1. 项目概述为什么“第三版”不是简单的数字叠加“Python 自动化指南繁琐工作自动化第三版二十六”这个标题乍看像是一本教材的普通章节编号但背后藏着一个被绝大多数初学者忽略的关键信号它标志着自动化实践已从“能用”走向“稳用”与“长用”的分水岭。我在一线带过上百个自动化项目从财务部的发票核对脚本到电商公司的竞品价格监控系统再到制造业的设备日志分析流水线所有真正落地、持续运行超过一年的项目无一例外都经历过至少两次以上的重大重构——这正是“第三版”的真实含义它不是版本号的简单递增而是对前两版中所有“看似能跑、实则脆弱”的设计缺陷的一次系统性清算。核心关键词“Python”、“自动化”、“繁琐工作自动化”共同指向一个明确的用户画像非专业程序员但有明确业务痛点的职场人。他们不需要构建高并发Web服务也不关心算法复杂度他们只关心一件事明天早上九点前那份该死的销售日报能不能自动生成并邮件发给老板而“第三版”之所以重要是因为它直面了前两版最致命的软肋——稳定性缺失与维护成本黑洞。第一版教会你用requests下载网页第二版教你用openpyxl写Excel但到了第三版它才真正告诉你当服务器半夜断网、当目标网站突然改版、当Excel模板被行政同事“优化”了一次你的脚本是直接崩溃报错还是优雅降级、发一封告警邮件、并继续处理完手头已下载的数据这才是区分“玩具脚本”和“生产工具”的唯一标尺。“二十六”这个序号也绝非随意。它暗示着内容已进入深度场景化阶段。前二十章解决的是“有没有”的问题——有没有办法自动填表、有没有办法批量重命名文件而从第二十一章开始“第三版”聚焦于“好不好”的终极拷问好不好维护好不好排查好不好交接好不好应对业务变化比如同样是处理Excel第一版可能教你硬编码列名sheet[B2].value第二版会建议用sheet.cell(row2, column2).value而第三版二十六则会强制你建立一套“配置驱动”的元数据管理机制——把列名、数据类型、校验规则全部抽离到一个独立的JSON配置文件里。这样当业务方说“把‘客户ID’列从B列挪到E列”你只需改一行配置而不是翻遍几百行代码去搜索B。所以这不是一本教你“怎么写Python”的书而是一本教你“怎么让Python替你打工十年不失业”的生存手册。它解决的不是技术问题而是职场信任问题当你把一个自动化脚本交给同事他敢不敢在你休假时放心地双击运行这才是“第三版”真正的价值锚点。2. 核心设计思路从“功能实现”到“系统韧性”的范式转移2.1 为什么必须放弃“单脚走路”的自动化思维几乎所有失败的自动化项目根源都在于一种危险的幻觉“只要核心逻辑跑通其他都是细节。”我曾接手过一个典型的反面案例——某外贸公司的报关单自动录入脚本。第一版用Selenium完美模拟了人工操作登录系统、点击菜单、填写表单、提交。上线时掌声雷动三个月后却成了IT部门的噩梦。问题不在核心逻辑而在三个被忽视的“细节”网络抖动陷阱脚本没有设置任何超时重试机制。一次普通的300ms网络延迟就导致find_element抛出NoSuchElementException整个流程中断无人知晓。UI变更雪崩报关系统前端升级把原来ID为#submitBtn的按钮改成了#confirmSubmit。脚本瞬间失效而业务部门根本不知道这个ID的存在更无法提供变更通知。状态感知盲区脚本提交后只检查页面是否跳转到“成功页”却没验证后台数据库是否真生成了报关单号。结果连续一周所有单据都卡在“待审核”状态直到海关打来电话才发现。“第三版二十六”的设计哲学就是对这种“单脚走路”思维的彻底革命。它不再把自动化视为一个孤立的“功能模块”而是将其定义为一个具备完整生命周期的微型系统必须同时满足四个维度的刚性要求可观测性Observability系统内部发生了什么必须有迹可循。不是简单的print(Done!)而是结构化的日志包含时间戳、操作步骤、输入参数、关键变量值、执行耗时。我坚持要求所有生产脚本必须接入ELK或至少写入本地结构化日志文件而非控制台。可恢复性Recoverability系统崩溃后能否从断点续跑能否自动清理临时文件能否回滚到上一个稳定状态这要求我们摒弃“从头再来”的粗暴逻辑引入事务概念和检查点Checkpoint机制。可配置性Configurability业务规则变更时能否不改代码只改配置这直接决定了脚本的寿命。一个合格的第三版脚本其90%的业务逻辑应由外部配置文件YAML/JSON驱动代码只负责“执行引擎”。可审计性Auditability每一次自动化操作都必须留下不可篡改的证据链。谁在何时触发了什么操作输入了哪些数据输出了什么结果这些信息必须被持久化存储以满足合规与追责需求。这四个维度构成了第三版自动化项目的“韧性基线”。任何低于此基线的设计本质上都是技术债的温床。2.2 “第三版”技术栈选型为什么是RequestsPlaywrightOpenpyxl的黄金三角面对纷繁复杂的自动化工具生态Selenium、Puppeteer、Playwright、n8n、Airflow第三版为何坚定选择Requests、Playwright和openpyxl构成核心三角这并非技术偏好而是基于对“繁琐工作”本质的深刻洞察所做出的理性取舍。工具核心优势适用场景第三版关键考量Requests极致轻量、性能卓越、协议层可控性强对静态API、结构化数据源JSON/XML、简单HTML页面的抓取稳定性基石90%的Web自动化任务其实无需浏览器渲染。Requests规避了浏览器启动、JS执行、渲染引擎等所有不稳定因素故障率比浏览器自动化低两个数量级。第三版强调“能用Requests解决的绝不启动浏览器”。Playwright无头模式成熟、多浏览器支持、自动等待、抗反爬能力更强需要JavaScript渲染、复杂表单交互、登录态维持、动态内容加载的场景智能兜底方案当Requests失效如页面完全由JS生成、需CookieToken双重鉴权Playwright是首选。其page.wait_for_load_state(networkidle)等智能等待机制远胜于Selenium的time.sleep()硬等待大幅降低因页面加载时序导致的偶发失败。openpyxl纯Python实现、无需Office环境、读写性能优秀、API成熟稳定Excel文件的读取、分析、生成、格式化等所有操作企业级兼容性保障相比pandas依赖xlrd/openpyxl后端或xlwings需本地安装Excelopenpyxl是唯一能在Linux服务器、Docker容器等无GUI环境中100%可靠运行的Excel库。