('h2::text').get(),
	'url': article.css('a::attr(href)').get(),
	}
	# 自动翻页
	next_page = response.css('a.next::attr(href)').get()
	if next_page:
	yield response.follow(next_page, self.parse)

我的选型原则：

场景	工具	理由
抓1个页面	requests + BS4	五分钟写完，没必要上框架
抓100个页面	Scrapy	内置并发、去重、管道
动态渲染页面	Playwright	JS没执行完，BS4拿不到数据
反爬严格的站	Playwright + stealth	模拟真实浏览器行为

---

四、办公自动化：openpyxl + python-docx

Excel：openpyxl

Python操作Excel的库很多——xlrd、xlwt、pandas、openpyxl。但如果你需要读写xlsx、设置格式、合并单元格、插入图表，openpyxl 是最全面的。

	from openpyxl import Workbook, load_workbook
	from openpyxl.styles import Font, PatternFill
	wb = Workbook()
	ws = wb.active
	ws.title = '月度报告'
	# 写入数据 + 设置样式
	header_font = Font(bold=True, color='FFFFFF')
	header_fill = PatternFill('solid', fgColor='4472C4')
	for col, title in enumerate(['日期', '访问量', '转化率'], 1):
	cell = ws.cell(row=1, column=col, value=title)
	cell.font = header_font
	cell.fill = header_fill
	# 写入数据行
	data = [('2026-08-01', 12000, '3.2%'),
	('2026-08-02', 15000, '4.1%'),
	('2026-08-03', 18000, '5.0%')]
	for row_idx, row_data in enumerate(data, 2):
	for col_idx, value in enumerate(row_data, 1):
	ws.cell(row=row_idx, column=col_idx, value=value)
	wb.save('月度报告.xlsx')

Word：python-docx

需要批量生成合同、报告、通知函？python-docx 可以帮你把模板替换做到自动化。

	from docx import Document
	doc = Document('合同模板.docx')
	# 替换占位符
	for paragraph in doc.paragraphs:
	if '{company}' in paragraph.text:
	paragraph.text = paragraph.text.replace('{company}', '某某科技有限公司')
	if '{date}' in paragraph.text:
	paragraph.text = paragraph.text.replace('{date}', '2026年8月9日')
	doc.save('合同_某某科技_20260809.docx')

我的感受：办公自动化是Python最"亲民"的方向。你不需要什么高深算法，只要会文件读写 + 字符串替换，就能帮同事省掉大量重复劳动。这种"小工具大价值"的事情，往往最容易赢得团队好感。

---

五、桌面GUI自动化：PyAutoGUI

当你需要控制鼠标、键盘、识别屏幕图像时，PyAutoGUI 是最直接的方案。

	import pyautogui
	import time
	# 留3秒切换到目标窗口
	time.sleep(3)
	# 点击坐标
	pyautogui.click(x=500, y=300)
	# 输入文字
	pyautogui.typewrite('Hello Python', interval=0.05)
	# 截屏找图并点击
	location = pyautogui.locateOnScreen('button.png', confidence=0.9)
	if location:
	pyautogui.click(location)

适用场景与局限

适合：操作那些没有API的老旧软件、ERP系统、桌面客户端。

不适合：任何有API可调用的场景。能用API就别用GUI自动化——这是铁律。GUI自动化的脆弱性在于：窗口位置一变、分辨率一换、UI一更新，脚本就挂了。

我的建议：PyAutoGUI是"最后的手段"，不是首选。先找API，找不到再考虑它。

---

六、定时任务调度：Schedule

Python自带的 sched 和 cron 都能用，但 schedule 库的API设计简直是艺术品——人类可读的链式调用。

	import schedule
	import time
	def daily_report():
	print('生成日报...')
	def sync_data():
	print('同步数据...')
	schedule.every().day.at('09:00').do(daily_report)
	schedule.every().hour.do(sync_data)
	schedule.every(10).minutes.do(lambda: print('心跳检查'))
	while True:
	schedule.run_pending()
	time.sleep(1)

但要注意：schedule 是进程内的轻量调度，适合脚本和小项目。如果你的定时任务需要持久化、分布式、失败重试，请直接上 Celery Beat 或 APScheduler，别在 schedule 上硬扛。

---

七、运维脚本：Fabric

需要SSH到多台服务器执行命令、部署代码？Fabric 把这事儿简化成了几行Python。

	from fabric import Connection
	# 连接远程服务器部署
	with Connection('user@server.example.com') as c:
	c.run('cd /app && git pull')
	c.run('pip install -r requirements.txt')
	c.run('systemctl restart myapp')
	c.put('config.ini', '/app/config.ini')

我的感受：Fabric最适合的场景是"少量服务器 + 简单部署流程"。一旦服务器数量超过10台，或者部署流程涉及灰度发布、回滚、健康检查，就该上Ansible或K8s了。但在小团队和个人项目中，Fabric的效率无可匹敌。

---

选型总结：一张表搞定

方向	首选库	备选	典型场景
文件处理	pathlib + shutil	watchdog	目录归档、日志清理
网页自动化	Playwright	Selenium	表单填报、E2E测试
静态页面抓取	requests + BS4	httpx	一次性数据采集
大规模爬虫	Scrapy	—	持续化、多页面采集
Excel处理	openpyxl	pandas	报表生成、格式设置
Word处理	python-docx	—	合同/报告批量生成
桌面GUI	PyAutoGUI	pywinauto	无API的老旧系统操作
定时任务	schedule	APScheduler	脚本级轻量调度
运维部署	Fabric	Ansible	SSH批量操作

---

写在最后

Python自动化的核心从来不是"知道多少库"，而是识别重复劳动、选择合适工具、把流程脚本化。

我见过有人用50行Python脚本替代了每天2小时的手工操作，也见过有人花一周写了个"万能自动化框架"最后没人用。区别在哪？前者解决真实问题，后者追求技术自嗨。

少即是多。先把一个方向吃透，比什么都试一点强一百倍。

如果你也在用Python做自动化，欢迎在评论区分享你的实战经验——我始终相信，最好的工具清单来自真实使用者的交流，而不是搜索引擎的聚合结果。

 

2026-08-10 09:53:15【出处】：https://www.cnblogs.com/badhope/p/22357737/python-automation-projects-2026

=======================================================================================