python办公自动化，看完这一篇就够了！_python的自动化办公(3)-CSDN博客

本文链接：https://blog.csdn.net/2401_84140519/article/details/138986458

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

在这里插入图片描述

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

在这里插入图片描述

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

在这里插入图片描述

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

在这里插入图片描述

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

在这里插入图片描述

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

import sqlite3conn = sqlite3.connect('database.db')

其中 database.db 就是一个普通文件，如果没有，会自动创建一个。

有了链接，就可以执行数据库操作了，比如创建一个库表,插入数据：

# 创建一个游标cur = con.cursor()# 执行SQl 语句创建库表cur.execute('''CREATE TABLE stocks (date text, trans text, symbol text, qty real, price real)''')# 向库表中插入数据cur.execute("INSERT INTO stocks VALUES ('2006-01-05','BUY','RHAT',100,35.14)")# 提交更改结果con.commit()# 关闭链接con.close()

因为需要频繁地操作数据库，所以将这些操作写成一个类：

class DBSqlite:    def \_\_init\_\_(self, db):        super().__init__()        self.db = db        self._conn = None    def \_\_del\_\_(self):        if self._conn:            self._conn.close()            def \_get\_conn(self):        if not self._conn:            self._conn = sqlite3.connect(self.db)            self._conn.row_factory = sqlite3.Row        return self._conn    def \_query(self, sql):        conn = self._get_conn()        cur = conn.cursor()        rows = []        for row in cur.execute(sql):            rows.append(row)        cur.close()        return rows    def de(self, sql):        conn = self._get_conn()        cur = conn.cursor()        for s in sql.split(";"):            cur.execute(s)        conn.commit()        cur.close()        return True    def insert(self, table, rows):        conn = self._get_conn()        cur = conn.cursor()        cur.executemany("insert into %s values (%s)" % (table, ("?,"\*len(rows[0]))[:-1]), rows)        conn.commit()        cur.close()        return True    def query(self, sql):        conn = self._get_conn()        cur = conn.cursor()        cur.execute(sql)        rows = cur.fetchall()        cur.close()        return rows

封装了基本操作，de 为执行一个数据库操作，insert 为插入数据，query 执行一个查询
需要注意的是 _get_conn 中的 self._conn.row_factory = sqlite3.Row 语句，作用时执行查询后，返回的结果会被转化为 sqlite.Row 对象，以便通过字段名来读取值，详细参加 row_factory[3]。

处理好基础数据，也有了数据库工具，就可以开始构建系统了。

结构设计

系统再小，也需要先从结构设计入手。

这个系统只是单机版（实际上可以做 Web 扩展，下篇展开），所以省去了网络和 API 设计，直接从库表设计开始。

首先分析业务。

训练营的运营数据包括，打卡数据，开单数据，组长日常工作，以及成员积分（通过积分规则，再自动核算部分展开）。

另外，成员有职务之分：普通成员和组长。规则是：组长可以作为普通成员，普通成员不能作为组长。

那么人员库表中，加入了职务，和组别，以便区分人员角色：

[图片上传失败…(image-d0fe1e-1649679796363)]

人员表

mixin_id 是用户注册App的id
std_id 为打卡系统的id
team 为小组名
title 为职务

然后设置一个活动类型表，并指定活动与职务的关系：

[图片上传失败…(image-43e240-1649679796363)]

活动表

type 为活动类型
value 为活动积分
tilte 为该活动对于的职务

接下来就是活动记录表了，由于已经定义了活动与职务的对于关系，所以，活动记录表中，只需记录活动类型即可：[图片上传失败…(image-9db191-1649679796363)]

mixin_id 为用户id，std_id 其实是没必要的，不过录入打卡记录时顺带记录了
date 为活动发生的日期
type 为活动内容

如果同一个人同一天同一个活动出现多次，就会有重复记录，那么如何区分是否真的重复呢？在数据收集中展开。

除了基本的数据结构，还有积分统计明细和积分合计表，这里不再赘述，会在核算部分提及。

数据收集

现在数据框架有了，数据从何而来呢？

这个训练营的数据主要来自两个地方，第一是打卡数据，第二是日常记录数据。

打卡数据由鲸打卡提供，可以在浏览器中查看，并且提供了导出打卡 Excel 的功能。

不过操作比较麻烦：首先登录后台（用微信扫码登录），再先选择导出条件（一般为时间区间），下载Excel，然后打开 Excel，才能复制其中的打卡信息，存入文本文件，最后才能执行脚本处理。

