From 8629ff8df99ab69ba12cfd5401bf24ed8ef9ddf9 Mon Sep 17 00:00:00 2001
From: Muxiaoxiong <46742031+muxiaoxiong@users.noreply.github.com>
Date: Sat, 5 Jun 2021 11:15:48 +0800
Subject: [PATCH] Add files via upload
---
.../Task01 文件自动化处理&邮件批量处理.md | 657 +++++++++++++++++
OfficeAutomation/Task02 Python与Excel.md | 396 +++++++++++
OfficeAutomation/Task03 python与word.md | 444 ++++++++++++
OfficeAutomation/Task04 Python操作PDF.md | 519 ++++++++++++++
OfficeAutomation/Task05 爬虫入门与综合应用.md | 658 ++++++++++++++++++
5 files changed, 2674 insertions(+)
create mode 100644 OfficeAutomation/Task01 文件自动化处理&邮件批量处理.md
create mode 100644 OfficeAutomation/Task02 Python与Excel.md
create mode 100644 OfficeAutomation/Task03 python与word.md
create mode 100644 OfficeAutomation/Task04 Python操作PDF.md
create mode 100644 OfficeAutomation/Task05 爬虫入门与综合应用.md
diff --git a/OfficeAutomation/Task01 文件自动化处理&邮件批量处理.md b/OfficeAutomation/Task01 文件自动化处理&邮件批量处理.md
new file mode 100644
index 0000000..0efdc6b
--- /dev/null
+++ b/OfficeAutomation/Task01 文件自动化处理&邮件批量处理.md
@@ -0,0 +1,657 @@
+# 1 文件自动化处理
+
+## 1.1 读写文件
+我们知道，程序运行时，可以用变量来保存运算结果，但如果希望程序运行关闭后，依然可以查看运行后的结果，就需要将数据保存到文件中。简单点，你可以将文件内容理解为一个字符串值，大小可能有几个GB。本节将学习，如何使用python在硬盘上创建、读取和保存文件。
+
+## 1.1.1 文件与文件路径
+文件的两个属性：“路径”和“文件名”，路径指明文件在计算机上的位置，文件名是指该位置的文件的名称。比如，我的电脑上，有个名字为Datawhale - 开源发展理论研究.pdf的文件，它的路径在D:\Datawhale。在windows中，路径中的D:\部分是“根文件夹”，Datawhale是文件夹名。注：Windows中文件夹名和文件名不区分大小写的。
+
+在windows上，路径书写是使用倒斜杠'\'作为文件夹之间的分隔符，而在OS X和Linux上，是使用正斜杠'/'作为它们的路径分隔符。通常我们用`os.path.join()`函数来创建文件名称字符串。
+
+```python
+import os
+os.path.join('Datawhale','docu')
+```
+
+我们可以看到返回的是（'Datawhale\\\docu'），有两个斜杠，这是因为有一个斜杠是用来转义的，在OS X或Linux上调用这个函数，这个字符串就会是'Datawhale/docu'。
+
+## 1.1.2 当前工作目录
+每个运行在计算机上的程序，都有一个“当前工作目录”。利用`os.getcwd()`函数，可以取得当前工作路径的
+字符串，并可以利用`os.chdir()`改变它。
+
+```python
+import os
+os.getcwd() #获取当前工作目录
+```
+
+```python
+os.chdir('D:\\Datawhale\\python办公自动化') #改变当前工作目录
+os.getcwd()
+```
+
+## 1.1.3 路径操作
+
+### 1.1.3.1 绝对路径和相对路径
+“绝对路径”，总是从根文件夹开始。
+“相对路径”，相对于程序的当前工作目录。
+相对路径中，单个句点“.”表示当前目录的缩写，两个句点“..”表示父文件夹。
+
+
+几个常用的绝对路径和相对路径处理函数
+
+`os.path.abspath(path)`：将相对路径转换为绝对路径，将返回参数的绝对路径的字符串。`os.path.isabs(path)`：判断是否是绝对路径，是返回True,不是则返回False
+
+```python
+os.path.abspath('.') #当前路径转化为绝对路径。 'D:\\Datawhale\\python办公自动化'
+os.path.isabs('.') #False
+os.path.isabs(os.path.abspath('.')) #True
+```
+
+### 1.1.3.2 路径操作
+`os.path.relpath(path,start)`:返回从start路径到path的相对路径的字符串。如果没提供start,就使用当前工作目录作为开始路径。
+`os.path.dirname(path)`: 返回当前路径的目录名称。
+`os.path.basename(path)`：返回当前路径的文件名称。
+
+```
+os.path.relpath('D:\\Datawhale\\python办公自动化','D:\\') #'Datawhale\\python办公自动化'
+```
+
+```
+path = 'D:\\Datawhale\\python办公自动化\\python课程画图.pptx'
+os.path.dirname(path) #'D:\\Datawhale\\python办公自动化'
+```
+
+```
+os.path.basename(path) #'python课程画图.pptx'
+```
+
+如果同时需要一个路径的目录名称和基本名称，可以调用`os.path.split()`，获得者两个字符串的元组。
+
+```python
+caFilePath = 'D:\\Datawhale\\python办公自动化\\python课程画图.pptx'
+os.path.split(caFilePath) #('D:\\Datawhale\\python办公自动化', 'python课程画图.pptx')
+```
+
+```
+我们也可以调用os.path.dirname()和os.path.basename(),将它们的返回值放在一个元组中，从而得到同样的元组。
+```
+
+```python
+(os.path.dirname(caFilePath),os.path.basename(caFilePath)) #('D:\\Datawhale\\python办公自动化', 'python课程画图.pptx')
+```
+
+如果我们想返回每个文件夹的字符串的列表。用`os.path.split()`无法得到，我们可以用`split()`字符串方法，并根据`os.path.sep` 中的字符串进行分割。`os.path.sep` 变量设置为正确的文件夹分割斜杠。
+
+```python
+caFilePath.split(os.path.sep) #['D:', 'Datawhale', 'python办公自动化', 'python课程画图.pptx']
+```
+
+### 1.1.3.3 路径有效性检查
+如果提供的路径不存在，很多Python函数就会崩溃并报错。`os.path`模块提供了一些函数，用于检测给定的路径是否存在，以及判定是文件还是文件。
+
+`os.path.exists(path)`：如果path参数所指的文件或文件夹存在，则返回True,否则返回False。
+
+`os.path.isfile(path)`：如果path参数存在，并且是一个文件，则返回True,否则返回False。
+
+`os.path.isdir(path)`：如果path参数存在，并且是一个文件夹，则返回True,否则返回False。
+
+```python
+os.path.exists('C:\\Windows')
+```
+
+```python
+os.path.exists('C:\\else')
+```
+
+```python
+os.path.isfile('D:\\Datawhale\\python办公自动化\\python课程画图.pptx')
+```
+
+```python
+os.path.isfile('D:\\Datawhale\\python办公自动化')
+```
+
+```python
+os.path.isdir('D:\\Datawhale\\python办公自动化\\python课程画图.pptx')
+```
+
+```python
+os.path.isdir('D:\\Datawhale\\python办公自动化')
+```
+
+## 1.1.4 文件及文件夹操作
+
+### 1.1.4.1 用os.makedirs()创建新文件夹
+注：`os.makedirs()`可以创建所有必要的中间文件夹。
+
+```python
+import os
+os.makedirs('D:\\Datawhale\\practice') #查看目录，已创建，若文件夹已存在，不会覆盖，会报错
+```
+
+### 1.1.4.2 查看文件大小和文件夹内容