第三版所有涉及Excel的案例均默认以此为唯一标准。这个三角组合精准覆盖了“繁琐工作”的三大主战场数据获取Requests、交互式操作Playwright、数据呈现openpyxl。更重要的是它们共同构成了一个技术风险隔离带Requests负责高速、稳定的“数据管道”Playwright作为“智能机械臂”只在必要时介入复杂交互openpyxl则是最终的“数据加工厂”将原始数据转化为业务可读的报表。三者职责清晰互不耦合任何一个组件的升级或替换都不会牵连全局。提示切勿陷入“工具崇拜”。我见过太多团队为了追求“最新潮”的n8n或LangChainAgent强行将一个简单的日报生成任务复杂化。第三版的核心信条是工具的价值永远服务于业务问题的简洁解而非技术本身的炫酷度。一个用os.listdir()和shutil.copy()就能搞定的文件归档任务写100行n8n流程配置是效率的倒退。3. 核心细节解析第三版二十六的“稳用”实践要点3.1 Requests层构建坚不可摧的数据管道Requests是自动化系统的“心脏”其稳定性直接决定整个流程的生死。第三版对Requests的使用早已超越了get()和post()的初级阶段上升为一套严谨的工程规范。1. 连接池与会话管理告别“每次请求都新建连接”的低效import requests from requests.adapters import HTTPAdapter from urllib3.util.retry import Retry # 创建一个全局会话对象复用TCP连接大幅提升性能 session requests.Session() # 配置重试策略连接失败重试3次HTTP错误5xx重试3次 retry_strategy Retry( total3, backoff_factor1, # 指数退避1s, 2s, 4s status_forcelist[429, 500, 502, 503, 504], # 明确指定需重试的状态码 ) adapter HTTPAdapter(max_retriesretry_strategy) session.mount(http://, adapter) session.mount(https://, adapter) # 设置全局请求头模拟真实浏览器降低被拦截概率 session.headers.update({ User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36, Accept: text/html,application/xhtmlxml,application/xml;q0.9,*/*;q0.8, Accept-Language: zh-CN,zh;q0.9,en;q0.8, })为什么必须用Session每次requests.get()都会新建TCP连接三次握手、TLS协商开销巨大。对于需要批量请求的场景如下载100张图片Session复用连接可将总耗时从数秒降至毫秒级。为什么重试策略如此关键网络世界没有“绝对可靠”。一次DNS解析失败、一个瞬时的路由抖动都可能导致请求失败。Retry策略是自动化脚本的第一道“容错保险”它让脚本具备了基本的“抗压”能力。2. 响应验证拒绝“假成功”的甜蜜陷阱def robust_get(url: str, session: requests.Session) - requests.Response: try: # 发起请求设置合理的超时连接10秒读取30秒 response session.get(url, timeout(10, 30)) # 关键一步不仅检查HTTP状态码更要验证业务逻辑 response.raise_for_status() # 抛出4xx/5xx异常 # 额外校验检查响应体是否为空或是否包含预期的关键字 if not response.content: raise ValueError(fResponse from {url} is empty) # 对于JSON API尝试解析失败即抛出异常 if application/json in response.headers.get(content-type, ): response.json() # 此处会抛出json.JSONDecodeError return response except requests.exceptions.Timeout: raise TimeoutError(fRequest to {url} timed out) except requests.exceptions.ConnectionError: raise ConnectionError(fFailed to connect to {url}) except requests.exceptions.HTTPError as e: # 记录详细的HTTP错误信息便于后续分析 raise RuntimeError(fHTTP Error {e.response.status_code} for {url}: {e.response.text[:200]}) except ValueError as e: raise RuntimeError(fData validation failed for {url}: {str(e)}) # 使用示例 try: res robust_get(https://api.example.com/data, session) data res.json() except (TimeoutError, ConnectionError, RuntimeError) as e: # 统一的错误处理入口 logger.error(fFailed to fetch data: {e}) # 可在此处触发告警、记录失败、或执行降级逻辑raise_for_status()是底线它确保404、500等错误不会被静默吞掉而是立即暴露迫使你在设计阶段就考虑错误分支。业务层校验是灵魂response.status_code 200只代表HTTP协议层面成功不代表业务数据有效。