在日常辦公中，經常免不了和Excel打交道，每次手工處理數據，稍微不細心點。數據可能就出錯了。而且重復的任務又會占據大量的工作時間。那有沒有辦法可以解決這些問題呢？

今天介紹一種方法，可以解決日常工作的重復工作，節省時間，從而優化自己工作。今天說的就是通過Python語言的selenium+numpy+js+pandas庫。完成自動化辦公。

首先，需要通過Python+Selenium+Js 封裝一個函數get，用于在公司管理平臺下載各類所需的數據表(如果數據是直接以excel提供，則忽略此步驟)。自動化辦公目錄圖片如下：

123456.png

封裝的數據獲取的get函數：

from selenium import webdriver

import time,random

import json,os

from selenium.webdriver.support.select import Select

import cv2

'''封裝函數，自動登錄 //*[@id="img"]驗證碼xpath'''

class cook:

def __init__(self):

self.driver = webdriver.Chrome()

self.driver.implicitly_wait(120)

try:

self.cook_login()

time.sleep(3)

if self.driver.title != '需求管理平臺':

print('cookie login fail')

'''彈出框處理#send_keys(Keys.ENTER)'''

self.driver.switch_to.alert.accept()

except:

time.sleep(2)

self.driver.delete_all_cookies()

self.driver.get('url')

self.login()

self.cookies_write()

#cookies寫入，從而每次調用可以跳過驗證碼

def cookies_write(self):

dictCookies = self.driver.get_cookies()

jsonCookies = json.dumps(dictCookies)

os.remove('C:/Users/lenovo/Downloads/cookies4.json')

time.sleep(2)

with open('C:/Users/lenovo/Downloads/cookies4.json', 'w') as f:

f.write(jsonCookies)

print(type(jsonCookies),jsonCookies)

print('收集完成cookie')

'''

:param 賬號密碼

'''

def login(self,user='賬號',pwd='密碼'):

time.sleep(1.5)

self.driver.find_element_by_id('j_username').send_keys(user)

time.sleep(1)

self.driver.find_element_by_id('j_password').send_keys(pwd)

# img_yzm = self.driver.find_element_by_xpath('//*[@id="img"]')

# img_yzm.screenshot(r'D:\360MoveData\Users\lenovo\Music\Desktop\yzm.jpg')

# time.sleep(1)

# image1 = cv2.imread(r'D:\360MoveData\Users\lenovo\Music\Desktop\yzm.jpg')

# cv2.imshow('image', image1)

# cv2.waitKey(0)

# cv2.destroyAllWindows()

code = input('\n請輸入驗證碼：')

self.driver.find_element_by_id('code').send_keys(code)

log_in = self.driver.find_element_by_xpath("//input[@value='登錄']")

log_in.click()

while self.driver.title == '首頁登錄':

self.login()

def cook_login(self):

with open('C:/Users/lenovo/Downloads/cookies4.json', 'r') as f:

#, encoding='utf-8')

listCookies = json.loads(f.read())

self.driver.get('http://iimp.sh.cmcc/rip/login.do')

self.driver.delete_all_cookies()

for i in listCookies:

self.driver.add_cookie(i)

self.driver.get('http://iimp.sh.cmcc/rip/chaxun.do')

self.cookies_write()

''':return 網址dict'''

#返回各類數據的一個字典，從而可以通過鏈接進行下載

def back(self):

report_list = []

for link in self.driver.find_elements_by_xpath("//*[@id='sf-menu2']/li/a"):

herf = link.get_attribute('href')

text = link.get_attribute('text')

lis1 = [text, herf]

report_list.append(lis1)

report_list = dict(report_list)

return report_list

'''更改時間

:param form H5標簽的id

:param t 更改的時間'''

def alter_time(self,form, t):

js = "document.getElementById('%s').removeAttribute('readonly');" % form

self.driver.execute_script(js)

js_value = "document.getElementById('%s').value='%s'" % (form, t)

self.driver.execute_script(js_value)

'''導出報表函數'''

def report(self,name,start,end):

report_list = self.back()

if name == '政企業務需求報表':

self.driver.get(report_list['政企業務需求報表'])

self.driver.find_element_by_xpath(

'//*[@id="bd"]/div[1]/div[2]/table/tbody/tr/td/table/tbody/tr/td/input').click()

elif name == '政企KPI跟蹤報表':

self.driver.get(report_list['政企KPI跟蹤報表'])

self.driver.find_element_by_xpath(

'//*[@id="bd"]/div[1]/div[2]/table/tbody/tr/td/table/tbody/tr/td/input').click()

time.sleep(3)

elif name == '需求確認時間查詢報表':

self.driver.get(report_list['需求確認時間查詢報表'])

self.alter_time('confirmTimeStart', start)

self.alter_time('confirmTimeEnd', end)

self.driver.find_element_by_xpath('// *[ @ id = "export"]').click()

elif name == 'PATCH計劃':

self.driver.get(report_list['PATCH計劃'])