+我们已经可以处理文件路径，这是操作文件及文件夹的基础。接下来，我们可以搜集特定文件和文件夹的信息。`os.path`模块提供了一些函数，用于查看文件的字节数以及给定文件夹中的文件和子文件夹。
+`os.path.getsize(path)`：返回path参数中文件的字节数。
+`os.listdir(path)`:返回文件名字符串的列表，包含path参数中的每个文件。
+
+```python
+os.path.getsize('D:\\Datawhale\\python办公自动化\\python课程画图.pptx')
+```
+
+```python
+os.listdir('D:\\Datawhale\\python办公自动化')
+```
+
+如果想知道目录下所有文件的总字节数，可以同时使用`os.path.getsize()`和`os.listdir()`
+
+```python
+totalSize = 0
+for filename in os.listdir('D:\\Datawhale\\python办公自动化'):
+ totalSize = totalSize + os.path.getsize(os.path.join('D:\\Datawhale\\python办公自动化',filename))
+print(totalSize)
+```
+
+## 1.1.6 文件读写过程
+读写文件3个步骤：
+
+1.调用`open()`函数，返回一个File对象。
+
+2.调用File对象的`read()`或`write()`方法。
+
+3.调用File对象的`close()`方法，关闭该文件。
+
+### 1.1.6.1 用open()函数打开文件
+要用`open()`函数打开一个文件，就要向它传递一个字符串路径，表明希望打开的文件。这既可以是绝对路径，也可以是相对路径。`open()`函数返回一个File对象。
+先用TextEdit创建一个文本文件，名为hello.txt。输入Hello World!作为该文本文件的内容，将它保存在你的用户文件夹中。
+
+```python
+helloFile = open('D:\\Datawhale\\python办公自动化\\hello.txt')
+print(helloFile)
+```
+
+可以看到，调用`open()`函数将会返回一个File对象。当你需要读取或写入该文件，就可以调用helloFile变量中的File对象的方法。
+
+### 1.1.6.2 读取文件内容
+有了File对象，我们就可以开始从它读取内容。
+
+`read()`:读取文件内容。
+
+`readlines()`:按行读取文件中的内容，取得一个字符串列表，列表中每个字符串是文本中的一行且以\n结束。
+
+```python
+helloContent = helloFile.read()
+helloContent
+```
+
+```python
+sonnetFile = open('D:\\Datawhale\\python办公自动化\\hello.txt')
+sonnetFile.readlines()
+```
+
+### 1.1.6.3 写入文件
+需要用“写模式”‘w’和“添加模式”'a'打开一个文件，而不能用读模式打开文件。
+“写模式”将覆写原有的文件，从头开始。“添加模式”将在已有文件的末尾添加文本。
+
+```python
+baconFile = open('bacon.txt','w')
+baconFile.write('Hello world!\n')
+```
+
+```python
+baconFile.close() #注意，关闭后，才能完成写入，从txt文件中看到写入的内容。
+```
+
+```python
+baconFile = open('bacon.txt','a')
+baconFile.write('Bacon is not a vegetable.')
+```
+
+```python
+baconFile.close()
+```
+
+```python
+baconFile = open('bacon.txt')
+content = baconFile.read()
+baconFile.close()
+print(content)
+```
+
+注意，`write()`方法不会像print()函数那样，在字符串的末尾自动添加换行字符。必须自己添加该字符。
+
+### 1.1.6.3 保存变量
+1)、shelve模块
+
+用`shelve`模块，可以将Python中的变量保存到二进制的`shelf`文件中。这样，程序就可以从硬盘中恢复变量的数据。
+
+```python
+import shelve
+shelfFile = shelve.open('mydata')
+cats = ['Zonphie','Pooka','Simon']
+shelfFile['cats'] = cats
+shelfFile.close()
+```
+
+在Windows上运行前面的代码，我们会看到当前工作目录下有3个新文件：mydata.bak、mydata.dat和mydata.dir。在OS X上，只会创建一个mydata.db文件。
+
+重新打开这些文件，取出数据。注意：`shelf`值不必用读模式或写模式打开，因为打开后，既能读又能写。
+
+```python
+shelfFile = shelve.open('mydata')
+type(shelfFile)
+```
+
+```python
+shelve.DbfilenameShelf
+```
+
+```python
+shelfFile['cats']
+```
+
+```python
+shelfFile.close()
+```
+
+就像字典一样，`shelf`值有`keys()`和`values()`方法，返回shelf中键和值的类似列表的值。但是这些方法返回类似列表的值，却不是真正的列表，所以应该将它们传递给`list()`函数，取得列表的形式。
+
+```python
+shelfFile = shelve.open('mydata')
+list(shelfFile.keys())
+```
+
+```python
+list(shelfFile.values())
+```
+
+```python
+shelfFile.close()
+```
+
+2)、用`pprint.pformat()`函数保存变量
+
+`pprint.pformat()`函数返回要打印的内容的文本字符串，这个字符串既易于阅读，也是语法上正确的Python代码。
+
+假如，有一个字典，保存在一个变量中，希望保存这个变量和它的内容，以便将来使用。`pprint.pformat()`函数将提供一个字符串，我们可以将它写入.py文件。这个文件可以成为我们自己的模块，如果需要使用存储其中的变量，就可以导入它。
+
+```python
+import pprint
+cats = [{'name':'Zophie','desc':'chubby'},{'name':'Pooka','desc':'fluffy'}]
+pprint.pformat(cats)
+```
+
+```python
+fileObj = open('myCats.py','w')
+fileObj.write('cats = '+pprint.pformat(cats)+'\n')
+```
+
+```python
+fileObj.close()
+```
+
+import语句导入的模块本身就是Python脚本。如果来自pprint.pformat()的字符串保存为一个.py文件，该文件就是一个可以导入的模块。
+
+```python
+import myCats
+myCats.cats
+```
+
+```python
+myCats.cats[0]
+```
+
+```python
+myCats.cats[0]['name']
+```
+
+## 1.1.7 练习
+
+1、如果已有的文件以写模式打开，会发生什么？
+
+2、`read()`和`readlines()`方法之间的区别是什么？
+
+综合练习：
+一、生成随机的测验试卷文件
+假如你是一位地理老师， 班上有 35 名学生， 你希望进行美国各州首府的一个
+小测验。不妙的是，班里有几个坏蛋， 你无法确信学生不会作弊。你希望随机调整
+问题的次序， 这样每份试卷都是独一无二的， 这让任何人都不能从其他人那里抄袭答案。当然，手工完成这件事又费时又无聊。 好在， 你懂一些 Python。
+
+下面是程序所做的事：
+
+• 创建 35 份不同的测验试卷。
+
+• 为每份试卷创建 50 个多重选择题，次序随机。
+
+• 为每个问题提供一个正确答案和 3 个随机的错误答案，次序随机。
+
+• 将测验试卷写到 35 个文本文件中。
+
+• 将答案写到 35 个文本文件中。
+
+这意味着代码需要做下面的事：
+
+• 将州和它们的首府保存在一个字典中。
+
+• 针对测验文本文件和答案文本文件，调用 open()、 write()和 close()。
+
+• 利用 random.shuffle()随机调整问题和多重选项的次序。
+
+## 1.2 组织文件
+
+在上一节中，已经学习了如何使用Python创建并写入新文件。本节将介绍如何用程序组织硬盘上已经存在的文件。不知你是否经历过查找一个文件夹，里面有几十个、几百个、甚至上千个文件，需要手工进行复制、改名、移动或压缩。比如下列这样的任务：
+
+• 在一个文件夹及其所有子文件夹中，复制所有的 pdf 文件（且只复制 pdf 文件）
+
+• 针对一个文件夹中的所有文件，删除文件名中前导的零，该文件夹中有数百个文件，名为 spam001.txt、 spam002.txt、 spam003.txt 等。
+
+• 将几个文件夹的内容压缩到一个 ZIP 文件中（这可能是一个简单的备份系统）
+
+所有这种无聊的任务，正是在请求用 Python 实现自动化。通过对电脑编程来完成这些任务，你就把它变成了一个快速工作的文件职员，而且从不犯错。
