自动化与爬虫 — 把重复交给脚本,把策略交给 AICopy Anchor Link

这一章讲什么: 开发者的一天大量漏在小事里:改文件名、清下载夹、从长文档抠几行、 每周发同样的邮件。这一章教你把这些变成不用人盯的脚本,并第一次让脚本 按点自己跑。工具只用标准库加三四个第三方库;AI 的角色从「写码主力」 变成「策略顾问」——你把现状喂给它,它帮你设计怎么自动化。 读完你会得到一个判断:什么任务值得自动化,以及第一版脚本该从哪一行写起。

1. 这一章讲什么Copy Anchor Link

前面四章都在「学」:学读码、学问 AI、学调试。这一章开始「省」: 把重复劳动从手上拿掉。书里给这一章的动机很直白: 开发者的时间消失在各种「永远进不了绩效回顾」的小事里——改文件名、清乱文本、挪日志、 从长文档抠几行、发周报、解析别人拍胸脯说「已经结构化」的数据¹。 这些事单个看都小,合起来偷走你的注意力、打断心流、把一下午拉长²。

而 Python 天生就是为这种世界造的。 配合前两章的两样手艺(拆步骤、说清楚), 它就成了「你多出来的一双手」³。这一章在全书链条里是第一个真正的项目章: 从这一章起,每章结束你手里都多一个能日常使用的工具。

2. 顶层全景:四个库 + 两个场景 + 一个总原则Copy Anchor Link

  四个库各管一件事:
    os       = 手:看文件夹、查存在、批量改名、删文件
    shutil   = 叉车:复制、移动、整目录备份、打包压缩
    datetime = 钟:时间戳文件名、算文件年龄、按星期几条件执行
    schedule = 闹钟:让脚本按点自己跑
      │
      ▼
  场景一:文件管理(分类、改名、清理)   场景二:文本处理(提取、清洗)
  场景三:网页抓取(requests 取页 + BeautifulSoup 解析,含分页)
      │
      ▼
  总原则:发现自己在重复 → 「能不能让 Python 和 ChatGPT 替我做?」

  图说:上面四个库是零件,中间三个场景是装法,最下面那行是这一章想刻进习惯的反应。

3. 核心原理Copy Anchor Link

3.1 总原则:自动化的第一推动力是「烦」,不是「懂」Copy Anchor Link

书里有一句反拖延的提醒:别等「全懂了」才开始——学自动化最快的方式就是今天自动化一件小事⁴。 而发现值得自动化的事,只需要一条反射:每当你发现自己在重复, 第一个念头应该是「能不能让 Python 和 ChatGPT 把这个从我盘子里拿走?」⁵

书里还立了两条贯穿全章的规矩:

• 自动化靠清晰:写码之前,把「发生什么、输入是什么、输出是什么、规则是什么」定义清楚⁶——这正是第三章的分解;
• 先小后链:先写小脚本,再把它们串成大工作流,别一上来就造系统⁷。

3.2 os:操作系统的大门Copy Anchor Link

os 是 Python 里「摸文件系统」的标准库——列目录、查路径存在与否、建多层文件夹、删文件、 批量改名、跨操作系统安全地拼路径⁸。书里的比喻:如果 Python 是一个人,os 就是他的手⁹。

自动化之前,先看见。 书里教的第一步不是写,是「侦察」:用 pathlib 的 Path.home() / "Downloads" 定位下载文件夹,iterdir() 列出里面所有条目并打印。把这份清单贴给 ChatGPT, 问:「这是我下载夹里的文件。帮我设计一个用 os 模块自动整理它们的分类策略。」 AI 会从文件名里看出你没注意到的模式——图片、发票、安装包、讲义、视频——给出分类方案¹⁰。 书里把这一手点得很透:机器看见原始数据,ChatGPT 帮你思考它¹¹。

批量改名主线例子(第一圈)。 书里的练习:给下载夹里的文件按 file_1.jpg、file_2.pdf 编号改名:

import os

folder = "/Users/yourname/Downloads"
for index, file in enumerate(os.listdir(folder), start=1):
    base, ext = os.path.splitext(file)          # 拆成「主名.扩展名」两半
    new_name = f"file_{index}{ext}"             # 新名 = 编号 + 原扩展名
    os.rename(os.path.join(folder, file), os.path.join(folder, new_name))

