Python办公自动化实战建议

Python做办公自动化，主要覆盖：Excel/Word/PPT处理、PDF、邮件、文件批量处理、网页数据抓取、自动填表、定时任务。下面分库选型、开发思路、避坑、工程化、落地技巧，全部是实际工作踩坑总结。

一、主流库选型（按场景）

1）Excel（最常用）

openpyxl：读写xlsx，不支持xls；支持单元格样式、合并单元格、公式读写，优先选。适合日常报表、格式保留。
pandas：大数据量表格、数据分析、多表合并、CSV；缺点：对单元格样式、图表支持很差，只关心数据就用pandas。
xlrd+xlwt：老版，xlrd3不再支持xlsx，只用于古老.xls，新项目尽量避开。
win32com( pywin32 )：直接调用本机Excel程序，可以完整执行宏、透视表、图表；只能Windows，需要安装Office。
建议：普通数据处理 → openpyxl/pandas；要操作宏、图表、打印 → pywin32com。

2）Word

python‑docx：读写docx，不能读doc；处理段落、表格、样式；不支持页眉页脚复杂场景。
pywin32com：Windows下操作真实Word，完美支持页眉、域、目录、旧doc文件。

3）PPT

python‑pptx：读写pptx，修改文本、表格、图片；动画、母版部分功能有限。
pywin32com：Windows完整操控PPT。

4）PDF

PyPDF2 / pypdf：拆分、合并、旋转PDF，提取文本。
pdfplumber：精准提取PDF表格，表格优先用它。
reportlab：生成全新PDF。
注意：扫描版图片PDF，以上全部无效，需要OCR：pytesseract + Tesseract‑OCR

5）邮件收发

smtplib + email：发送邮件，带附件；
imaplib：读取接收邮件；
企业邮箱很多需要授权码，不能直接用登录密码。

6）文件系统批量自动化

内置模块优先，不用装第三方：
os、pathlib（强烈推荐pathlib，比os更简洁）、shutil批量复制移动重命名。

7）网页/表单自动化

requests + BeautifulSoup：接口、静态网页爬数据。
Selenium / Playwright：模拟浏览器操作，网页填表、导出报表；Playwright更稳定，自动等待，比selenium少写很多等待代码。

8）定时运行

Windows：任务计划程序；Linux/macOS：cron
Python库：schedule库做简单循环定时；不建议生产环境用schedule替代系统定时，程序崩溃就停止。

⚠️ 跨平台提醒
pywin32com 只能Windows且本机必须安装微软Office；Mac/Linux无法调用，跨平台脚本优先选择 openpyxl/python‑docx/python‑pptx。

二、开发流程建议（非常重要）

1. 先梳理业务流程，不要上来直接写代码

把人工步骤拆解：输入文件是什么？每一步做什么？输出什么？异常会有哪些？
区分：哪些是纯数据逻辑，哪些需要Office原生UI/格式/打印。
如果大量复杂格式、宏、打印，优先考虑 pywin32com；纯数据处理尽量不用com，速度慢、容易卡死。

2. 开发原则

输入输出分离：原始文件放input，生成结果输出到output，绝不修改原始源文件。
参数外部化：文件路径、报表名称、邮箱账号不要硬编码，写到配置文件config.ini / json。
日志！日志！日志，使用python标准库logging。自动化脚本半夜出错，没有日志完全不知道哪里崩了。
增加异常捕获 try‑except：文件找不到、单元格为空、格式错误要捕获，输出明确错误信息，不要直接崩溃。
小步迭代：先跑通一个样例文件，再批量处理全部文件。

示例简单日志模板

import logging
logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s - %(levelname)s - %(message)s",
    handlers=[logging.FileHandler("run.log",encoding="utf‑8"),logging.StreamHandler()]
)

三、高频踩坑点

com组件（pywin32）坑点
- 脚本异常退出时Excel/Word进程残留在后台，任务管理器一堆EXCEL.EXE，占用文件锁。
  ✅解决：必须try‑finally保证关闭app、quit，释放COM对象。
```
import win32com.client
excel = None
try:
 excel = win32com.client.Dispatch("Excel.Application")
 excel.Visible = False
 #业务代码
finally:
 if excel:
     excel.Quit()
```
文件被占用报错：脚本运行时不要手动打开被操作的Excel。
pandas丢失样式：pandas保存会抹掉全部单元格格式，如果需要保留原有格式，不要用pandas写回原文件，改用openpyxl。
PDF扫描件不能提取文字：必须OCR，普通pdf库无效。
中文乱码：读写csv指定encoding="utf‑8‑sig"，Windows办公软件打开不乱码。

路径不要写死 C:\xxx，用pathlib做跨平台路径，避免反斜杠转义问题。

from pathlib import Path
BASE = Path(__file__).parent
input_dir = BASE / "input"
output_dir = BASE / "output"
output_dir.mkdir(exist_ok=True) #不存在自动创建

四、脚本交付给非技术同事使用

同事不会装Python环境，两种方案：

使用pyinstaller打包exe，把脚本打包成独立可执行程序。
注意：打包com组件程序体积巨大；尽量把输入输出放到exe同级目录。
```
pyinstaller -F -w main.py
```
-F单文件；‑w运行不弹出黑控制台窗口；调试阶段不要加‑w，看不到报错。
如果条件允许，部署在服务器，做成简单Web界面：用Gradio / Streamlit，同事打开浏览器就能运行自动化脚本，不用安装任何东西。强烈推荐给业务部门，维护最简单。

五、什么时候不建议用Python做？

简单少量任务：每月1次，文件极少，写Python的时间比手动还久，不如手动。
极度复杂Office文档：大量VBA宏、复杂动态图表、域、复杂排版，用VBA更适配。
高并发多人协同编辑，Python不适合，优先用企业低代码、在线表格。

六、学习路线建议

基础：掌握pathlib、csv、logging基础工具；
高频：openpyxl + pandas处理Excel报表，这是办公自动化80%场景；
进阶：PDF提取表格、自动发邮件；
高阶：Playwright网页自动化、pywin32com操控Office；
工程化：配置文件、日志、异常、打包exe/Streamlit网页。

七、简单示例小模板（批量读取excel输出新表）

from pathlib import Path
from openpyxl import load_workbook

base = Path(__file__).parent
wb = load_workbook(base/"input"/"数据.xlsx")
ws = wb.active

for row in ws.iter_rows(min_row=2,values_only=True):
    name,value = row[0],row[1]
    print(name,value)

wb.save(base/"output"/"结果.xlsx")
wb.close()

用 Python 实现办公流程自动化有什么建议？