+
+### 1.2.1 shutil模块
+
+`shutil`(或称为shell工具)模块中包含一些函数，可以在Python程序中复制、移动、改名和删除文件。要使用`shutil`的函数，首先需要`import shutil`
+
+#### 1.2.1.1 复制文件和文件夹
+
+`shutil.copy(source, destination)`：将路径source处的文件复制到路径 destination处的文件夹（source 和 destination 都是字符串），并返回新复制文件绝对路径字符串。
+
+其中destination可以是：
+
+1）、一个文件的名称，则将source文件复制为新名称的destination
+
+2）、一个文件夹，则将source文件复制到destination中
+
+3）、若这个文件夹不存在，则将source目标文件内的内容复制到destination中,若destination文件夹不存在，则自动生成该文件。(慎用，因为会将source文件复制为一个没有扩展名的名字为destination的文件，这往往不是我们希望的)
+
+```python
+import shutil
+shutil.copy('D:\\Datawhale\\python办公自动化\\bacon.txt', 'D:\\Datawhale\\practice')
+```
+
+```python
+os.getcwd()
+```
+
+```python
+shutil.copy('D:\\Datawhale\\python办公自动化\\capitalsquiz_answers1.txt', 'D:\\Datawhale\\practice\\bacon.txt')
+```
+
+```python
+shutil.copy('D:\\Datawhale\\python办公自动化\\bacon.txt', 'D:\\Datawhale\\exercise')
+```
+
+`shutil.copytree(source, destination)` :将路径source处的文件夹，包括其包含的文件夹和文件，复制到路径destination处的文件夹,并返回新复制文件夹绝对路径字符串。
+
+注：destination处的文件夹为新创建的文件夹，如已存在，则会报错
+
+```python
+import shutil
+shutil.copytree('D:\\Datawhale\\python办公自动化','D:\\Datawhale\\practice')
+```
+
+#### 1.2.1.2 文件和文件夹的移动与改名
+
+`shutil.move(source, destination)`：将路径 source 处的文件/文件夹移动到路径destination，并返回新位置的绝对路径的字符串。
+
+1)、如果source和destination是文件夹，且destination已存在，则会将source文件夹下所有内容复制到destination文件夹中。移动。
+
+2）、如果source是文件夹，destination不存在，则会将source文件夹下所有内容复制到destination文件夹中，source原文件夹名称将被替换为destination文件夹名。 移动+重命名
+
+3）、如果source和destination是文件，source处的文件将被移动到destination处的位置，并以destination处的文件名进行命名，移动+重命名。
+
+注意：如果destination中有原来已经存在同名文件，移动后，会被覆写，所以应当特别注意。
+
+```python
+import shutil
+shutil.move('D:\\Datawhale\\practice','D:\\Datawhale\\docu')
+```
+
+```python
+shutil.move('D:\\Datawhale\\practice','D:\\Datawhale\\docue')
+```
+
+```python
+shutil.move('D:\\Datawhale\\docue\\bacon.txt','D:\\Datawhale\\docu\\egg.txt')
+```
+
+#### 1.2.1.3 永久删除文件和文件夹
+`os.unlink(path)`: 删除path处的文件。
+
+`os.rmdir(path)`: 删除path处的文件夹。该文件夹必须为空，其中没有任何文件和文件夹。
+
+`shutil.rmtree(path)`:删除 path 处的文件夹，它包含的所有文件和文件夹都会被删除。
+
+注意：使用时，需要非常小心，避免删错文件，一般在第一次运行时，注释掉这些程序，并加上`print()`函数来帮助查看是否是想要删除的文件。
+
+```python
+#建议先指定操作的文件夹，并查看
+os.chdir('D:\\Datawhale\\docue')
+os.getcwd()
+```
+
+```python
+import os
+for filename in os.listdir():
+ if filename.endswith('.dir'):
+ #os.unlink(filename)
+ print(filename)
+```
+
+#### 1.2.1.4 用send2trash模块安全地删除
+`shutil.rmtree(path)`会不可恢复的删除文件和文件夹，用起来会有危险。因此使用第三方的`send2trash`模块，可以将文件或文件夹发送到计算机的垃圾箱或回收站，而不是永久删除。因程序缺陷而用send2trash 删除的某些你不想删除的东西，稍后可以从垃圾箱恢复。
+
+注意：使用时，需要非常小心，避免删错文件，一般在第一次运行时，注释掉这些程序，并加上`print()`函数来帮助查看是否是想要删除的文件。
+
+```python
+pip install send2trash #安装send2trash模块
+```
+
+```python
+import send2trash
+send2trash.send2trash('bacon.txt')
+```
+
+## 1.2.2 遍历目录树
+ `os.walk(path)`:传入一个文件夹的路径，在for循环语句中使用`os.walk()`函数，遍历目录树，和range()函数遍历一个范围的数字类似。不同的是，`os.walk()`在循环的每次迭代中，返回三个值：
+
+ 1）、当前文件夹称的字符串。
+
+ 2）、当前文件夹中子文件夹的字符串的列表。
+
+ 3）、当前文件夹中文件的字符串的列表。
+
+ 注：当前文件夹，是指for循环当前迭代的文件夹。程序的当前工作目录，不会因为`os.walk()`而改变。
+
+
+
+按照下图目录树，创建相应的文件。
+
+
+```python
+import os
+for folderName, subFolders,fileNames in os.walk('D:\\animals'):
+ print('The current folder is ' + folderName)
+ for subFolder in subFolders:
+ print('Subfolder of ' + folderName+':'+subFolder)
+ for filename in fileNames:
+ print('File Inside ' + folderName+':'+filename)
+ print('')
+```
+
+## 1.2.3 用zipfile模块压缩文件
+
+为方便传输，常常将文件打包成.zip格式文件。利用zipfile模块中的函数，Python程序可以创建和打开（或解压）zip文件。
+
+### 1.2.3.1 创建和添加到zip文件
+
+将上述章节中animals文件夹进行压缩。创建一个example.zip的zip文件，并向其中添加文件。
+
+`zipfile.ZipFile('filename.zip', 'w')` ：以写模式创建一个压缩文件
+
+`ZipFile` 对象的 `write('filename','compress_type=zipfile.ZIP_DEFLATED')`方法：如果向`write()`方法中传入一个路径，Python 就会压缩该路径所指的文件， 将它加到 ZIP 文件中。 如果向`write()`方法中传入一个字符串，代表要添加的文件名。第二个参数是“压缩类型”参数，告诉计算机用怎样的算法来压缩文件。可以总是将这个值设置为 `zipfile.ZIP_DEFLATED`（这指定了 deflate 压缩算法，它对各种类型的数据都很有效）。
+
+注意：写模式会擦除zip文件中所有原有的内容。如果只希望将文件添加到原有的zip文件中，就要向`zipfile.ZipFile()`传入'a'作为第二个参数，以添加模式打开 ZIP 文件。
+
+```python
+## 1 创建一个new.zip压缩文件，并向其中添加文件
+import zipfile
+newZip = zipfile.ZipFile('new.zip','w')
+newZip.write('Miki.txt',compress_type=zipfile.ZIP_DEFLATED)
+newZip.close()
+```
+
+```python
+newZip = zipfile.ZipFile('new.zip','w')
+newZip.write('D:\\animals\\dogs\\Taidi.txt',compress_type=zipfile.ZIP_DEFLATED)
+newZip.close()
+```
+
+```python
+## 2 创建一个example.zip的压缩文件，将animals文件夹下所有文件进行压缩。
+import zipfile
+import os
+newZip = zipfile.ZipFile('example.zip','w')
