Автоматизация задач с Python: примеры скриптов

Python — один из самых удобных языков для автоматизации рутины в IT. С его помощью можно экономить часы на повторяющихся действиях: переименовывать файлы, обрабатывать данные, отправлять отчёты, мониторить сайты и даже управлять инфраструктурой.

Почему Python так популярен для автоматизации:

• простой и читаемый синтаксис
• много готовых библиотек
• работает на Windows, Linux и macOS
• подходит и для офисных задач, и для DevOps-процессов

1. Массовое переименование файлов 📂

Одна из самых частых задач — привести имена файлов к единому формату.

import os

folder = "files"

for i, filename in enumerate(os.listdir(folder), start=1):
    ext = os.path.splitext(filename)[1]
    new_name = f"file_{i}{ext}"
    os.rename(
        os.path.join(folder, filename),
        os.path.join(folder, new_name)
    )

Где полезно:

• сортировка фото и документов
• подготовка файлов к загрузке
• стандартизация архивов

2. Автоматическая отправка email 📧

Python позволяет отправлять письма по расписанию: отчёты, уведомления, напоминания.

import smtplib
from email.mime.text import MIMEText

msg = MIMEText("Ежедневный отчёт готов")
msg["Subject"] = "Отчёт"
msg["From"] = "you@example.com"
msg["To"] = "user@example.com"

with smtplib.SMTP("smtp.example.com", 587) as server:
    server.starttls()
    server.login("you@example.com", "password")
    server.send_message(msg)

Что важно:

• использовать переменные окружения вместо паролей в коде
• учитывать SMTP-настройки провайдера
• для Gmail и корпоративной почты часто нужны app passwords

3. Сбор данных с сайта 🌐

Для парсинга и мониторинга страниц часто используют requests и BeautifulSoup.

import requests
from bs4 import BeautifulSoup

url = "https://example.com"
html = requests.get(url).text
soup = BeautifulSoup(html, "html.parser")

title = soup.find("title").text
print(title)

Применение:

• мониторинг цен
• проверка обновлений на сайте
• сбор открытых данных

4. Работа с Excel и CSV 📊

import pandas as pd

df = pd.read_csv("data.csv")
result = df.groupby("category")["sales"].sum()
print(result)

С помощью pandas можно:

• объединять таблицы
• фильтровать строки
• считать метрики
• выгружать итоговые отчёты

5. Планирование запуска скриптов ⏰

• в Linux используют cron
• в Windows — “Планировщик задач”
• для сложных процессов — Airflow, Jenkins, GitHub Actions

Практический эффект автоматизации

Python-скрипты особенно полезны, когда задача:

• повторяется ежедневно или еженедельно
• требует точности
• занимает много ручного времени
• легко описывается набором правил

Главное правило: начинать с маленьких сценариев. Один простой скрипт на 20 строк может сэкономить десятки часов в месяц 🚀

Подборка каналов про IT — полезный способ следить за инструментами, автоматизацией и практикой разработки.

🗣 Подборки каналов
🧠 Каталог ботов и приложений
🗺 Навигация