五個方便好用的Python自動化腳本
相比大家都聽過自動化生產線、自動化辦公等詞匯，在沒有人工干預的情況下，機器可以自己完成各項任務，這大大提升了工作效率。
編程世界里有各種各樣的自動化腳本，來完成不同的任務。
尤其Python非常適合編寫自動化腳本，因為它語法簡潔易懂，而且有豐富的第三方工具庫。
這次我們使用Python來實現幾個自動化場景，或許可以用到你的工作中。
1、自動化閱讀網頁新聞
這個腳本能夠實現從網頁中抓取文本，然后自動化語音朗讀，當你想聽新聞的時候，這是個不錯的選擇。
代碼分為兩大部分，第一通過爬蟲抓取網頁文本呢，第二通過閱讀工具來朗讀文本。
需要的第三方庫：
Beautiful Soup - 經典的HTML/XML文本解析器，用來提取爬下來的網頁信息
requests - 好用到逆天的HTTP工具，用來向網頁發送請求獲取數據
Pyttsx3 - 將文本轉換為語音，并控制速率、頻率和語音
import pyttsx3
import requests
from bs4 import BeautifulSoup
engine = pyttsx3.init('sapi5')
voices = engine.getProperty('voices')
newVoiceRate = 130 ## Reduce The Speech Rate
engine.setProperty('rate',newVoiceRate)
engine.setProperty('voice', voices[1].id)
def speak(audio):
engine.say(audio)
engine.runAndWait()
text = str(input("Paste article\n"))
res = requests.get(text)
soup = BeautifulSoup(res.text,'html.parser')
articles = []
for i in range(len(soup.select('.p'))):
article = soup.select('.p')[i].getText().strip()
articles.append(article)
text = " ".join(articles)
speak(text)
# engine.save_to_file(text, 'test.mp3') ## If you want to save the speech as a audio file
engine.runAndWait()
2、自動生成素描草圖
這個腳本可以把彩色圖片轉化為鉛筆素描草圖，對人像、景色都有很好的效果。
而且只需幾行代碼就可以一鍵生成，適合批量操作，非常的快捷。
需要的第三方庫：
Opencv - 計算機視覺工具，可以實現多元化的圖像視頻處理，有Python接口
""" Photo Sketching Using Python """
import cv2
img = cv2.imread("elon.jpg")
## Image to Gray Image
gray_image = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
## Gray Image to Inverted Gray Image
inverted_gray_image = 255-gray_image
## Blurring The Inverted Gray Image
blurred_inverted_gray_image = cv2.GaussianBlur(inverted_gray_image, (19,19),0)
## Inverting the blurred image
inverted_blurred_image = 255-blurred_inverted_gray_image
### Preparing Photo sketching
sketck = cv2.divide(gray_image, inverted_blurred_image,scale= 256.0)
cv2.imshow("Original Image",img)
cv2.imshow("Pencil Sketch", sketck)
cv2.waitKey(0)
3、自動發送多封郵件
這個腳本可以幫助我們批量定時發送郵件，郵件內容、附件也可以自定義調整，非常的實用。
相比較郵件客戶端，Python腳本的優點在于可以智能、批量、高定制化地部署郵件服務。
需要的第三方庫：
Email - 用于管理電子郵件消息
Smtlib - 向SMTP服務器發送電子郵件，它定義了一個 SMTP 客戶端會話對象，該對象可將郵件發送到互聯網上任何帶有 SMTP 或 ESMTP 監聽程序的計算機
Pandas - 用于數據分析清洗地工具
import smtplib
from email.message import EmailMessage
import pandas as pd
def send_email(remail, rsubject, rcontent):
email = EmailMessage() ## Creating a object for EmailMessage
email['from'] = 'The Pythoneer Here' ## Person who is sending
email['to'] = remail ## Whom we are sending
email['subject'] = rsubject ## Subject of email
email.set_content(rcontent) ## content of email
with smtplib.SMTP(host='smtp.gmail.com',port=587)as smtp:
smtp.ehlo() ## server object
smtp.starttls() ## used to send data between server and client
smtp.login("deltadelta371@gmail.com","delta@371") ## login id and password of gmail
smtp.send_message(email) ## Sending email
print("email send to ",remail) ## Printing success message
if __name__ == '__main__':
df = pd.read_excel('list.xlsx')
length = len(df)+1
for index, item in df.iterrows():
email = item[0]
subject = item[1]
content = item[2]
send_email(email,subject,content)
4、自動化數據探索
數據探索是數據科學項目的第一步，你需要了解數據的基本信息才能進一步分析更深的價值。
一般我們會用pandas、matplotlib等工具來探索數據，但需要自己編寫大量代碼，如果想提高效率，Dtale是個不錯的選擇。
Dtale特點是用一行代碼生成自動化分析報告，它結合了Flask后端和React前端，為我們提供了一種查看和分析Pandas數據結構的簡便方法。
我們可以在Jupyter上實用Dtale。
需要的第三方庫：
Dtale - 自動生成分析報告
### Importing Seaborn Library For Some Datasets
import seaborn as sns
### Printing Inbuilt Datasets of Seaborn Library
print(sns.get_dataset_names())
### Loading Titanic Dataset
df=sns.load_dataset('titanic')
### Importing The Library
import dtale
#### Generating Quick Summary
dtale.show(df)
5、自動桌面提示
這個腳本會自動觸發windows桌面通知，提示重要事項，比如說：您已工作兩小時，該休息了
我們可以設定固定時間提示，比如隔10分鐘、1小時等
用到的第三方庫：
win10toast - 用于發送桌面通知的工具
from win10toast import ToastNotifier
import time
toaster = ToastNotifier()
header = input("What You Want Me To Remember\n")
text = input("Releated Message\n")
time_min=float(input("In how many minutes?\n"))
time_min = time_min * 60
print("Setting up reminder..")
time.sleep(2)
print("all set!")
time.sleep(time_min)
toaster.show_toast(f"{header}", f"{text}", duration=10, threaded=True)
while toaster.notification_active(): time.sleep(0.005)
小結
Python能實現的自動化功能非常豐富，如果你可以“偷懶”的需求場景不妨試試。