空响应、格式错误的JSON、返回的错误提示文本都必须被识别并处理。3. 用户代理与反爬策略做一名“守规矩”的访客第三版坚决反对任何暴力爬虫式的User-Agent轮换或IP代理池滥用。真正的“稳用”之道在于深度理解目标网站的反爬逻辑并以最小侵入性的方式与之共存。精准匹配UA不要使用泛泛的Mozilla/5.0 (...)而是通过浏览器开发者工具的Network面板复制目标网站实际接收的UA字符串。这能极大降低被WAFWeb应用防火墙拦截的概率。尊重robots.txt在发起任何请求前先GET目标站点的/robots.txt严格遵守其Disallow规则。这不仅是技术规范更是法律与道德的底线。合理限速使用time.sleep()是最朴素的限速方式。第三版推荐一个经验法则每秒请求数 ≤ 1。对于高频率需求应主动与网站运营方沟通申请API Key或白名单。3.2 Playwright层打造“人类级”的交互可靠性当Requests束手无策时Playwright就是那个可靠的“数字员工”。但第三版对它的使用有着严苛的“人性化”标准它必须像一个训练有素的真人一样操作而非一个莽撞的机器人。1. 启动与上下文无头模式下的“隐身术”from playwright.sync_api import sync_playwright def launch_browser(): with sync_playwright() as p: # 启动Firefox浏览器无头模式headlessTrue这是生产环境的默认选项 browser p.firefox.launch( headlessTrue, # 生产环境必须为True # 设置浏览器启动参数模拟真实环境 args[ --no-sandbox, --disable-setuid-sandbox, --disable-gpu, --disable-dev-shm-usage, ] ) # 创建一个全新的浏览器上下文Context相当于一个独立的“隐身窗口” # 所有页面都在此上下文中打开彼此隔离互不影响 context browser.new_context( # 设置视口大小避免因屏幕尺寸触发反爬 viewport{width: 1920, height: 1080}, # 设置用户代理与Requests层保持一致 user_agentMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36, # 启用JavaScript这是现代网站的标配 java_script_enabledTrue, ) # 在此上下文中创建一个新页面 page context.new_page() # 关键设置全局超时避免页面加载无限等待 page.set_default_timeout(30000) # 30秒 return browser, context, page # 使用示例 browser, context, page launch_browser() try: page.goto(https://example.com/login) # ... 执行登录操作 finally: # 必须确保资源被正确释放 context.close() browser.close()Context是核心它是Playwright区别于Selenium的最大优势。一个Context可以包含多个Page且每个Context拥有独立的Cookie、LocalStorage、缓存。这意味着你可以轻松实现“多账号并发操作”而不会相互污染。set_default_timeout()是生命线它为所有页面操作click,fill,wait_for_selector等设定了统一的超时上限。没有它一个卡死的page.click()会让整个脚本永久挂起。2. 元素定位从“CSS选择器”到“语义化定位器”第三版彻底摒弃了脆弱的CSS选择器如div div:nth-child(2) span全面拥抱Playwright的语义化定位器Locator。这不仅是语法差异更是稳定性的质变。# ❌ 危险基于DOM结构的选择器极易因前端微调而失效 # page.locator(div.container div.row button.btn-primary).click() # ✅ 推荐基于可访问性A11y和业务语义的定位器 # 1. 基于角色和标签Role Name- 最健壮 page.get_by_role(button, name登录).click() page.get_by_role(textbox, name用户名).fill(myuser) # 2. 基于文本内容Partial Match- 灵活且鲁棒 page.get_by_text(忘记密码).click() # 3. 基于占位符Placeholder- 专用于输入框 page.get_by_placeholder(请输入邮箱).fill(userexample.com) # 4. 基于Alt文本Alt Text- 专用于图片 page.get_by_alt_text(公司Logo).click()get_by_role()是首选它利用了网页的ARIA可访问性属性。一个合格的前端开发一定会为关键按钮、输入框设置正确的role和aria-label。这使得定位器与业务意图强绑定而非与HTML结构弱绑定。get_by_text()的威力它支持部分匹配和不区分大小写即使页面文案微调如“立即登录”改为“马上登录”get_by_text(登录)依然有效。3. 智能等待告别time.sleep()的“盲人摸象”# ❌ 反模式固定等待既低效又不可靠 # page.wait_for_timeout(5000) # 等5秒无论页面是否真就绪 # ✅ 第三版标准等待页面达到某个明确的、可验证的状态 # 等待某个元素出现并可见、可交互 page.get_by_role(button, name提交).wait_for(statevisible, timeout10000) # 等待网络请求完成例如等待一个AJAX请求返回数据 with page.expect_response(**/api/order/create) as response_info: page.get_by_role(button, name下单).click() response response_info.value order_id response.json()[order_id] # 等待URL变化例如登录后跳转到首页 with page.expect_navigation(): page.get_by_role(button, name登录).click()wait_for()是基础它等待元素达到指定状态visible,hidden,attached,enabled,disabled比time.sleep()精准百倍。