+for folderName, subFolders,fileNames in os.walk('D:\\animals'):
+ for filename in fileNames:
+ newZip.write(os.path.join(folderName,filename),compress_type=zipfile.ZIP_DEFLATED)
+newZip.close()
+```
+
+### 1.2.3.2 读取zip文件
+
+调用`zipfile.ZipFile(filename)`函数创建一个`ZipFile`对象（注意大写字母Z和F）,filename是要读取zip文件的文件名。
+
+`ZipFile`对象中的两个常用方法：
+
+`namelis()`方法，返回zip文件中包含的所有文件和文件夹的字符串列表。
+
+`getinfo()`方法，返回一个关于特定文件的`ZipInfo`对象。
+
+`ZipInfo`对象的两个属性：`file_size`和`compress_size`，分别表示原来文件大小和压缩后文件大小。1.2.3.2 读取zip文件
+
+```
+import zipfile,os
+exampleZip = zipfile.ZipFile('example.zip')
+exampleZip.namelist()
+```
+
+```
+catInfo = exampleZip.getinfo('animals/Miki.txt')
+```
+
+```
+catInfo.file_size
+```
+
+```
+catInfo.compress_size
+```
+
+```
+print('Compressed file is %s x smaller!' %(round(catInfo.file_size/catInfo.compress_size,2)))
+```
+
+```
+exampleZip.close()
+```
+
+### 1.2.3.3 从zip文件中解压缩
+
+`ZipFile` 对象的 `extractall()`方法：从zip文件中解压缩所有文件和文件夹，放到当前工作目录中。也可以向`extractall()`传递的一个文件夹名称，它将文件解压缩到那个文件夹， 而不是当前工作目录。如果传递的文件夹名称不存在，就会被创建。
+
+`ZipFile` 对象的 `extract()`方法:从zip文件中解压单个文件。也可以向 extract()传递第二个参数， 将文件解压缩到指定的文件夹， 而不是当前工作目录。如果第二个参数指定的文件夹不存在， Python 就会创建它。extract()的返回值是被压缩后文件的绝对路径。
+
+```python
+import zipfile, os
+exampleZip = zipfile.ZipFile('example.zip')
+exampleZip.extractall('.\zip')
+exampleZip.close()
+```
+
+```python
+exampleZip = zipfile.ZipFile('example.zip')
+exampleZip.extract('animals/Miki.txt')
+exampleZip.extract('animals/Miki.txt', 'D:\\animals\\folders')
+exampleZip.close()
+```
+
+## 1.2.4 练习
+
+1）、编写一个程序，遍历一个目录树，查找特定扩展名的文件（诸如.pdf 或.jpg）。不论这些文件的位置在哪里， 将它们拷贝到一个新的文件夹中。
+
+2） 、一些不需要的、 巨大的文件或文件夹占据了硬盘的空间， 这并不少见。如果你试图释放计算机上的空间， 那么删除不想要的巨大文件效果最好。但首先你必须找到它们。编写一个程序， 遍历一个目录树， 查找特别大的文件或文件夹， 比方说， 超过100MB 的文件（回忆一下，要获得文件的大小，可以使用 os 模块的 `os.path.getsize()`）。将这些文件的绝对路径打印到屏幕上。
+
+3）、编写一个程序， 在一个文件夹中， 找到所有带指定前缀的文件， 诸如 spam001.txt,spam002.txt 等，并定位缺失的编号（例如存在 spam001.txt 和 spam003.txt， 但不存在 spam002.txt）。让该程序对所有后面的文件改名， 消除缺失的编号。作为附加的挑战，编写另一个程序，在一些连续编号的文件中，空出一些编号，以便加入新的文件。
+
+## 2 自动发送电子邮件
+
+使用Python实现自动化邮件发送，可以让你摆脱繁琐的重复性业务，节省非常多的时间。
+
+Python有两个内置库：`smtplib`和`email`，能够实现邮件功能，`smtplib`库负责发送邮件，`email`库负责构造邮件格式和内容。
+
+邮件发送需要遵守**SMTP**协议，Python内置对SMTP的支持，可以发送纯文本邮件、HTML邮件以及带附件的邮件。
+
+```python
+#1 先导入相关的库和方法
+import smtplib #导入库
+from smtplib import SMTP_SSL #加密邮件内容，防止中途被截获
+from email.mime.text import MIMEText #构造邮件的正文
+from email.mime.image import MIMEImage #构造邮件的图片
+from email.mime.multipart import MIMEMultipart #把邮件的各个部分装在一起，邮件的主体
+from email.header import Header #邮件的文件头，标题，收件人
+```
+
+```python
+#2 设置邮箱域名、发件人邮箱、邮箱授权码、收件人邮箱
+host_server = 'smtp.163.com' #sina 邮箱smtp服务器 #smtp 服务器的地址
+sender_163 = 'pythonauto_emai@163.com' #sender_163为发件人的邮箱
+pwd = 'DYEPOGLZDZYLOMRI' #pwd为邮箱的授权码'DYEPOGLZDZYLOMRI'
+#也可以自己注册个邮箱，邮箱授权码'DYEPOGLZDZYLOMRI' 获取方式可参考#http://help.163.com/14/0923/22/A6S1FMJD00754KNP.html
+receiver = '********@163.com'
+```
+
+```python
+#3 构建MIMEMultipart对象代表邮件本身，可以往里面添加文本、图片、附件等
+msg = MIMEMultipart() #邮件主体
+```
+
+```python
+#4 设置邮件头部内容
+mail_title = 'python办公自动化邮件' # 邮件标题
+msg["Subject"] = Header(mail_title,'utf-8') #装入主体
+msg["From"] = sender_163 #寄件人
+msg["To"] = Header("测试邮箱",'utf-8') #标题
+```
+
+```python
+#5 添加正文文本
+mail_content = "您好，这是使用python登录163邮箱发送邮件的测试" #邮件的正文内容
+message_text = MIMEText(mail_content,'plain','utf-8') #构造文本,参数1：正文内容，参数2：文本格式，参数3：编码方式
+msg.attach(message_text) # 向MIMEMultipart对象中添加文本对象
+```
+
+```python
+#6 添加图片
+image_data = open('cat.jpg','rb') # 二进制读取图片
+message_image = MIMEImage(image_data.read()) # 设置读取获取的二进制数据
+image_data.close() # 关闭刚才打开的文件
+msg.attach(message_image) # 添加图片文件到邮件信息当中去
+```
+
+```python
+# 7 添加附件(excel表格)
+atta = MIMEText(open('cat.xlsx', 'rb').read(), 'base64', 'utf-8') # 构造附件
+atta["Content-Disposition"] = 'attachment; filename="cat.xlsx"' # 设置附件信息
+msg.attach(atta) ## 添加附件到邮件信息当中去
+```
+
+```python
+#8 发送邮件
+smtp = SMTP_SSL(host_server) #SSL登录 创建SMTP对象
+smtp.login(sender_163,pwd) ## 登录邮箱，传递参数1：邮箱地址，参数2：邮箱授权码
+smtp.sendmail(sender_163,receiver,msg.as_string()) # 发送邮件，传递参数1：发件人邮箱地址，参数2：收件人邮箱地址，参数3：把邮件内容格式改为str
+print("邮件发送成功")
+smtp.quit # 关闭SMTP对象
+```
+
diff --git a/OfficeAutomation/Task02 Python与Excel.md b/OfficeAutomation/Task02 Python与Excel.md
new file mode 100644
index 0000000..82876e0
--- /dev/null
+++ b/OfficeAutomation/Task02 Python与Excel.md
@@ -0,0 +1,396 @@
+# Python自动化之Excel
+
+方法一：应用pip执行命令
+
+安装**openpyxl**模块`pip install openpyxl`
