9个Python自动化神器：让我感觉自己像个黑客！

凌晨两点，运营又甩过来一个包：3000 个用户目录，按日期归档，顺手把异常日志挑出来，再补一份 Excel。 这种活儿你要是手点，点到天亮都未必完。 但 Python 一上，味道就变了。不是会不会写业务的问题，是很多脏活一旦自动化，整个人都会产生一种“我是不是偷偷开挂了”的错觉。

先说清楚，这里不整那种教材味的 demo。都是平时真能落地的东西。

1. pathlib：文件路径这事，别再手搓字符串了

我现在看到有人还在写 "C:\\a\\b\\" + name，第一反应就是这代码后面八成还有坑。

from pathlib import Path

base = Path("/data/order_logs")
today_dir = base / "2026-03-18"

for f in today_dir.glob("*.log"):
if f.stat().st_size == 0:
        print("空日志:", f.name)

这个东西最大的好处不是“优雅”，是少出错。路径拼接、遍历、过滤，顺手就做了。

2. shutil：批量搬文件，真比手拖稳

归档、备份、迁移，这种操作最怕漏文件、覆盖错目录。

import shutil
from pathlib import Path

src = Path("/data/report")
bak = Path("/data/report_bak")

bak.mkdir(exist_ok=True)

for f in src.glob("*.xlsx"):
    target = bak / f"{f.stem}_bak{f.suffix}"
    shutil.copy2(f, target)

copy2 会尽量保留文件时间这些元信息。你别小看这个，很多排查现场最后就靠时间戳对链路。

3. requests：接口活，全靠它续命

批量调接口、补数据、重试失败任务，十次里有八次离不开它。 我一般不会上来就并发轰，先把 session、超时、重试想清楚。

import requests

session = requests.Session()
session.headers.update({"X-Token": "test-token"})

users = [1001, 1002, 1003]
for uid in users:
try:
        resp = session.get(
f"https://api.example.com/user/{uid}",
            timeout=3
        )
        print(uid, resp.status_code, resp.text[:60])
except requests.RequestException as e:
        print("请求失败", uid, e)

超时一定要带。线上那种“脚本跑着跑着没声了”，很多就是卡死在这里。

4. schedule：轻量定时任务，够用得很

不是所有活都值得上 Airflow。 有些脚本就是每天 9 点跑一下，把昨天失败单捞出来重试，schedule 已经够了。

import schedule
import time

defretry_failed_orders():
    print("开始补偿失败订单...")

schedule.every().day.at("09:00").do(retry_failed_orders)

whileTrue:
    schedule.run_pending()
    time.sleep(1)

小团队里，这种东西很实用。别一上来就把架子搭得像航天工程。

5. subprocess：该调系统命令的时候别硬写

有些活，shell 本来就更顺手。 比如 grep 日志、压缩文件、调用已有脚本，Python 负责编排，系统命令负责干脏活。

import subprocess

cmd = "grep 'ERROR' /data/app.log | tail -n 20"
result = subprocess.run(cmd, shell=True, capture_output=True, text=True)

print(result.stdout)

这玩意儿特别适合排障脚本。 我一般会拿它先把现场证据抠出来，再决定要不要继续分析。

6. re：日志清洗就别假装不用正则

日志里最烦的不是多，是脏。 你要从一坨文本里抓订单号、IP、traceId，不上正则纯属给自己找事。

import re

line = '2026-03-18 10:11:22 ERROR traceId=9fa21 orderId=A20260318001 timeout'
m = re.search(r"traceId=(\w+).*orderId=([A-Z0-9]+)", line)

if m:
    print("traceId:", m.group(1))
    print("orderId:", m.group(2))

正则不用搞太花，够准就行。 现场脚本最怕炫技，能抓到值比写得漂亮重要。

7. csv / openpyxl：表格活，别再复制粘贴了

很多“数据处理”其实没什么技术含量，就是重复。 把日志筛出来，吐成 Excel 给运营、测试、财务，他们立刻就能用。

from openpyxl import Workbook

rows = [
    ["order_id", "status", "remark"],
    ["A1001", "fail", "支付超时"],
    ["A1002", "success", ""],
]

wb = Workbook()
ws = wb.active
ws.title = "result"

for row in rows:
    ws.append(row)

wb.save("order_result.xlsx")

这种脚本写一次，后面你就不想再手工整理表格了。

8. concurrent.futures：批量 I/O 提速很明显

批量请求接口、扫描文件、检查端口，这种 I/O 型任务串行跑太亏。

from concurrent.futures import ThreadPoolExecutor
import requests

defcheck(url):
try:
        r = requests.get(url, timeout=2)
return url, r.status_code
except Exception:
return url, "DOWN"

urls = [
"https://a.example.com/health",
"https://b.example.com/health",
"https://c.example.com/health",
]

with ThreadPoolExecutor(max_workers=5) as pool:
for item in pool.map(check, urls):
        print(item)

线程数别瞎拉满。你是做检查，不是做压测。这个边界感，很多脚本作者没有。

9. watchdog：盯目录，自动触发

这个很像“埋伏”。 目录里只要新文件一落地，脚本立刻处理，特别适合导入、转码、上传这种场景。

from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler
import time

classNewFileHandler(FileSystemEventHandler):
defon_created(self, event):
ifnot event.is_directory:
            print("发现新文件:", event.src_path)

observer = Observer()
observer.schedule(NewFileHandler(), "/data/incoming", recursive=False)
observer.start()

try:
whileTrue:
        time.sleep(1)
finally:
    observer.stop()
    observer.join()

很多人把自动化理解成“定时跑”。 其实更狠的是“事件一来，马上动”。

说到底，Python 自动化最爽的地方，不是代码短，也不是库多。 而是你会越来越懒得重复劳动。