expect_*系列是精髓expect_response,expect_navigation,expect_download等让你能监听页面的底层事件实现真正的“事件驱动”自动化这是稳定性的最高境界。3.3 Openpyxl层Excel不再是“黑盒”而是可编程的数据工厂openpyxl是第三版自动化链条的终点也是业务价值的最终呈现。第三版对Excel操作的要求是将其从一个“格式化文档”升格为一个“可编程的数据工厂”。1. 工作簿与工作表从“手动切换”到“配置驱动”import openpyxl from openpyxl.styles import Font, PatternFill, Border, Side from openpyxl.utils import get_column_letter # ✅ 第三版最佳实践所有工作表操作均由配置文件定义 # config.yaml # --- # output_sheet: # name: 销售日报 # title_row: 1 # data_start_row: 2 # columns: # - name: 日期 # cell: A # format: date # - name: 产品名称 # cell: B # format: text # - name: 销售额 # cell: C # format: currency def create_report_from_config(data: list[dict], config: dict): wb openpyxl.Workbook() ws wb.active ws.title config[output_sheet][name] # 写入标题行 title_row config[output_sheet][title_row] for idx, col_def in enumerate(config[output_sheet][columns], start1): cell ws.cell(rowtitle_row, columnidx) cell.value col_def[name] cell.font Font(boldTrue, size12) cell.fill PatternFill(start_colorD3D3D3, end_colorD3D3D3, fill_typesolid) # 写入数据行 data_start_row config[output_sheet][data_start_row] for row_idx, row_data in enumerate(data, startdata_start_row): for col_idx, col_def in enumerate(config[output_sheet][columns], start1): cell ws.cell(rowrow_idx, columncol_idx) value row_data.get(col_def[name], ) # 根据配置进行格式化 if col_def[format] date: cell.value value.strftime(%Y-%m-%d) if hasattr(value, strftime) else value elif col_def[format] currency: cell.value f¥{value:.2f} if isinstance(value, (int, float)) else value else: cell.value value # 自动调整列宽 for col_idx in range(1, len(config[output_sheet][columns]) 1): column_letter get_column_letter(col_idx) ws.column_dimensions[column_letter].width 15 return wb # 使用示例 config load_yaml_config(report_config.yaml) # 加载配置 sales_data fetch_sales_data() # 获取数据 wb create_report_from_config(sales_data, config) wb.save(sales_daily_report.xlsx)配置驱动是灵魂将Excel的结构列名、位置、格式与代码逻辑完全解耦。业务方修改报表样式只需改配置文件无需动一行Python代码。PatternFill与Font是专业性的体现一份专业的自动化报表必须具备基本的视觉层次感。加粗标题、灰色背景、合适的字体大小这些细节决定了业务方对自动化工具的信任度。2. 公式与图表让Excel自己“思考”第三版认为自动化报表的最高境界是让Excel承担计算和可视化的工作Python只负责“喂数据”。# ✅ 在单元格中写入公式注意公式字符串必须以开头 ws[D2] ROUND(C2*1.13, 2) # 含税价 不含税价 * 1.13 # ✅ 创建图表条形图 from openpyxl.chart import BarChart, Reference, Series # 定义数据源假设数据在A1:C10 data Reference(ws, min_col1, min_row2, max_col3, max_row10) categories Reference(ws, min_col1, min_row2, max_col1, max_row10) chart BarChart() chart.title 各产品销售额对比 chart.add_data(data, titles_from_dataTrue) chart.set_categories(categories) # 将图表插入到指定单元格E2 ws.add_chart(chart, E2)公式是“活”的直接写入Excel公式意味着当源数据变化时报表会自动重新计算无需Python再次介入。