环境准备与第一个自动化脚本
第 1 章：环境准备与第一个自动化脚本
> 本章关键词：Anaconda、环境管理、第三方库、VS Code、Jupyter Notebook、批量重命名、调试
你有没有过这样的经历：周一早上刚坐到工位，老板突然发来一封邮件，附件里堆着上百个文件，让你在半小时内全部按统一格式重命名——加日期、加序号、加项目代号。鼠标点到手抽筋，改到第50个文件时突然发现第23个漏掉了，又得从头来一遍。这一刻，你是不是特别希望有个"魔法"能帮你完成这些机械重复的工作？
好消息是，Python就是那个魔法。更准确地说，Python+几个合适的工具，就是你从"苦力模式"切换到"效率模式"的钥匙。但在此之前，你需要先把装备（开发环境）准备好。这就像木工师傅干活之前得先把锯子磨好、把钉子摆齐——工具顺手了，做起活来才能得心应手。
本章将手把手带你完成三件事：第一，选对Python发行版并装好它；第二，装上办公自动化必备的"武器库"；第三，写出你的第一个自动化脚本——批量重命名文件。完成这些之后，你就能真切感受到"让电脑替自己干活"的快乐，而这个快乐将贯穿整本书。
---
1.1 为什么选择Anaconda：Python发行版的艺术
1.1.1 直接装Python不行吗？
在正式安装之前，我们先来回答一个常见疑问：既然要学Python，直接从官网下载Python安装不就好了？为什么非要推荐Anaconda？
让我们先理解一个概念：Python发行版（Distribution）。Python官方只提供最核心的Python解释器，但实际工作中你还需要包管理器、常用库、科学计算工具等。不同的发行版把这些"配套设施"打包好了，相当于给你一个"精装房"还是"毛坯房"的区别。
直接装Python官方版本，就像是买了毛坯房——你需要自己装修、自己买家具、自己配置水电。而Anaconda则像是精装修的房子，拎包入住。
表1-1：两种安装方式的对比
| 对比维度 | 官方Python | Anaconda | |---------|-----------|---------| | 安装包大小 | 约25MB | 约800MB（完整版） | | 包管理工具 | pip | conda + pip | | 预装库 | 无 | 200+常用库 | | 环境隔离 | 需借助venv/virtualenv | 原生支持 | | 依赖冲突处理 | 较弱 | 较强（conda生态） | | 适合人群 | 高级用户、服务器部署 | 数据科学、办公自动化 |
对于办公自动化这个场景，Anaconda的优势体现在三个方面：
第一，一键安装所有需要的库。 后面你会看到，办公自动化需要安装openpyxl、python-docx、python-pptx等库。用官方pip安装时，可能遇到版本冲突、缺少编译工具等问题。Anaconda的conda会帮你自动解决大部分依赖问题。
第二，环境隔离功能让你"多线程"工作。 假设你同时在处理两个项目，一个需要pandas 1.3版本，另一个需要pandas 2.0版本（因为新版本有某些特性）。官方Python只能用pip强制升级或降级，而Anaconda可以创建两个独立环境，每个环境用各自的pandas版本，互不干扰。
第三，自带Jupyter Notebook，这个工具在数据分析和脚本调试时极其好用。 你可以写一段代码，运行看结果，改一改，再运行——非常适合边想边做。
1.1.2 下载并安装Anaconda
好的，现在我们来实际安装。操作步骤如下：
第一步：访问下载页面
打开浏览器，访问 Anaconda 官方网站：https://www.anaconda.com/download
> ⚠️ 避坑提示：一定要从官网下载，不要从第三方网站下载安装包。曾经有不法分子在第三方网站上植入恶意代码，导致用户电脑被植入挖矿木马。认准网址，有个小技巧——网址中包含`anaconda.com`才是正品。
第二步：选择版本
页面会自动检测你的操作系统（Windows、macOS还是Linux），你只需要选择对应的安装包。Python版本建议选择Python 3.9或3.10的版本——这两个版本生态成熟，兼容性最好。除非你有特殊理由（比如某个库只支持特定版本），否则不要选择3.7以下的旧版本或3.12+的最新版本。
第三步：运行安装程序
下载完成后，双击安装包开始安装。建议使用默认安装路径（Windows用户通常是`C:\Users\你的用户名\anaconda3`），不要装在C盘根目录或者带中文的路径下——后续可能会遇到奇怪的路径识别问题。
安装过程中，有一个关键选项需要注意：
```text ☑ Add Anaconda to PATH environment variable（添加到系统PATH） ```
建议取消这个勾选。为什么？因为Anaconda有自己独立的命令行工具，使用"Anaconda Prompt"（Windows）或"Terminal"（macOS）来操作conda命令更稳定。如果添加到系统PATH，可能会和系统自带的Python产生冲突。当然，如果你的电脑只需要用Anaconda这一套Python环境，那勾选也无妨。
第四步：验证安装成功
安装完成后，按以下步骤验证：
1. Windows用户：点击开始菜单，搜索"Anaconda Prompt"，打开它 2. macOS/Linux用户：打开"Terminal"应用
在打开的命令行窗口中输入：
```bash conda --version ```
如果看到类似`conda 23.3.1`这样的版本号输出，恭喜你，Anaconda安装成功！
再输入一行验证Python：
```bash python --version ```
应该显示`Python 3.10.x`或`Python 3.9.x`这样的版本号。