+
+方法二：在Pycharm中：File->Setting->左侧Project Interpreter
+
+
+
+
+
+
+
+
+
+### Excel读取
+
+#### 读取对应表格
+
+1. 打开已经存在的Excel表格
+
+```
+from openpyxl imporg load_workbook
+
+exl = load_workbook(filename = 'test.xlsx')
+print(elx.sheetnames)
+```
+
+2. 根据名称或去表格
+
+```
+from openpyxl import load_workbook
+
+exl_1 = load_workbook(filename = 'test.xlsx')
+print(exl_1.sheetnames)
+
+sheet = elx_1['work']
+
+'若只有一张表则：'
+sheet = elx_1.active
+```
+
+3. 获取Excel 内容占据的大小
+
+```
+print(sheet.dimensions)
+```
+
+#### 读取单元格
+
+1. 获取某个单元格的具体内容
+
+```
+cell = sheet.cell(row=1,column=2) #指定行列数
+print(cell.value)
+
+cell_1 = sheet['A1'] #指定坐标
+print(cell_1.value)
+```
+
+2. 获取单元格对应的行、列和坐标
+
+```
+print(cell_1.row, cell_column, cell.coordinate)
+```
+
+#### 读取多个格子的值
+
+1. 指定坐标范围
+
+```
+cells = sheet['A1:C8'] #A1到C8区域的值
+```
+
+2. 指定行的值
+
+```
+Row = sheet[1] #第1行的值
+Rows = sheet[1:2] #第1到2行的值
+```
+
+3. 指定列的值
+
+```
+Column = sheet['A'] #第A列
+Columns = sheet['A:C'] #第A到C列
+```
+
+4. 指定范围的值
+
+```
+# 行获取
+for row in sheet.iter_rows(min_row = 1, max_row = 5,
+ min_col = 2, max_col = 6):
+ print(row)
+ # 一列由多个单元格组成，若需要获取每个单元格的值则循环获取即可
+ for cell in row:
+ print(cell.value)
+
+# 列获取
+for col in sheet.iter_cols(min_row = 1, max_row = 5,
+ min_col = 2, max_col = 6):
+ print(col)
+
+ for cell in col:
+ print(cell.value)
+```
+
+#### 练习题
+
+找出text_1.xlsx中sheet1表中空着的格子，并输出这些格子的坐标
+
+```
+from openpyxl import load_workbook
+
+exl = load_workbood('test_1.xlsx')
+sheet = exl.active
+for row in sheet.iter_rows(min_row = 1, max_row = 29972,
+ min_col = 1, max_col = 10):
+ #具体查看对应表格的行列数
+ for cell in row:
+ if not cell.value:
+ print(cell.coordinate)
+```
+
+
+
+### Excel写入
+
+#### 写入单元格并保存
+
+```
+from openpyxl import load_workbook
+
+exl = load_workbook(filename = 'test.xlsx')
+sheet = exl.active
+sheet['A1'] = 'hello word'
+#或者cell = sheet['A1']
+#cell.value = 'hello word'
+exl.save(filename = 'test.xlsx') #存入原Excel表中，若创建新文件则可命名为不同名称
+```
+
+#### 写入行数据并保存
+
+1. 写入一行数据并保存
+
+```
+import wlwt
+# 应用write中的参数，对应 行, 列, 值
+sheet.write(1,0, label = 'this is test')
+```
+
+2. 写入多行数据并保存
+
+```
+#应用sheet.append()
+data = [['hello',22,'hi'],
+ ['hell',23,'h'],
+ ['he',25,'him']]
+for i in data:
+ sheet.append(i)
+exl.save(filename = 'test.xlsx')
+```
+
+#### 将公式写入单元格保存
+
+```
+sheet['A2'] = 'SUM(A1:D1)'
+exl.save(filename='test.xlsx')
+```
+
+#### 插入列数据
+
+1. 插入一列
+
+```
+sheet.insert_cols(idx=2) #idx=2第2列，第2列前插入一列
+```
+
+2. 插入多列
+
+```
+#第2列前插入5列作为举例
+sheet.insert_cols(idx=2, amount=5)
+```
+
+#### 插入行数据
+
+第2行前上面插入一行(或多行)
+
+```
+#插入一行
+sheet.insert_cols(idx=2)
+#插入多行
+sheet.insert_cols(idx=2, amount=5)
+```
+
+#### 删除
+
+1. 删除多列
+
+```
+sheet.delete_cols(idx=5, amount=2) #第5列前删除2列
+```
+
+2. 删除多行
+
+```
+sheet.delete_rows(idx=2, amount=5)
+```
+
+#### 移动
+
+当数字为正即向下或向右，为负即为向上或向左
+
+```
+sheet.move_range('C5:F10', row=2, cols=-3)
+```
+
+#### Sheet表操作
+
+1. 创建新的sheet
+
+```
+from openpyxl import load_workbook
+
+exl = load_workbook(filename = 'test.xlsx')
+print(exl.sheetnames)
+
+exl.create_sheet('new_sheet')
+```
+
+2. 复制已有的sheet
+
+```
+exl.copy_worksheet(sheet)
+```
+
+3. 修改sheet表名
+
+```
+sheet = exl.active
+sheet.title = 'newname'
+```
+
+#### 创建新的Excel表
+
+```
+from openpyxl import load_workbook
+
+workbook = Workbook()
+sheet = workbook.active
+workbook.save(filename = 'newtest.xlsx')
+```
+
+
+
+### Excel 样式
+
+#### 设置字体样式
+
+1. 设置字体样式
+
+ `Font(name字体名称,size大小,bold粗体,italic斜体,color颜色)`
+
+ ```
+ from openpyxl import Workbook
+ from openpyxl.styles import Font
+
+ workbook = Workbook()
+ sheet = workbook.active
+ cell = sheet['A1']
+ font = Font(name='字体', sizee=10, bold=True, italic=True, color='FF0000')
+ cell.font = font
+ workbook.save(filename='new_test')
+ ```
+
+2. 设置多个格子的字体样式
+
+ ```
+ from openpyxl import Workbook
+ from openpyxl.styles import Font
+
+ workbook = Workbook()
+ sheet = workbook.active
+ cells = sheet[2]
+ font = Font(name='字体', sizee=10, bold=True, italic=True, color='FF000000')
+ for cell in cells:
+ cell.font = font
+ workbook.save(filename='new_test')
+ ```
+
+#### 设置对其样式
+
+水平对齐：`distributed, justify, center, left, fill, centerContinuous, right, general`
+
+垂直对齐：`bottom, distributed, justify, center, top`
+
+1. 设置单元格边框样式
+
+`Side(style变现样式， color边线颜色)`
+
+`Border(左右上下边线)`
+
+```
+from openpyxl import Workbook
+from openpyxl.styles import Font
+
+workbook = Workbook()
+sheet = workbook.active