这极大地降低了维护成本。图表是“眼”图形化的数据比纯数字更具说服力。openpyxl的图表功能虽不如专业BI工具强大但对于日常报表已绰绰有余。4. 实操过程一个“稳用”自动化脚本的诞生以日报生成为例让我们将前述所有理念整合成一个完整的、可直接运行的“销售日报生成”脚本。这个脚本将贯穿Requests、Playwright、openpyxl三层完美诠释第三版的“稳用”哲学。4.1 需求与架构设计业务需求每天上午8:30自动从公司内部BI系统需登录拉取昨日销售数据生成一份格式规范的Excel日报并通过邮件发送给销售总监。系统架构[定时任务调度器] (如cron或Windows Task Scheduler) ↓ [Python主脚本] ├─ [Requests层] → 获取公开API数据如天气、汇率 ├─ [Playwright层] → 登录BI系统导出CSV数据 └─ [openpyxl层] → 合并数据生成格式化Excel报表 ↓ [邮件发送模块] → 发送报表附件4.2 完整代码实现第三版标准#!/usr/bin/env python3 # -*- coding: utf-8 -*- 销售日报生成器 - 第三版二十六标准实现 作者资深自动化工程师 import logging import os import sys import time from datetime import datetime, timedelta from pathlib import Path from typing import List, Dict, Any import requests from openpyxl import Workbook from openpyxl.styles import Font, PatternFill, Alignment, Border, Side from openpyxl.utils import get_column_letter from playwright.sync_api import sync_playwright # 配置管理 class Config: 集中管理所有配置项便于维护和交接 # 日志配置 LOG_LEVEL logging.INFO LOG_FILE daily_report.log # BI系统配置 BI_LOGIN_URL https://bi.internal.company/login BI_DATA_URL https://bi.internal.company/dashboard/export BI_USERNAME os.getenv(BI_USER, default_user) BI_PASSWORD os.getenv(BI_PASS, default_pass) # 输出配置 OUTPUT_DIR reports REPORT_FILENAME fsales_report_{datetime.now().strftime(%Y%m%d)}.xlsx # 邮件配置此处仅为示意实际应使用SMTP库 EMAIL_RECIPIENT sales.directorcompany.com EMAIL_SUBJECT 【自动】销售日报 - {date} # 初始化日志 logging.basicConfig( levelConfig.LOG_LEVEL, format%(asctime)s - %(levelname)s - %(message)s, handlers[ logging.FileHandler(Config.LOG_FILE, encodingutf-8), logging.StreamHandler(sys.stdout) ] ) logger logging.getLogger(__name__) # 核心功能模块 def fetch_public_data() - Dict[str, Any]: 使用Requests获取公开数据示例获取当前汇率 logger.info(正在获取公开数据汇率...) try: # 使用全局Session session requests.Session() session.headers.update({ User-Agent: SalesReportBot/1.0 }) # 模拟一个汇率API调用 # response session.get(https://api.exchangerate-api.com/v4/latest/USD, timeout(10, 30)) # response.raise_for_status() # data response.json() # rate data[rates][CNY] # 为演示返回模拟数据 rate 7.25 logger.info(f获取汇率成功: 1 USD {rate:.2f} CNY) return {usd_to_cny: rate} except Exception as e: logger.error(f获取公开数据失败: {e}) # 降级返回默认值不影响主流程 return {usd_to_cny: 7.20} def login_and_export_bi_data() - List[Dict]: 使用Playwright登录BI系统并导出数据 logger.info(正在启动浏览器登录BI系统...) with sync_playwright() as p: browser p.firefox.launch(headlessTrue) context browser.new_context( viewport{width: 1920, height: 1080}, user_agentMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ) page context.new_page() page.set_default_timeout(30000) try: # 导航到登录页 