> 💡 小技巧：macOS和Linux用户可能会遇到输入`python`命令时调用的是系统自带Python而不是Anaconda的情况。这时可以试试`conda activate`命令激活Anaconda环境，或者使用`which python`命令查看当前`python`命令指向哪个程序。
---
1.2 第一次亲密接触：conda环境管理
1.2.1 什么是conda环境？为什么需要它？
安装完Anaconda后，你会在"Anaconda Prompt"里看到`(base)`这个标记。这是什么意思？
conda环境可以理解为一个独立的"工作间"。每个环境里有自己的Python解释器、自己的一堆库。你可以创建多个工作间，分别用于不同的项目。
为什么需要这个功能？让我们用一个真实场景来说明：
你正在用Python做一个Excel报表自动化项目，用的是openpyxl 3.0.9版本，一切正常。三个月后，你接手另一个PPT生成项目，需要用python-pptx库，但这个库要求openpyxl版本必须是3.1.0以上（因为新版本修复了一个兼容性问题）。你用pip升级了openpyxl——然后，糟糕！你发现之前那个Excel项目报错了，因为openpyxl 3.1.0改变了某些API。
这就是依赖冲突。有了conda环境，你可以这样操作：
- 环境A：openpyxl 3.0.9 + 你的Excel项目
- 环境B：openpyxl 3.1.0 + python-pptx + 你的PPT项目
两个环境完全隔离，各玩各的，井水不犯河水。
1.2.2 常用conda命令一览
虽然conda有图形界面（Anaconda Navigator），但命令行更加高效精准。以下是你需要掌握的核心命令：
查看当前环境：
```bash conda info --envs ```
输出中带星号(*)的就是当前激活的环境。
创建新环境：
```bash conda create --name automation python=3.10 ```
这行命令创建了一个叫"automation"的新环境，指定Python版本为3.10。执行后会提示你确认，输入`y`回车即可。
激活环境：
```bash conda activate automation ```
激活后，命令提示符前会变成`(automation)`。
退出当前环境：
```bash conda deactivate ```
查看环境中已安装的包：
```bash conda list ```
删除环境（如果不需要了）：
```bash conda env remove --name automation ```
> 💡 最佳实践建议：为本书的学习创建一个专门的环境，名字可以叫`pyoffice`（Python Office的缩写）。后续所有安装的库都装在这个环境里，学习完本书后如果想从头开始，直接删除这个环境即可，不会影响你系统里其他项目的Python环境。 > > ```bash > conda create --name pyoffice python=3.10 > conda activate pyoffice > ```
1.2.3 pip与conda：两套包管理器的协作
Anaconda环境下，你会同时用到pip和conda两套包管理器。这里有一个简单的使用原则：
- **conda能解决的，优先用conda**：比如安装numpy、pandas这些有编译依赖的科学计算库
- **conda仓库没有的，用pip**：比如python-docx、python-pptx这些纯Python库，用pip安装更方便
为什么不能全部用pip？因为有些库（特别是涉及C/C++扩展的）用conda安装可以自动处理编译问题，而pip有时会报错要求你安装Visual Studio Build Tools（Windows）或Xcode Command Line Tools（macOS）。
为什么不能全部用conda？因为conda仓库的包更新有时比PyPI（pip的仓库）慢，少数冷门包只在PyPI上有。
一个典型的安装流程：
```bash
先用conda安装科学计算相关的库
conda install numpy pandas
再用pip安装办公自动化相关的库
pip install openpyxl python-docx python-pptx ```
---
1.3 武装到牙齿：安装办公自动化必备库
1.3.1 办公自动化的"武器库"概览
在开始安装之前，我们先来认识一下这些即将入驻你电脑的"库"（Library）。你可以把库理解为别人写好的工具箱——里面有各种现成的零件（函数），你可以拿过来直接用，不用自己从零开始造轮子。
表1-2：办公自动化必备库一览
| 库名 | 用途 | 适用场景 | |-----|------|---------| | openpyxl | Excel读写 | 批量处理表格、数据汇总 | | python-docx | Word读写 | 自动生成报告、批量替换文字 | | python-pptx | PowerPoint读写 | 自动生成演示文稿 | | pandas | 数据分析 | 数据清洗、统计分析 | | pyautogui | 键鼠模拟 | 自动化点击、输入 | | pywin32 | Windows操作 | 文件操作、系统控制 | | shutil | 文件操作 | 批量移动、复制文件 | | pathlib | 路径处理 | 跨平台路径操作 |
1.3.2 安装步骤详解
现在我们把这些库安装到刚才创建的环境里。
第一步：确保环境已激活
```bash conda activate pyoffice ```
确认命令提示符前显示`(pyoffice)`。
第二步：安装pandas（它会自动带上numpy）
```bash conda install pandas ```
第三步：安装openpyxl
```bash pip install openpyxl ```
第四步：安装python-docx