三个新词当场讲掉:enumerate(..., start=1) 是「边遍历边给序号,从 1 开始」; os.path.splitext 把文件名在最后一个点处切开(扩展名留住,改名才不改丢类型); os.path.join 用操作系统认可的分隔符拼路径——Windows 是反斜杠、macOS/Linux 是正斜杠, 交给它就两边都对¹²。跑完再给 AI 提一条精炼:「改成只改 .jpg、保留创建日期元数据(文件自带的创建时间等附属信息)」¹³—— 这就是迭代,第三章的套路原样复用。

3.3 shutil:需要力气时的叉车Copy Anchor Link

os 管「单个文件的日常操作」;shutil 管「批量与整棵目录树」:复制文件、整目录复制、 移动、删整目录、自动打 zip/tar.gz 压缩包¹⁴。书里的比喻:os 是手,shutil 是叉车¹⁵。

主线例子(第二圈):每日备份脚本。 需求:把项目目录每天备份一份,带时间戳:

from pathlib import Path
import shutil
from datetime import datetime

source = Path.home() / "my_project"
timestamp = datetime.now().strftime("%Y-%m-%d_%H-%M")
destination = Path.home() / "Backups" / f"my_project_{timestamp}"

shutil.copytree(source, destination)          # 整棵目录树复制过去
print("Backup completed successfully.")

copytree 一次复制整个目录(包括所有子目录);strftime("%Y-%m-%d_%H-%M") 把时间格式化成 2025-11-25_08-30 这样的字符串,保证每次备份文件夹名唯一、按字典序即按时间序¹⁶。 跑通之后,书里照例让你继续问:「扩展这个备份脚本:自动删除 10 天前的备份, 并把昨天的备份压成 zip。」AI 会给出带安全检查的「生产级」版本—— 安全检查常常是你没想到、而它主动补上的那一层¹⁷。

3.4 datetime:让脚本懂时间Copy Anchor Link

想让脚本「今天和昨天行为不同」「周末和工作日不同」,就需要 datetime。 书里的四大用途:生成唯一文件名(backup_2025-11-25.zip)、算文件年龄、 按条件排期(「只在工作日跑」)、给日志加日期¹⁸。

日志——自动化的脉搏。 书里的最小例子:

import datetime

today = datetime.date.today()
filename = f"system_log_{today}.txt"
with open(filename, "a") as log:
    log.write(f"{datetime.datetime.now()} - Daily check completed.\n")

每天追加一行。书里的比喻:日志是自动化的心跳,每次脚本运行都给你一个稳定的脉搏¹⁹。 照例可升级:「把它改成每周归档、删除 90 天前日志的轮转日志(rotating log)」²⁰。

3.5 schedule:让脚本自己跑Copy Anchor Link

schedule 是一个第三方库,让 Python 脚本按时刻表触发函数——没有它, 「自动化」只是「把手动运行换个说法」²¹。书里的定场诗是: 电脑是一堆小而可预测的仪式;人类不擅长仪式(会烦、会忘、会分心); Python 没有自尊也没有抱怨,同一任务跑一千次也乐意²²。

安装一行:pip install schedule。最小骨架(每晚 23:00 清理临时文件):

import schedule, time, os

def clean_temp():
    folder = "/Users/yourname/Downloads"
    for f in os.listdir(folder):
        if f.endswith(".tmp"):
            os.remove(os.path.join(folder, f))
            print("Removed:", f)

schedule.every().day.at("23:00").do(clean_temp)

while True:                    # 脚本常驻,每秒看一次有没有到点的任务
    schedule.run_pending()
    time.sleep(1)

三个关键点:schedule.every().day.at("23:00").do(函数) 注册任务; run_pending() 检查到点没;time.sleep(1) 让循环每秒醒一次,不空转烧 CPU。 升级照例交给 AI:「改成清理后给我发一条 Telegram 消息,并且周日跳过」²³。

排期只有三条路(书里给了全景):手动跑(不算自动化)、schedule(学习者最容易)、 操作系统级排期(macOS/Linux 的 cron,Windows 的任务计划程序)²⁴。

补充(不在书里,来自通用知识): schedule 的方案有一个硬限制—— 脚本必须在某个终端里一直开着;电脑关机或终端关闭,定时任务就停。 要「无人值守」,最终还是得上 cron/任务计划程序;书里把这条路标出来但没走, 这是本章与生产环境之间最远的一步。