+cell = sheet['A1']
+side = Side(style='thin', color='FF000000')
+#先定好side的格式
+border = Border(left=side, right=side, top=side, bottom=side)
+#代入边线中
+cell.border = border
+workbook.save(filename='new_test')
+```
+
+2. 设置单元格边框样式
+
+变现样式：`double, mediumDashDotDot, slantDashDot, dashDotDot, dotted, hair, mediumDashed, dashed, dashDot, thin, mediumDashDot, medium, thick `
+
+```
+from openpyxl import Workbook
+from openpyxl.styles import Font
+
+workbook = Workbook()
+sheet = workbook.active
+cell = sheet['A1']
+pattern_fill = PatternFill(fill_type='solid', fgColor
+cell1.fill = pattern_fill
+#单色填充
+cell2 = sheet['A3']
+gradient_fill = GradientFill(stop=('FFFFFF', '99ccff','000000'))
+cell2.fill = gradient_fill
+#渐变填充
+workbook.save(filename='new_test')
+```
+
+#### 设置行高与列宽
+
+```
+from openpyxl import Workbook
+
+workbook = Workbook()
+sheet = workbook.active
+sheet.row_dimensions[1].height = 50
+sheet.column_dimensions['C'].width = 20 workbook.save(filename='new_test')
+```
+
+#### 合并、取消合并单元格
+
+```
+sheet.merge_cells('A1:B2')
+sheet.merge_cells(start_row=1, start_column=3,
+ end_row=2, end_column=4)
+
+sheet.unmerge_cells('A1:B2')
+sheet.unmerge_cells(start_row=1, start_column=3,
+ end_row=2, end_column=4)
+```
+
+#### 练习题
+
+```
+from openpyxl import load_workbook
+from openpyxl.styles import Font, Side, Border
+
+workbook = load_workbook('./test.xlsx')
+sheet = workbook.active
+buy_mount = sheet['F']
+row_lst = []
+
+for cell in buy_mount:
+ if isinstance(cell.value, int) and cell.value > 5:
+ print(cell.row)
+ row_lst.append(cell.row)
+
+side = Side(style='thin', color='FF000000')
+border = Border(left=side, right=side, top=side, bottom=side)
+font = Font(bold=True, color='FF0000')
+for row in row_lst:
+ for cell in sheet[row]:
+ cell.font = font
+ cell.border = border
+workbook.save('new_test'.xlsx')
+```
+
+
+
+
+
+
+
diff --git a/OfficeAutomation/Task03 python与word.md b/OfficeAutomation/Task03 python与word.md
new file mode 100644
index 0000000..1ce01fc
--- /dev/null
+++ b/OfficeAutomation/Task03 python与word.md
@@ -0,0 +1,444 @@
+# python自动化之word操作
+
+[TOC]
+
+
+## 一、课前准备
+
+> python 处理 Word 需要用到 python-docx 库，终端执行如下安装命令：
+
+```pyhton
+pip3 install python-docx
+```
+
+> 或在pycharm的setting操作安装（示意如下）：
+
+ 
+
+
+
+## 二、知识要点
+
+> 说明：
+> 1. 通过小试牛刀初步认识docx，然后系统学习python对word的操作；
+> 2. 预估每个知识点需要讲解的时间；
+> 3. 研发逻辑就是讲解逻辑，一般从上往下，遵循：`What - Why - How` 或 `Why - What - How` 思路；
+
+
+
+### 1.预热：初步认识docx
+
+ 相信同学们都进行过word的操作。话不多说，直接上python对word简单操作的代码，先有个直观的感觉，然后再系统学习！
+
+#### （1）新建空白word并插入文字
+
+```python
+# 导入库
+from docx import Document
+
+# 新建空白文档
+doc_1 = Document()
+
+# 添加标题（0相当于文章的题目，默认级别是1，级别范围为0-9）
+doc_1.add_heading('新建空白文档标题，级别为0',level = 0)
+doc_1.add_heading('新建空白文档标题，级别为1',level = 1)
+doc_1.add_heading('新建空白文档标题，级别为2',level = 2)
+
+# 新增段落
+paragraph_1 = doc_1.add_paragraph('这是第一段文字的开始\n请多多关照！')
+# 加粗
+paragraph_1.add_run('加粗字体').bold = True
+paragraph_1.add_run('普通字体')
+# 斜体
+paragraph_1.add_run('斜体字体').italic =True
+
+# 新段落（当前段落的下方）
+paragraph_2 = doc_1.add_paragraph('新起的第二段文字。')
+
+# 新段落（指定端的上方）
+prior_paragraph = paragraph_1.insert_paragraph_before('在第一段文字前插入的段落')
+
+# 添加分页符(可以进行灵活的排版）
+doc_1.add_page_break()
+# 新段落（指定端的上方）
+paragraph_3 = doc_1.add_paragraph('这是第二页第一段文字！')
+
+# 保存文件（当前目录下）
+doc_1.save('doc_1.docx')
+```
+
+
+
+### 2. 正式：python自动化之word操作
+
+上节只是小试牛刀一下，接下来我们系统地学习python自动化之word操作。
+
+在操作之前，我们需要了解 Word 文档的页面结构 ：
+
+- 文档 - Document
+- 段落 - Paragraph
+- 文字块 - Run
+
+**`python-docx`**将整个文章看做是一个**`Document`**对象 ，其基本结构如下：
+
+- 每个**`Document`**包含许多个代表“段落”的**`Paragraph`**对象，存放在**`document.paragraphs`**中。
+- 每个**`Paragraph`**都有许多个代表"行内元素"的**`Run`**对象，存放在**`paragraph.runs`**中。
+
+在**`python-docx`**中，**`run`**是最基本的单位，每个**`run`**对象内的文本样式都是一致的，也就是说，在从**`docx`**文件生成文档对象时，**`python-docx`**会根据样式的变化来将文本切分为一个个的`Run`对象。
+
+#### （1）整体页面结构介绍
+
+我们以一个小案例为主线把文档，段落和文字块串一下：
+
+```python
+# 导入库
+from docx import Document
+from docx.shared import RGBColor, Pt,Inches,Cm
+from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
+from docx.oxml.ns import qn
+
+# 新建文档（Datawhale）
+doc_1 = Document()
+
+# 字体设置（全局）
+'''只更改font.name是不够的，还需要调用._element.rPr.rFonts的set()方法。'''
+
+doc_1.styles['Normal'].font.name = u'宋体'
+doc_1.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')
+
+# 添加标题（0相当于文章的题目，默认级别是1，级别范围为0-9，0时候自动带下划线）
+heading_1 = doc_1.add_heading('周杰伦',level = 0)
