Python 办公自动化常用代码段

打开文件夹，选择路径

import tkinter as tk
from tkinter import filedialog

"""打开文件夹，获取文件夹路径"""
def open_file():
    root = tk.Tk()
    root.withdraw()

    path = filedialog.askdirectory()
    print('\n获取的文件夹地址 %s' %path)

    return path

循环遍历文件夹中的文件

import os

path ='路径'
filelist = [] #文件列表

for file in os.listdir(path):
    filename,extname = os.path.splitext(file)
    """
    file: 文件名 test.txt
    filename: 文件名前缀 test
    extname:文件名后缀 .txt
    """
    
    filelist.append(file)
    

进阶-遍历改路径下的所有文件(递归)

import os 

path = '路径'
pathbak = path #设置根目录路径
filenamelist = [] #定义

def read(path):
    for file in os.listdir(path):
        pathname = os.path.join(path,file)
        #判断改路径指定的是文件夹还是路径
        if os.path.isdir(pathname):
            #如果是文件，递归调用函数
            read(pathname)
        else:
            #如果是文件，则加入list中
            #去掉根目录路径，或得文件相对路径
            print(pathname.replace(pathbak,''))
            filenamelist.append(pathname.replace(pathbak,''))

重命名文件

import os 

#oldname 文件旧名称
#newname 文件新名称
#path 文件所在路径
def renamefile(oldname,newname,path):
    
    oldfilepath = os.path.join(path,oldname) #旧名称
    newfilepath = os.path.join(path,newname) #新文件
    
    #重命名
    os.rename(oldfilepath,newfilepath)

复制文件到指定路径

import os
import shutil


"""
复制文件到指定路径 srcpath 文件所在文件夹路径,dist 目的文件夹路径 filename 文件名称
"""
def copyVersionFile(srcpath,distpath,filename):
    
    #文件所在路径文件
    srcFilePath = os.path.join(srcpath,filename)
    #目的路径文件
    dstFilePath = os.path.join(dispath,filename)
    
    #如果该路径不存在，则创建文件夹
    if not os.path.exists(distpath):
        os.makedirs(distpath)

    #如果源文件存在，则开始复制
    if os.path.exists(srcFilePath):
        shutil.copyfile(srcFilePath,dstFilePath)

读取excel文件

import pandas as pd

#读取excel表格转为DataFrame

#sheet_name 为指定工作簿，可以用 索引 0 表示指定第一个工作簿，也可以用 'sheet1' 指定
#header None 表示不带第一行
#usecolds="A,D,K" 表示取 A，D，K列数据
df = pd.read_excel(r'D:\Desktop\测试\表格.xlsx',sheet_name=0,header=None,usecols="A,D,K")


#删除指定行列
""" drop()函数用于删除指定行、列，同时可以删除多行，多列"""
df.drop(labels=2,axis=0,inplace=True)

#删除含有NaN值的所有行
#默认 axis=0
df.dropna(how="any",inplace=True)