3.6 主线例子(第三圈):四库合体的「早间巡检」Copy Anchor Link

把上面四个零件装进一个真实工作流:每天早 8 点,自动完成——扫描下载夹、按类型分类、 带时间戳备份、写日志、清理临时文件²⁵。骨架:

DOWNLOADS = Path.home() / "Downloads"
BACKUP_ROOT = Path.home() / "Backups"

def morning_audit():
    now = datetime.now()
    # 1. 按扩展名分类
    for item in DOWNLOADS.iterdir():
        if not item.is_file():
            continue
        _, ext = item.stem, item.suffix.lower()
        category = "others"
        if ext in [".jpg", ".png"]:            category = "images"
        elif ext in [".pdf", ".docx"]:         category = "documents"
        elif ext in [".mp4", ".mov"]:          category = "videos"
        dest_dir = DOWNLOADS / category
        dest_dir.mkdir(exist_ok=True)          # 目录在就跳过,不在就建
        shutil.move(str(item), dest_dir / item.name)
    # 2. 整夹备份
    backup_path = BACKUP_ROOT / f"backup_{now:%Y%m%d_%H%M}"
    shutil.copytree(DOWNLOADS, backup_path)
    # 3. 写日志
    log_file = Path.cwd() / f"log_{now:%Y-%m-%d}.txt"
    with log_file.open("a") as log:
        log.write(f"{now}: Audit completed.\n")
    print("Morning audit done.")

schedule.every().day.at("08:00").do(morning_audit)
while True:
    schedule.run_pending()
    time.sleep(1)

细节里藏着两个易错点,书里都点到了:mkdir(exist_ok=True) 是幂等写法 (「目录已存在不报错」——幂等 idempotent 的意思是同一脚本重复跑不会产生意外副作用, 本章 Key Terms 之一²⁶);item.stem, item.suffix 拆主名与扩展名,后缀统一小写再比对, .JPG 和 .jpg 才不会漏网。跑通后继续问 AI:「加上:压缩旧备份、发报告邮件、跳过大于 1GB 的文件」²⁷。

3.7 场景二:文本处理——提取与清洗Copy Anchor Link

第二个场景处理的是「人读的文本」。工具全是标准库:open() 读写文件、 re 正则表达式(描述字符模式的迷你语言,比如「邮箱 = 一串字符 + @ + 域名 + . + 后缀」)、 .split()/.replace() 快速清理、json 结构化数据、csv 表格²⁸。

提取主线例子:从日志里抠邮箱。 建一个 logs.txt 混各种内容,提示: 「写脚本从 logs.txt 提取所有邮箱地址,写进 emails.csv;只用标准库。」拿到的核心两行:

pattern = r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}"
emails = re.findall(pattern, text)

这个 pattern(模式串)不用背,能看懂大意即可: @ 前允许字母数字和 ._%+- 这些符号; @ 后是域名;\. 是转义的点;[a-zA-Z]{2,} 要求顶级域名至少两个字母(所以 .co 行、.com 行都中, 单字符的 .c 不中)²⁹。提取完照例升级:去重、按字母排序、计数³⁰。

清洗:建流水线,不是一次性脚本。 提示:「帮我清洗文本文件:去 HTML 标签、转小写、 合并连续空格。」拿到基线后逐条加码:去数字、只留字母、去停用词(stopword,英语里 the/and/is 这类高频但少含义的词——本章 NLP 的伏笔,第七章会系统讲)、输出摘要。 书里强调:每一小改都教你一点文本自动化的新东西³¹。

3.8 场景三:网页抓取——互联网变成数据牧场Copy Anchor Link

书里给抓网页的定义很有画面感:某个时刻,互联网从你「浏览的地方」变成你「收割的地方」—— 你不再手动点页面,你的脚本安静地穿过网站,挑出你要的确切信息³²。 这件事的行话叫 web scraping(网页抓取/爬虫)。

两把工具,分工明确:

• requests = 代码里的浏览器:负责把网页的 HTML 取回来;
• BeautifulSoup = 手术刀:负责把 HTML 切成片——标题、价格、链接、日期³³。

安装:pip install requests beautifulsoup4。书里提醒:永远显式安装,别假设环境里有³⁴。

抓取提示的模板(本章最有复用价值的一段)。 写任何抓取脚本前,先给 AI 这样一条 CCG:

「用 requests 和 BeautifulSoup 写脚本抓 [URL]。提取:[条目1]、[条目2]、[条目3]。 结果以字典列表返回。必须:带解释性注释;缺字段要优雅处理;用 try/except; 不引额外依赖;在 VS Code 里能跑;假定用户会自己 pip install requests beautifulsoup4。 只返回干净可读的代码,不要多余文字。」³⁵

书里说这个提示「紧凑但全面」——注意它依然是 CCG:背景(抓什么)、约束(依赖、错误处理、行数风格)、 目标(字典列表)。

例一:抓博客标题。 目标页 blog.python.org,提取每篇文章的标题与链接:

response = requests.get(url)
time.sleep(1)                              # 礼貌停顿
soup = BeautifulSoup(response.text, "html.parser")
posts = []
for item in soup.select(".post-title a"):   # CSS 选择器:选中所有 class=post-title 里的 <a>
    posts.append({
        "title": item.get_text(strip=True),
        "link": item["href"]
    })

选择器(selector) 是这里唯一的新词:CSS 选择器是「按标签名/class/ id 定位 HTML 元素」的 模式串,.post-title a 读作「class 叫 post-title 的元素内部的所有 a 标签」³⁶。 time.sleep(1) 是礼貌停顿——连续猛请求会把对方服务器打烦³⁷。

例二:抓电商价格。 books.toscrape.com(一个专门练爬虫的演示站),提取书名、价格、库存状态: select(".product_pod") 拿到每个商品卡片,卡片内 select_one(".price_color") 取单价、 select_one(".instock.availability") 取库存³⁸。跑通后一句「转成 CSV 导出」, AI 就优雅地把结果接到 csv 模块³⁹。

例三:分页——真实世界的常态。 多数网站一页装不下,要「下一页」翻过去。 quotes.toscrape.com 的写法:

base_url = "https://quotes.toscrape.com"
page_url = "/page/1/"
quotes = []
while page_url:                                     # 只要还有下一页就继续
    response = requests.get(base_url + page_url)
    soup = BeautifulSoup(response.text, "html.parser")
    for q in soup.select(".quote"):
        quotes.append({
            "text": q.select_one(".text").get_text(strip=True),
            "author": q.select_one(".author").get_text(strip=True),
            "tags": [t.get_text(strip=True) for t in q.select(".tag")],
        })
    next_link = soup.select_one("li.next a")        # 找「下一页」链接
    page_url = next_link["href"] if next_link else None
    time.sleep(1)                                   # 页间节流,关键!

循环的骨头就一句:next_link 找得到就接着翻,找不到(最后一页)置 None,循环收工⁴⁰。 这是本章唯一一段「稍微像算法」的代码,而它依然是模式识别:找到元素、取出内容、翻页、重复。 书里的原话:网页抓取的 rest 只是迭代⁴¹。

3.9 章末挑战:早间自动化(书里的「Your Challenge」)Copy Anchor Link

本章的练习题是全书设计最完整的一道综合题,规则本身就是一份工程规格⁴²:

任务:每天早 8 点自动完成——从新闻网站抓当日头条(BBC、Reuters 或本地站); 存进 daily_news/ 下带时间戳的文本文件;把昨天的文件自动挪进 archive/; 清理多余空白与换行;用 schedule 排期。

规则(照抄书的):

1. 必须用 CCG 框架与 ChatGPT 协作生成代码;
2. 只允许用 requests、BeautifulSoup、os、shutil、datetime、schedule;
3. 所有路径用相对路径;
4. 脚本必须在 VS Code 里不改一行就能跑。

这四条规则每一条都有用意:规则 1 练的是本章的方法本体; 规则 2 逼你想清楚「哪些库各管哪段」;规则 3 是可移植性的最低要求 (绝对路径 /Users/yourname/... 一换机器就死);规则 4 是「可运行」的定义—— 交出去的脚本不该附带 oral tradition(口头传说:只有你知道的那些启动步骤)。

完成它的三个台阶:先手工跑通「抓取 → 存文件」;再接「归档 + 清理」; 最后挂 schedule。每上一个台阶跑一次,确认上一台阶的行为没变—— 这就是第四章「先锁行为再动结构」的自动化版。

3.10 章末 Key Terms 六词Copy Anchor Link

原书收尾的六个术语,照收⁴³:

「幂等」一词值得多停一秒:它是自动化的安全属性。一个幂等的清理脚本, 今天跑了、明天又跑,结果与只跑一次相同;非幂等的脚本(比如「给所有文件加日期后缀」), 重复运行会把名字越改越长。写任何会反复跑的脚本时,先问:它幂等吗?