self.alter_time('planTimeStart', start)

self.alter_time('planTimeEnd', end)

self.driver.find_element_by_xpath(

'//*[@id="bd"]/div/div[2]/table/tbody/tr/td/table/tbody/tr[10]/td/input[2]').click()

elif name == '業支廠商工時報表':

self.driver.get(report_list['業支廠商工時報表'])

self.alter_time('planTimeStart', start)

self.alter_time('planTimeEnd', end)

self.driver.find_element_by_xpath(

'//*[@id="bd"]/div/div[2]/table/tbody/tr/td/table/tbody/tr[2]/td/input[2]').click()

elif name == '測試進度報表':

self.driver.get(report_list['測試進度'])

self.alter_time('planTimeStart', start)

self.alter_time('planTimeEnd', end)

time.sleep(1)

self.driver.find_element_by_xpath('//*[@id="testPerson"]').clear()

self.driver.find_element_by_xpath(

'//*[@id="bd"]/div/form/div[1]/table/tbody/tr/td/table/tbody/tr[3]/td/input[2]').click()

elif name == '缺陷工單修復時長報表':

self.driver.get(report_list['缺陷工單修復時長報表'])

self.alter_time('planOnlineTimeStart', start)

self.alter_time('planOnlineTimeEnd', end)

self.driver.find_element_by_xpath(

'//*[@id="bd"]/div/div[2]/table/tbody/tr/td/table/tbody/tr[5]/td/input[2]').click()

elif name == '需求查詢':

self.driver.get(report_list['需求查詢'])

self.alter_time('time', start)

self.alter_time('time1', end)

'''下拉選框選擇'''

Select(self.driver.find_element_by_xpath("//select[@id='remandType']")).select_by_visible_text('業務支撐')

time.sleep(2)

Select(self.driver.find_element_by_xpath("//select[@id='secondSelect']")).select_by_visible_text('集團下發')

self.driver.find_element_by_xpath("//*[@name='importBtn']").click()

elif name == '敏捷工時統計報表':

self.driver.get(report_list['敏捷工時統計報表'])

self.alter_time('planTimeStart', start)

self.alter_time('planTimeEnd', end)

self.driver.find_element_by_xpath('//*[@id="bd"]/div[1]/div[2]/table/tbody/tr/td/table/tbody/tr[4]/td/input[2]').click()

else:

print('發生錯誤，請檢查判斷條件')

def quit(self):

self.driver.quit()

準備工作完成后，然后利用Pandas對表格進行處理，處理數據的步驟：讀取、排序、篩選、去重、計算時間差、透視表、交叉表，刪除數據、時間修改以及excel的函數：計算首次上線、計算上線次數、計算最后一次上線等等。

以一個每日任務代碼為例，代碼如下：

'''政企KPI任務報表'''

from control.common.get import cook

from control.common import demand

import time, os, datetime

import pandas as pd

import warnings

warnings.filterwarnings('ignore')

# 每次記得更新時間

start = '2020-01-01'

end = '2021-01-31'

'''政企任務的報表下載'''

report1 = cook()

report1.report('PATCH計劃', start, end)

report1.report('政企業務需求報表', start, end)

report1.report('政企KPI跟蹤報表', start, end)

time.sleep(3)

#定義需要剔除考核的工單列表

zq_data = [政企工單列表]

sj_data = [數據工單列表]

#創建，處理后數據的導出路徑

t1 = demand.ltime(0)

t1path = r'D:\數據統計\12.政企KPI日報/' + t1

if not os.path.exists(t1path):

os.makedirs(t1path)

os.chdir(t1path)

def clean():

time.sleep(2)

#數據讀取

data1 = pd.read_excel(r'C:\Users\lenovo\Downloads\政企業務需求報表.xls')

data2 = pd.read_excel(r'C:\Users\lenovo\Downloads\PATCH計劃2.xls')

df1 = data1.copy()

df1.index = df1['工單編號']

#數據排序和計算

df1.sort_values(by=['工單編號', '上線時間'], inplace=True, ascending=True)

df1['外部工時'][df1['是否重復'] == '是'] = df1[df1['是否重復'] == '是']['外部工時'] / 2

'''刪除指定的工單'''

for i in zq_data:

demand.drop_data(df1, i)

'''修改時間'''

df1.loc[工單編號1, '上線時間'] = '2018-04-24'

df1.loc[工單編號2, '上線時間'] = '2018-03-30'

df1.loc[工單編號3, '創建時間'] = '2018-06-12'

df1.loc[工單編號4, '創建時間'] = '2018-06-12'

df1.loc[工單編號5, '創建時間'] = '2018-06-28'

#更改值為時間格式

df1['需求確認'] = pd.to_datetime(df1['需求確認']) # ,format='%Y-%m-%d')

df1['到達時間'] = pd.to_datetime(df1['到達時間'])

df1['上線時間'] = pd.to_datetime(df1['上線時間'])

lst = df1[df1['到達時間'].isnull()].工單編號.unique().tolist()

print(lst)