好问题：
为什么不直接处理 Excel 呢？

因为Excel 处理需要安装额外库，也没有文本文件处理方便。
另外未来考虑做成 Web 系统，所以没有做 Excel 的进一步扩展。

不选择导出，就得用程序请鲸鱼打卡上抓取了。

所以就研究了下打开管理后台的请求，分析了一下，请求中有个 cookie 值是关键，于是，复制请求，转化为 Python 代码，详细描述见自动预约程序

收集到的数据是 JSON 格式的，将其转化为 List，插入数据库：

def record\_check(rows):    dbrows = []    for row in rows:        u = get_user(std_id=int(row[0]))        if u:            if row[2] != "×":                dbrows.append((u['mixin\_id'], u['std\_id'], row[1], "打卡", 1, row[2], None))        else:            print("没有找到用户：", row)    if len(dbrows) > 0:        db.insert("tprj\_activity", dbrows)    return dbrows

record_check 方法是用来记录打开记录的，参数 rows 是从打开后台抓取的数据
get_user 是可以根据打卡用户的 id，从用户表中找到用户记录，然后结合打卡记录，补全打卡记录
db 是上面提到的 DBSqlite 的一个实例，调用其 insert 方法将数据插入数据库

日常记录，需要根据训练营中的实际情况做记录，比如成员开单，组长轮值等，记录在 Excel 中比较方便。每日统计一次，所以我直接将数据复制处理，也存放到文本文件中，用程序解析成记录行，插入库表，展示一下解析方法：

def merge\_activity(datafilename):    rows = []    with open(datafilename, 'r', encoding='utf-8') as check_f:        data = {}        for line in check_f:            linedata = line[:-1].split('\t')            date = linedata[0].replace("/","-")            userinfo = linedata[1].split("/")            team = userinfo[0]            name, mixin_id, std_id = userinfo[1].split('-')            atype = linedata[2]            rows.append((mixin_id, date, atype))    ...

可以看到，通过读入文本行，再拆分成对于字段，合成活动记录。

这样两个数据收集工作就做好了，这里还需要解决一个问题 —— 避免数据重复。

容易想到的方法是，为数据设置联合主键，然后对数据做增量式更新。

但是这样做需要做更多的工作，而且还要很好的测试。

从业务上分析可知：活动数据并不多，学员个数不过一百。

那么不妨每次重算！？

即每次执行时，先库表数据删除，然后重新插入一遍。

虽然效率了不高，也算是用框架换时间吧，换的不出机器时间，而是我的工作时间哈哈。

自动核算

数据统计收集完毕，就需要根据活动积分，计算每个人的积分明细合计。

既然我们选用了数据库，就直接用 Sql 语句搞定吧。

相对程序处理来说，Sql 更容易做统计类的事情。

统计普通成员积分明细的语句如下：

INSERT INTO tprj_user_score_detail SELECT a.mixin_id, sum(s.value), u.team, '成员', a.date FROM    tprj_activity a    LEFT JOIN tprj_user u ON a.mixin_id = u.mixin_id    LEFT JOIN tbas_score s ON a.type = s.type WHERE s.title = '成员' GROUP BY    a.mixin_id,    u.team,    u.title,    a.date

查询所有职务属于 成员 的活动积分，插入成员积分明细表
tprj_activity 为活动记录表，与 tprj_user 用户表链接，然后再链接上活动表 tbas_score，作用是对活动类做约束
where 条件中，限制活动类型必须为 成员 活动
sum(s.value) 为一个成员的当日积分合计，日期 体现在 group by 的条件中了

类似的需要写很多统计语句，比如组长的，小组的，以及各自的积分合计，不再逐个展示了。

由于 sql 语句较多，为了便于管理，将 sql 语句整理到 sql.py 文件中，在导入主程序代码，最后调用 DBSqlite 工具方法执行，例如：

import sql...db.de(sql.user_score_detail)...