3.11 当自动化出错时(书里散落的排障线)Copy Anchor Link

本章没设专节讲排障,但散着几条值得聚拢的线:

• 先看清脚本的「眼睛」再看它的「手」:自动化脚本的第一批 Bug 几乎都是「看见的东西不对」 (路径错了、扩展名大小写不一致、iterdir() 把目录也当文件)—— §3.2 的「先侦察」就是为这类错准备的;
• 删除操作永远最后写、最先审:os.remove/rmtree 不可逆,书里的清理练习都先让 AI 「加备份再删」「移动代替删除」⁴⁴——照做;
• 调度脚本要能看到心跳:§3.4 的日志在排障时就是黑匣子—— 任务「没跑」和「跑了但失败了」是两种病,日志一行字就能区分。

3.12 安装坑的处理示范(书里的一个真实片段)Copy Anchor Link

书里给了一个很小的真实场景:pygame 装不上怎么办。它出现在第六章, 但处理套路是全书的通例,值得提前在这里立住:

不要猜,把报错贴给 AI。 原话:「If you run into an installation error, do not guess, but paste the error into ChatGPT」⁴³——附的提示是「Explain why pygame is not installing and suggest the next steps based on this error message.」。

这个「不猜,贴」的动作是第四章「复现并记录」的最小版:报错文本本身就是复现记录, 而「别猜」挡住的是新手最常见的弯路——按印象重装、换源、乱升级, 每一步都可能把环境弄得更糟。贴报错之前的一个动作:确认报错是完整的 (从 Traceback 第一行到最后一行),掐头去尾的报错会让 AI 和你一样瞎。

3.13 本章方法的一句话地图Copy Anchor Link

收一张速查卡——五种最常见的「卡住」,各配本章的一招:

五招共用一条根:先让机器或 AI 看见现状,再谈怎么处理。 「看见现状」在文件场景是打印清单,在网页场景是先看 HTML 结构, 在调度场景是先跑一次手动——跳步的人返工最多。

3.14 爬虫提示模板背后的设计(书里最值得拆的一条提示)Copy Anchor Link

§3.8 给了抓取提示的模板,这条提示值得逐部件拆——因为它的每个部件都对应一类典型失败:

「用 requests 和 BeautifulSoup 写脚本抓 [URL]。提取:[条目1、2、3]。 结果以字典列表返回。必须:带解释性注释;缺字段要优雅处理;用 try/except; 不引额外依赖;在 VS Code 里能跑;假定用户会自己 pip install requests beautifulsoup4。 只返回干净可读的代码,不要多余文字。」⁴⁵

七个部件,七类失败——这条提示是 CCG 里 Constraints 一栏的教科书。 用熟了可以整体背下来,换 URL 换提取项即用。

3.15 分页循环的另一种读法:状态机的视角Copy Anchor Link

§3.8 例三的 while 循环,还有一种读法能帮你在更复杂的站点上推广它—— 把它看成一个小状态机:

  状态 = 下一页的地址(初始 /page/1/)
      │
      ▼
  有状态? ──没有──→ 收工
      │有
      ▼
  抓该页 → 提取数据 → 从页面里找下一页地址 → 更新状态 → 回开头

这个视角的好处:当真实站点的分页不按「下一页链接」走(改成页码按钮、 POST 翻页、无限滚动),你只需改「更新状态」那一步的写法,循环骨架不动。 书里用 quotes.toscrape 是因为它把分页模式做到了最简; 真实世界只是状态转移变复杂,结构永远是这样。

3.16 早间巡检脚本的第四圈:书末的升级提示逐条对账Copy Anchor Link

§3.6 的巡检脚本跑通后,书里给了一条升级提示:「改进这个工作流:压缩旧备份、 发报告邮件、排除大于 1GB 的文件」⁴⁶。把三个升级各自会引入什么摊开—— 这是一条「从练习到生产」的距离表:

前两个在书的词汇表内,第三个超出了——它要引入 SMTP 配置或第三方 API, 属于「书里指方向、你自行补细节」的那类。遇到这种,老办法:拆成小步、 「先发一封纯文本给自己」为第一目标,跑通后再加格式。