+heading_1.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER #居中对齐，默认居左对齐
+
+# 新增段落
+paragraph_1 = doc_1.add_paragraph()
+'''
+设置段落格式：首行缩进0.75cm，居左，段后距离1.0英寸,1.5倍行距。
+'''
+paragraph_1.paragraph_format.first_line_indent = Cm(0.75)
+paragraph_1.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.LEFT
+paragraph_1.paragraph_format.space_after = Inches(1.0)
+paragraph_1.paragraph_format.line_spacing = 1.5
+
+text = '中国台湾华语流行歌手、' \
+ '音乐创作家、作曲家、作词人、' \
+ '制作人、杰威尔音乐公司老板之一、导演。' \
+ '近年涉足电影行业。周杰伦是2000年后亚洲流行乐坛最具革命性与指标' \
+ '性的创作歌手，有“亚洲流行天王”之称。他突破原有亚洲音乐的主题、形' \
+ '式，融合多元的音乐素材，创造出多变的歌曲风格，尤以融合中西式曲风的嘻哈' \
+ '或节奏蓝调最为著名，可说是开创华语流行音乐“中国风”的先声。周杰伦的' \
+ '出现打破了亚洲流行乐坛长年停滞不前的局面，为亚洲流行乐坛翻开了新的一页！'
+
+r_1 = paragraph_1.add_run(text)
+r_1.font.size =Pt(10) #字号
+r_1.font.bold =True #加粗
+r_1.font.color.rgb =RGBColor(255,0,0) #颜色
+
+# 保存文件（当前目录下）
+doc_1.save('周杰伦.docx')
+```
+通过上例我们可以看到，最小的操作对象为文字块，通过run的指定进行操作。比如字号，颜色等；而再上一个层级--段落是的格式是通过paragraph_format进行设置；
+
+#### （2）字体设置
+
+通过（1），同学们已经注意到，字体的设置是全局变量。如果我想在不同的部分进行不同字体的设置，那该怎么办呢？这就需要在应用前操作设置一下。
+
+```python
+'''字体设置1.py'''
+#导入库
+from docx import Document
+from docx.oxml.ns import qn
+from docx.enum.style import WD_STYLE_TYPE
+
+document = Document() # 新建docx文档
+
+# 设置宋体字样式
+style_font = document.styles.add_style('宋体', WD_STYLE_TYPE.CHARACTER)
+style_font.font.name = '宋体'
+document.styles['宋体']._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')
+
+# 设置楷体字样式
+style_font = document.styles.add_style('楷体', WD_STYLE_TYPE.CHARACTER)
+style_font.font.name = '楷体'
+document.styles['楷体']._element.rPr.rFonts.set(qn('w:eastAsia'), u'楷体') # 将段落中的所有字体
+
+# 设置华文中宋字样式
+style_font = document.styles.add_style('华文中宋', WD_STYLE_TYPE.CHARACTER)
+style_font.font.name = '华文中宋'
+document.styles['华文中宋']._element.rPr.rFonts.set(qn('w:eastAsia'), u'华文中宋')
+
+paragraph1 = document.add_paragraph() # 添加段落
+run = paragraph1.add_run(u'aBCDefg这是中文', style='宋体') # 设置宋体样式
+
+font = run.font #设置字体
+font.name = 'Cambira' # 设置西文字体
+paragraph1.add_run(u'aBCDefg这是中文', style='楷体').font.name = 'Cambira'
+paragraph1.add_run(u'aBCDefg这是中文', style='华文中宋').font.name = 'Cambira'
+
+document.save('字体设置1.docx')
+```
+
+```python
+'''字体设置2.py'''
+#导入库
+from docx import Document
+from docx.oxml.ns import qn
+from docx.enum.style import WD_STYLE_TYPE
+
+#定义字体设置函数
+def font_setting(doc,text,font_cn):
+ style_add = doc.styles.add_style(font_cn, WD_STYLE_TYPE.CHARACTER)
+ style_add.font.name = font_cn
+ doc.styles[font_cn]._element.rPr.rFonts.set(qn('w:eastAsia'), font_cn)
+ par = doc.add_paragraph()
+ text = par.add_run(text, style=font_cn)
+
+doc = Document()
+a = '小朋友 你是否有很多问号'
+b = '为什么 别人在那看漫画'
+c = '我却在学画画 对着钢琴说话'
+
+font_setting(doc,a,'宋体')
+font_setting(doc,b,'华文中宋')
+font_setting(doc,c,'黑体')
+
+doc.save('字体设置2.docx')
+
+```
+
+我们很容易地看出来，字体设置1.py与字体设置2.py的区别在于是否为同一段落，同时字体设置2.py中自定义了一个函数。同学们可以在实际工作中看具体场景进行选择。
+
+#### （3） 插入图片与表格
+
+```python
+#导入库
+from docx import Document
+from docx.shared import Inches
+
+#打开文档
+doc_1 = Document('周杰伦.docx') #上面脚本存储的文档
+#新增图片
+doc_1.add_picture('周杰伦.jpg',width=Inches(1.0), height=Inches(1.0))
+
+# 创建3行1列表格
+table1 = doc_1.add_table(rows=2, cols=1)
+table1.style='Medium Grid 1 Accent 1' #表格样式很多种，如，Light Shading Accent 1等
+
+# 修改第2行第3列单元格的内容为营口
+table1.cell(0, 0).text = '营口'
+# 修改第3行第4列单元格的内容为人民
+table1.rows[1].cells[0].text = '人民'
+
+# 在表格底部新增一行
+row_cells = table1.add_row().cells
+# 新增行的第一列添加内容
+row_cells[0].text = '加油'
+
+doc_1.save('周杰伦为营口加油.docx')
+
+```
+
+#### （4）设置页眉页脚
+
+在python-docx包中则要使用节(section)中的页眉(header)和页脚(footer)对象来具体设置。
+
+```python
+from docx import Document
+from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
+
+document = Document() # 新建文档
+
+header = document.sections[0].header # 获取第一个节的页眉
+print('页眉中默认段落数：', len(header.paragraphs))
+paragraph = header.paragraphs[0] # 获取页眉的第一个段落
+paragraph.add_run('这是第一节的页眉') # 添加页面内容
+footer = document.sections[0].footer # 获取第一个节的页脚
+paragraph = footer.paragraphs[0] # 获取页脚的第一个段落
+paragraph.add_run('这是第一节的页脚') # 添加页脚内容
+
+
+'''在docx文档中又添加了2个节，共计3个节，页面和页脚会显示了“与上一节相同”。
+如果不使用上一节的内容和样式要将header.is_linked_to_previous的属性或footer.is_linked_to_previous的属性设置为False，
+用于解除“链接上一节页眉”或者“链接上一节页脚”。'''
+document.add_section() # 添加一个新的节
+document.add_section() # 添加第3个节
+header = document.sections[1].header # 获取第2个节的页眉
+header.is_linked_to_previous = False # 不使用上节内容和样式
+
+#对齐设置
+header = document.sections[1].header # 获取第2个节的页眉