```bash pip install python-docx ```
第五步：安装python-pptx
```bash pip install python-pptx ```
第六步：安装pyautogui（用于键鼠自动化）
```bash pip install pyautogui ```
> ⚠️ 重要提示：pyautogui在macOS上使用前需要额外授权。在macOS的"系统偏好设置 → 安全性与隐私 → 隐私"中，找到"辅助功能"，把终端应用添加进去。否则程序运行时会报错。
第七步：验证安装结果
安装完成后，输入以下命令查看已安装的包：
```bash pip list ```
你应该能看到类似这样的输出：
``` openpyxl 3.1.2 pandas 2.0.3 python-docx 0.8.11 python-pptx 0.6.23 pyautogui 0.9.54 ```
1.3.3 遇到安装报错怎么办？
安装过程中可能会遇到各种报错，这里列出几个常见情况及解决方案：
情况一：网络连接超时
如果pip install时提示网络错误，可能是因为你在中国大陆，访问PyPI服务器比较慢。解决方案是使用国内镜像源：
```bash pip install openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple ```
国内常用的镜像源还有：
- 清华：https://pypi.tuna.tsinghua.edu.cn/simple
- 阿里云：https://mirrors.aliyun.com/pypi/simple
- 腾讯云：https://mirrors.cloud.tencent.com/pypi/simple
情况二：提示"permission denied"
在Windows上如果遇到权限错误，不要用管理员权限运行命令提示符，而是修改pip的安装目标：
```bash pip install openpyxl --user ```
情况三：版本冲突警告
如果看到类似`WARNING: You are using pip version xxx; however version xxx is available`这样的提示，通常可以忽略，不影响正常使用。如果确实需要升级pip，使用：
```bash python -m pip install --upgrade pip ```
---
1.4 编辑器选择：VS Code与Jupyter Notebook的协同作战
1.4.1 为什么需要代码编辑器？
你可能会问：Python不是可以在命令行里直接写代码运行吗？为什么要用编辑器？
这个问题问得好。假设你要写一个复杂的脚本，需要300行代码。如果在命令行里一行一行敲，出错了你得从头检查每一行对不对，改动也很麻烦。更重要的是，你没法保存代码——关掉命令行，代码就消失了，下次还得重写。
代码编辑器（IDE）就像是一个功能强大的写字板：语法高亮让代码更易读，自动补全减少打字错误，错误提示帮你快速定位问题，一键运行让你看到结果。可以说，编辑器选对了，编程效率能提升一倍。
1.4.2 VS Code：全能型选手
VS Code（Visual Studio Code）是由微软开发的免费代码编辑器，是目前最流行的编程工具之一。它的优点包括：
- 轻量级，启动快，占用资源少
- 支持几乎所有编程语言
- 插件丰富，可以无限扩展功能
- 界面美观，可自定义主题
- 跨平台（Windows、macOS、Linux都能用）
安装VS Code：
1. 访问 https://code.visualstudio.com/Download 2. 下载对应操作系统的安装包 3. 运行安装程序，建议使用默认设置
安装Python插件：
打开VS Code后，按`Ctrl+Shift+X`（Windows/Linux）或`Cmd+Shift+X`（macOS）打开扩展面板，在搜索框中输入"Python"，找到微软官方发布的"Python"插件并安装。这个插件会提供语法高亮、代码补全、调试功能等。
配置Python解释器：
安装完Python插件后，按`Ctrl+Shift+P`（Windows/Linux）或`Cmd+Shift+P`（macOS）打开命令面板，输入"Python: Select Interpreter"，选择我们之前创建的`pyoffice`环境对应的Python解释器。
1.4.3 Jupyter Notebook：数据分析神器
Jupyter Notebook是一个基于浏览器的交互式编程环境，特别适合做数据分析、机器学习和探索性编程。它的特点是"所见即所得"——你可以在代码块之间插入文字说明、图片、公式，代码运行结果直接显示在下方，非常适合边想边写、边写边调试。
Anaconda已经自带了Jupyter Notebook，无需额外安装。
启动Jupyter Notebook：
1. 在命令行中激活`pyoffice`环境 2. 输入`jupyter notebook`回车 3. 浏览器会自动打开一个页面，显示当前目录的文件列表
Jupyter Notebook的基本操作：
- **新建notebook**：点击右上角的"New"按钮，选择"Python 3"
- **编写代码**：在代码单元格里输入代码，按`Shift+Enter`运行
- **添加单元格**：工具栏上有"+"按钮，可以添加新的代码或Markdown单元格
- **保存**：按`Ctrl+S`（Windows/Linux）或`Cmd+S`（macOS）
1.4.4 两种工具的使用场景
VS Code和Jupyter Notebook各有优势，一个实用的策略是用VS Code写正式脚本，用Jupyter Notebook做探索和调试。
```mermaid graph TD A[任务开始] --> B{任务类型?}