#替換指定工單時間

for i in lst:

df1.loc[i]['到達時間'] = df1.loc[i]['需求確認'] - datetime.timedelta(2)

df1.loc['政企-2018-17184', '到達時間'] = pd.to_datetime('2018-12-08')

# 修改時間為年-月-日 去除時分秒

df1['需求確認'] = df1['需求確認'].apply(lambda x: x.strftime('%Y-%m-%d'))

df1['到達時間'] = df1['到達時間'].apply(lambda x: x.strftime('%Y-%m-%d'))

df1['上線時間'] = df1['上線時間'].apply(lambda x: x.strftime('%Y-%m-%d'))

df2 = data2.copy()

df2.index = df2['工單編號']

df2['計劃上線時間'] = pd.to_datetime(df2['計劃上線時間'])

df2.sort_values(by='計劃上線時間', inplace=True, ascending=True)

#計算最后一次上線工單

df2 = df2.groupby('工單編號').last()

df2['計劃上線時間'] = df2['計劃上線時間'].apply(lambda x: x.strftime('%Y-%m-%d'))

# 篩選出指定部門的工單

df2 = df2[df2['提出部門'].str.contains('數據業務中心') | df2['提出部門'].str.contains('產品運營支撐中心') | df2['提出部門'].str.contains('客戶響應與產品運營中心')]

# 篩選出指定需求負責人的工單,后期用字典實現篩選

df2 = df2[df2['需求負責人'].str.contains('name1') | df2['需求負責人'].str.contains('name2') |

df2['需求負責人'].str.contains('name3') | df2['需求負責人'].str.contains('name4') |

df2['需求負責人'].str.contains('name5') | df2['需求負責人'].str.contains('name6') |

df2['需求負責人'].str.contains('name7') | df2['需求負責人'].str.contains('name8') |

df2['需求負責人'].str.contains('name9') | df2['需求負責人'].str.contains('name10') |

df2['需求負責人'].str.contains('name11') | df2['需求負責人'].str.contains('name12')]

# 刪除指定的行

for i in sj_data:

try:

demand.drop_data(df2, i)

except:

print('無法刪除的行:%s' % i)

df2['工單編號'] = df2.index

data3 = pd.read_excel(r'D:\360MoveData\Users\lenovo\Music\Desktop\svn\政企KPI日報.xlsx')

data3.index = data3['工單編號']

a = data3[data3.index.str.contains('數據')][['需求確認', '到達時間']]

a['需求確認'] = pd.to_datetime(a['需求確認'])

a['到達時間'] = pd.to_datetime(a['到達時間'])

a['需求確認'] = a['需求確認'].apply(lambda x: x.strftime('%Y-%m-%d'))

a['到達時間'] = a['到達時間'].apply(lambda x: x.strftime('%Y-%m-%d'))

#兩張數據表合并

df2 = pd.merge(df2, a, left_index=True, right_index=True, how='left')

concat2 = df2[['工單編號', '工單名稱', '工單簡介', '創建人', '需求負責人', '創建時間', '需求確認', '計劃上線時間', '到達時間']]

#修改列名

concat2.rename(columns={'計劃上線時間': '上線時間', '工單簡介': '簡介'}, inplace=True)

df = pd.concat([df1, concat2])

#數據排序，后期用insert插入方式實現

df = df[['工單編號', '工單名稱', '簡介', '創建人', '需求負責人', '創建時間', '需求確認', '上線時間', '到達時間',

'期望上線時間', '需求期望上線時間', '到達總控時間', '一級總控拆分', '來源部門', '工單大類', '工單類型',

'一級業務標簽', '二級業務標簽', '一級指標庫標簽', '二級指標庫標簽', '三級指標庫標簽', '上線次數', '外部工時',

'是否重復']]

print('數據已經處理完成，正在導出中……')

os.chdir(r'D:\360MoveData\Users\lenovo\Music\Desktop')

# 寫入Excel，并導出

shet = pd.ExcelWriter('政企KPI日報.xlsx')

df.to_excel(shet, sheet_name='政企KPI報表', index=False)

df1.to_excel(shet, sheet_name='政企需求表')

df2.to_excel(shet, sheet_name='patch計劃表')

shet.close()

print('本次政企據共%i條' % len(df1))

print('本次數據共%i條' % len(df2))

print('本次政企日報數據共%i條' % len(df))

print('\n在' + time.strftime('%Y-%m-%d %H:%M:%S', time.localtime()) + '分，導出處理后數據')

通過自動化，以前每次一小時左右完成的數據處理任務，現在只需要幾分鐘就可以完成。而且自動化處理的數據準確性高，防止手工操作可能由于一些原因導致數據的不準確性。自動化省出來工作時間，從而可以用于繼續封裝其他任務，提高整體效率。從而進入一個良性循環，低成本，高回報。

總結

以上是生活随笔為你收集整理的python自动化办公知识点整理汇总_python自动化办公小结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。