3.17 章节的隐藏主角:组合Copy Anchor Link

回看全章,四个库(os、shutil、datetime、schedule)没有一个难—— 难的是 §3.6 把它们合体的那一段:morning_audit 一段函数里, os 的眼、shutil 的手、datetime 的钟各自只做一件事,schedule 在门外按点敲门⁴⁷。 书里这一节的标题就叫「Combining All Four Libraries: A Real Automation Workflow」。

这就是「学编程」与「会编程」的分界:单个 API 谁都查得到,组合才需要判断。 判断的标准本章已经给了:先小后链、幂等、先侦察、留日志。 四个标准配上四个库,这一章的内容就闭环了。

3.18 练习的验收清单(章末挑战怎么算做完)Copy Anchor Link

书末挑战没有标准答案,这一节给一份可自检的验收清单——全过才算完成:⁴⁸

  □ 早 8 点无人触发时,手动调用同一函数也能跑(调度只是壳)
  □ 连跑两次:第二次不报错、不重复加日期(幂等)
  □ 昨天的文件确实进了 archive/,且只挪了一份
  □ 文本里无多余空白(肉眼抽查三条头条)
  □ 换一天跑,新文件落在新的日期戳文件名里
  □ 全程只用规定的六个库
  □ 路径全是相对的,把文件夹拷到别处照样跑

七格全勾,这个练习的价值才兑现;勾不满的格子,就是下一轮的 CCG 提示。 「自动化的验收从来是行为而不是代码」——这句是 §3.1 总原则在作业上的最后一遍复述。

3.19 章节的暗线:从「玩具数据」到「真实数据」的梯度Copy Anchor Link

回看全章,四个例子的网站是精心设计的教学梯度,书里没点破,我们补上:

  blog.python.org     → 最简:一个选择器,单页,字段规整(标题+链接)
  books.toscrape.com  → 中阶:多个选择器嵌套(卡片→价格/库存),单页
  quotes.toscrape.com → 高阶:再加分页循环——状态、节流、循环退出

三个站点是同一批人(toscrape 系列练习站)维护的,字段故意规整—— 真实网站不会这么乖:选择器可能每周变、字段可能缺失、列表页可能混着广告位。 书里停在梯度顶端,我们的提醒:从 quotes.toscrape 毕业后的第一步, 是选一个真实的小站点,接受「选择器失效时脚本报错」这个新常态, 并给脚本配上 §3.11 的失败模式意识(抓取段的死法:选择器变了抓回空列表—— 先 print(len(items)) 再怀疑别的)。

3.20 「收割」的另一半:抓完之后的整理(书末结论的回扣)Copy Anchor Link

§3.1 引了书里的话:互联网从「浏览的地方」变成「收割的地方」⁴⁹。 「收割」只说了一半;本章后段(文本处理)补了另一半——收回来的东西多半不能直接用: 抓回的名言带 HTML 实体、新闻带导航栏文字、价格带货币符号。 书里的清洗流水线(去标签/转小写/合并空格)就是收割后的打谷场⁵⁰。

抓与洗是一条流水线的两段,分章只是教学便利:实际项目里, scrape 的输出往往直接喂给 clean(抓完即洗),再喂给第五章的归档或第八章的报表。 写第一个爬虫时就把「清洗函数」的位置留出来——哪怕是恒等函数(原样返回), 结构上也是对的。

3.21 一句话地图:五件事各归谁Copy Anchor Link

收尾一张表——日常杂务的五件事,本章教的归属:

「看搬记等收」五个字,配上四个库一个框架,就是本章全部。⁵¹ 字比库少一个——因为「等」与「搬」可以合流(巡检脚本),「看」与「收」可以合流 (先侦察页面再抓取)。真正的学习成果不是记住五个字,是下次杂务出现时, 本能地问:这事归哪个字?