page.goto(Config.BI_LOGIN_URL) # 使用语义化定位器登录 page.get_by_label(用户名).fill(Config.BI_USERNAME) page.get_by_label(密码).fill(Config.BI_PASSWORD) page.get_by_role(button, name登录).click() # 等待登录成功检查URL或特定元素 page.wait_for_url(**/dashboard/**, timeout15000) logger.info(BI系统登录成功) # 导航到数据导出页 page.goto(Config.BI_DATA_URL) # 选择日期范围昨日 yesterday (datetime.now() - timedelta(days1)).strftime(%Y-%m-%d) page.get_by_label(开始日期).fill(yesterday) page.get_by_label(结束日期).fill(yesterday) # 点击导出按钮 export_button page.get_by_role(button, name导出) export_button.click() # 等待下载完成 with page.expect_download() as download_info: pass # 等待下载事件 download download_info.value download_path download.path() # 将下载的CSV文件读取为列表此处简化实际需用csv模块 # 为演示返回模拟数据 sales_data [ {日期: yesterday, 产品: iPhone 15, 销量: 120, 销售额: 8640000}, {日期: yesterday, 产品: MacBook Pro, 销量: 45, 销售额: 5400000}, {日期: yesterday, 产品: AirPods, 销量: 230, 销售额: 2760000}, ] logger.info(f成功导出BI数据共{len(sales_data)}条记录) return sales_data except Exception as e: logger.error(fBI系统操作失败: {e}) raise finally: context.close() browser.close() def generate_excel_report(sales_data: List[Dict], public_data: Dict) - str: 使用openpyxl生成格式化Excel报表 logger.info(正在生成Excel报表...) # 创建工作簿和工作表 wb Workbook() ws wb.active ws.title 销售日报 # 定义报表结构配置驱动思想 report_config { title: f销售日报 - {datetime.now().strftime(%Y年%m月%d日)}, headers: [日期, 产品, 销量, 销售额(¥), 销售额(USD)], data: [] } # 处理数据添加USD销售额 usd_rate public_data[usd_to_cny] for item in sales_data: usd_amount item[销售额] / usd_rate report_config[data].append([ item[日期], item[产品], item[销量], item[销售额], usd_amount ]) # 写入标题 ws.merge_cells(A1:E1) title_cell ws[A1] title_cell.value report_config[title] title_cell.font Font(size16, boldTrue) title_cell.alignment Alignment(horizontalcenter, verticalcenter) # 写入表头 for col_idx, header in enumerate(report_config[headers], start1): cell ws.cell(row2, columncol_idx) cell.value header cell.font Font(boldTrue, size12) cell.fill PatternFill(start_color4F81BD, end_color4F81BD, fill_typesolid) cell.alignment Alignment(horizontalcenter, verticalcenter) cell.border Border( leftSide(stylethin), rightSide(stylethin), topSide(stylethin), bottomSide(stylethin) ) # 写入数据 for row_idx, row_data in enumerate(report_config[data], start3): for col_idx, value in enumerate(row_data, start1): cell ws.cell(rowrow_idx, columncol_idx) cell.value value if col_idx 4: # 销售额(¥) cell.number_format #,##0.00 elif col_idx 5: # 销售额(USD) cell.number_format $#,##0.00 # 自动调整列宽 for col_idx in range(1, len(report_config[headers]) 1): column_letter get_column_letter(col_idx) ws.column_dimensions[column_letter].width 15 # 保存文件 output_path Path(Config.OUTPUT_DIR) / Config.REPORT_FILENAME output_path.parent.mkdir(exist_okTrue)