是不优雅多了？

打卡率是通过统计活动记录计算的：

def cal\_check\_rate():    ## 计算打卡率    team_member = {}    for r in db.query(sql.team_member_count):        team_member[r['team']] = r['mcount']    dbrows = []    for r in db.query(sql.team_check_count):        dbrows.append((r['team'], r['date'], round((r['checkcount']/team_member[r['team']])\*100)))    if len(dbrows) > 0:        db.insert("tprj\_team\_check\_rate", dbrows)    return dbrows

team_member_count 语句语句获取各组的人数，因为可能有人没有注册打卡。只通过打卡记录获取组内人数，不严谨。
team_check_count 语句是按组和日期分类核算出的组打卡数
打卡率公式为：（打卡个数/组内人数） * 100%
将计算好的打卡率，按日期存入 dbrows，最后插入数据库

这里还需要注意的是重复数据问题，处理方法简单粗暴：

全部清除重算

其他数据处理也类似。

报表导出

数据处理做好了，要让发挥数据的作用，就需要制作成报表，才能让其他人利用。

本着一切从简的原则（主要是需要尽快提供结果），选择也 Excel 呈现统计结果。

要输出哪些内容呢？

打卡率、成员积分、组排名等，是需要的。

对于打卡率，需要按组分类，这样就有读出小组成员的作用，如何抽取数据呢？

写个 Sql 就好了, 获取打卡率的语句 check_rate_show 如下：

SELECT 
    date,
    max(case when team ='1组' then rate else 0 end) as '1组',
    max(case when team ='2组' then rate else 0 end) as '2组',
    max(case when team ='3组' then rate else 0 end) as '3组',
    max(case when team ='4组' then rate else 0 end) as '4组',
    max(case when team ='5组' then rate else 0 end) as '5组'
FROM tprj_team_check_rate
GROUP BY date

tprj_team_check_rate 是用于按组和日期存放打卡率
select 语句中，使用了行转列的技巧，使得结果为第一列为日期，后面列为各个组，这样是为了绘制成图表方便

其实结果可以导入 Excel ，生成报表，更方便一些，但是我没这样做，因为：

操作 Excel 比较费劲，调试工作量大
我有更大的打算，即最终实现为在线版的，所以花费大量时间不值得

因此我直接将数据输出到文本文件里了。

例如对打卡率的输出是这样的：

def show\_check\_rate():
    data = db.qj(sql.check_rate_show)
    result = []
    # 处理表头
    line = '\t'.join(data[0].keys()) + "\n"
    result.append(line)

    # 生成表头
    for d in data:
        row = []
        for k in d.keys():
            if k != 'date':
                row.append(str(d[k]) + "%")
            else:
                row.append(d[k])
        line = '\t'.join(row) + "\n"
        result.append(line)
    result.append('\n')
    return result

check_rate_show 执行 Sql 获得数据
从数据中获取表头信息，做成一行记录，请注意字段的分隔为 tab 符，这样是为了方便直接粘贴到 Excel 中
取出数据中的每一行，做成表体数据行
最后再加入一个回车，这是为了和其他的输出分隔开

方法执行的结果，写入文本文件：

filename = "result\_%s.txt" % today.strftime("%Y-%m-%d %H\_%M\_%S")
with open(filename, 'w', encoding='utf-8') as r:
    r.writelines(show_check_rate()) # 打卡率
    r.writelines(show_member_score()) # 成员积分
    ...

filename 为要写入的文本文件，这里利用当前时间作为文件名，是为了不重复
打开文件，用 writelines 方法将返回的行写入文件中
这里还可以调用其他产生输出方法，将结果写入文件

最后，文件中数据如下：

date    1组  2组  3组  4组  5组
2021-08-01  65% 90% 79% 85% 72%
2021-08-02  75% 90% 79% 85% 67%
2021-08-03  55% 90% 84% 75% 67%
2021-08-04  60% 95% 74% 75% 61%

复制到 Excel 的图表数据中就会形成打卡率图表：