3.22 四个脚本的最小骨架(抄回书里的版本,出行速查)Copy Anchor Link

本章的五个脚本拆得细,但每一段的「最小可认骨架」只有两三行。收成一张表, 半年后想不起来时,凭骨架就能认出是哪个模式、回哪一节找细节⁵²:

这张表同时也是本章的「新词含量」自检:四行骨架里的每个名字(iterdir、copytree、 run_pending、select_one)在对应小节都单独讲过——表上任何一个词看不懂, 就是那一节欠了一次复读,不必从头翻章。

补第五行——文本处理没有进「五件事」,因为书把它归在场景二里,但骨架同样值得存档: re.findall(pattern, text) 两行,从日志抠邮箱(§3.7)。「看搬记等收」之外, 再加一个「提」字:杂务的第六件事,是从乱文本里提取模式。

判断(我们的,不是书里的): 本章「标准库优先」的立场值得单独记一笔: 五个杂务脚本没有一个引入第三方库(抓取除外),这不是节俭,是维护成本的远见—— 标准库随 Python 自带,不存在「作者停更、依赖腐坏」的问题; 自动化脚本的特点是「写好就忘、出事才回来看」,依赖越少,五年后它还能跑的概率越高。 如果错,会错在: 标准库的方案常常更啰嗦(二十行正则 vs 一行库调用); 对「明天就用、下周就换」的一次性脚本,装个库反而是省的。 判据是脚本的生命周期:活得久的求稳,活得短的求快。

4. 作者的判断与证据Copy Anchor Link

有演示支撑的判断:

• 「标准库覆盖自动化主体」——本章用五个脚本(改名、备份、日志、排期、巡检)支撑, 论证是归纳式的但例子密度足够⁶;
• 「抓取 = requests + BeautifulSoup + 选择器」——三个递进例子(标题、价格、分页)完整覆盖, 是本章最扎实的部分³³。

经验之谈:

• 「把文件夹清单喂给 AI 设计分类策略」——实用但非唯一;简单分类规则手写更快; AI 的价值在「你想不到的维度」¹¹;
• 「礼貌停顿 1 秒」——经验值;严肃项目应读目标站的 robots.txt 与服务条款, 书里完全没提(见边界)。

推测:

• 「os/shutil/datetime/schedule 能自动化专业人士日常的一半」——数字无出处, 方向可信:文件与时间相关杂务确实是高频⁶。

5. 边界与局限Copy Anchor Link

• 合规完全缺席:robots.txt(网站声明「哪里不许爬」的文件)、服务条款、版权—— 本章一个字没提。书里的三个目标站(blog.python.org、books.toscrape.com、quotes.toscrape.com) 都是为练习而设的宽松站点,把这个习惯带到真实网站会踩法律与道德坑(我们的提醒,不在书里);
• 反爬空白:真实网站有登录、JS 渲染、验证码、IP 封禁,本章的「请求 + 解析」模型只覆盖最简单的静态页;
• schedule 的常驻限制(见 §3.5 的补充):脚本停 = 排期停;
• 删除操作的风险:清理脚本(os.remove、rmtree)书里没讲「先备份再删」的默认纪律, 只在升级对话里让 AI 补——自己写时先备份(我们的提醒);
• 编码与异常:读文本文件没提编码参数(中文 Windows 环境常踩 UnicodeDecodeError), 异常处理全靠 AI 补的 try/except。

6. 可带走的Copy Anchor Link

本章主线例子,一行写完: 下载夹清单 → 贴给 AI 设计分类 → morning_audit 脚本 (按扩展名分类→整夹备份→写日志,每天 8 点 schedule 触发)→ 追问「压缩旧备份、发邮件、跳过 1GB」 → 幂等写法保重复运行安全。

1. 自动化的反射:发现自己在重复 → 「Python + ChatGPT 能替我把它拿走吗?」;
2. 先小后链:小脚本能跑,再串工作流;别上来造系统;
3. os 管手、shutil 管叉车、datetime 管钟、schedule 管闹钟——四库分工一句话记牢;
4. 先侦察后自动化:列出目标文件夹真实内容,喂给 AI 设计策略——机器看数据,AI 帮你想;
5. 改名三件套:splitext 拆扩展名、join 跨平台拼路径、幂等 mkdir 防重跑报错;
6. 日志是自动化的心跳:每次运行留一行,排查全靠它;
7. schedule 三行骨架:every().day.at("HH:MM").do(函数) + run_pending() + sleep(1);
8. 文本提取 = 正则 + csv:模式串不用背,让 AI 写、自己看懂大意;
9. 抓取 = requests(取回) + BeautifulSoup(切片) + 选择器(定位) + sleep(礼貌);
10. 分页就一句:找得到「下一页」链接就继续,找不到就收工——抓取本质是模式识别加迭代。

7. 原文地图Copy Anchor Link