+header.is_linked_to_previous = False # 不使用上节内容和样式
+paragraph = header.paragraphs[0]
+paragraph.add_run('这是第二节的页眉')
+paragraph.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER # 设置页眉居中对齐
+document.sections[1].footer.is_linked_to_previous = False
+footer.paragraphs[0].add_run('这是第二节的页脚') # 添加第2节页脚内容
+footer.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER # 设置第2节页脚居中对齐
+header = document.sections[2].header # 获取第3个节的页眉
+header.is_linked_to_previous = False # 不使用上节的内容和样式
+paragraph = header.paragraphs[0] # 获取页眉中的段落
+paragraph.add_run('这是第三节的页眉')
+paragraph.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT # 设置页眉右对齐
+document.sections[2].footer.is_linked_to_previous = False
+footer.paragraphs[0].add_run('这是第三节的页脚') # 添加第3节页脚内容
+footer.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT # 设置第3节页脚右对齐
+document.save('页眉页脚1.docx') # 保存文档
+```
+
+结果如下：
+
+ 
+
+#### （5）代码延伸
+
+```python
+'''对齐设置'''
+from docx.enum.text import WD_ALIGN_PARAGRAPH
+#LEFT: 左对齐
+#CENTER: 文字居中
+#RIGHT: 右对齐
+#JUSTIFY: 文本两端对齐
+
+'''设置段落行距'''
+from docx.shared import Length
+# SINGLE :单倍行距（默认）
+#ONE_POINT_FIVE : 1.5倍行距
+# DOUBLE2 : 倍行距
+#AT_LEAST : 最小值
+#EXACTLY:固定值
+# MULTIPLE : 多倍行距
+
+paragraph.line_spacing_rule = WD_LINE_SPACING.EXACTLY #固定值
+paragraph_format.line_spacing = Pt(18) # 固定值18磅
+paragraph.line_spacing_rule = WD_LINE_SPACING.MULTIPLE #多倍行距
+paragraph_format.line_spacing = 1.75 # 1.75倍行间距
+
+'''设置字体属性'''
+from docx.shared import RGBColor,Pt
+#all_caps:全部大写字母
+#bold:加粗
+#color:字体颜色
+
+#double_strike:双删除线
+#hidden : 隐藏
+#imprint : 印记
+#italic : 斜体
+#name :字体
+#shadow :阴影
+#strike : 删除线
+#subscript :下标
+#superscript :上标
+#underline :下划线
+```
+
+## 三、项目实践
+
+### 一、需求
+
+> 你是公司的行政人员，对合作伙伴进行邀请，参加公司的会议；
+>
+> 参会人名单如下：
+
+ 
+
+拟定的邀请函样式如下：
+
+ 
+
+**根据参会人名单，利用python批量生成邀请函。**
+
+
+
+### 二、需求分析
+
+> 逻辑相对简单：
+>
+> - 获取 Excel 文件中每一行的信息，提取 参数；结合获取的参数设计邀请函样式并输出
+> - 设计word段落及字体等样式。
+
+### 三、代码
+
+```python
+# 导入库
+from openpyxl import load_workbook
+from docx import Document
+from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
+from docx.shared import RGBColor, Pt,Inches,Cm
+from docx.oxml.ns import qn
+
+
+path = r'D:\idea\cloud_analyse_game_sentiment\word自动化'
+# 路径为Excel 文件所在的位置，可按实际情况更改
+
+workbook = load_workbook(path + r'\excel到word.xlsx')
+sheet = workbook.active #默认的WorkSheet
+
+n = 0 #为了不遍历标题（excel的第一行）
+for row in sheet.rows:
+ if n:
+ company = row[0].value
+ office = row[1].value
+ name = row[2].value
+ date = str(row[3].value).split()[0]
+ print(company, office, name, date)
+
+
+ doc = Document()
+ heading_1 = '邀 请 函'
+ paragraph_1 = doc.add_heading(heading_1, level=1)
+ # 居中对齐
+ paragraph_1.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
+ # 单独修改较大字号
+ for run in paragraph_1.runs:
+ run.font.size = Pt(17)
+
+ greeting_word_1 = '尊敬的'
+ greeting_word_2 = '公司'
+ greeting_word_3 = '，您好：'
+ paragraph_2 = doc.add_paragraph()
+
+ paragraph_2.add_run(greeting_word_1)
+ r_1 = paragraph_2.add_run(company)
+ r_1.font.bold = True # 加粗
+ r_1.font.underline = True #下划线
+
+ paragraph_2.add_run(greeting_word_2)
+
+ r_2 = paragraph_2.add_run(office)
+ r_2.font.bold = True # 加粗
+ r_2.font.underline = True #下划线
+
+ r_3 = paragraph_2.add_run(name)
+ r_3.font.bold = True # 加粗
+ r_3.font.underline = True #下划线
+ paragraph_2.add_run(greeting_word_3)
+
+ paragraph_3 = doc.add_paragraph()
+ paragraph_3.add_run('现诚挚的邀请您于2021年10月27日参加DataWhale主办的享受开源2050活动，地点在北京鸟巢，希望您届时莅临参加。')
+ paragraph_3.paragraph_format.first_line_indent = Cm(0.75)
+ paragraph_3.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.LEFT
+ paragraph_3.paragraph_format.space_after = Inches(1.0)
+ paragraph_3.paragraph_format.line_spacing = 1.5
+
+ paragraph_4 = doc.add_paragraph()
+ date_word_1 = '邀请时间：'
+ paragraph_4.add_run(date_word_1)
+ paragraph_4.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT
+ sign_date = "{}年{}月{}日".format(date.split('-')[0], date.split('-')[1], date.split('-')[2])
+ paragraph_4.add_run(sign_date).underline = True
+ paragraph_4.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT
+
+ #设置全文字体
+ for paragraph in doc.paragraphs:
+ for run in paragraph.runs:
+ run.font.color.rgb = RGBColor(0, 0, 0)
+ run.font.name = '楷体'
+ r = run._element.rPr.rFonts
+ r.set(qn('w:eastAsia'), '楷体')
+ doc.save(path + "\{}-邀请函.docx".format(name))
+ n = n + 1
+```
+
+### 四、总结
+
+> 本案例也可适用于批量生产固定格式的word，如工资条，通知单等
\ No newline at end of file
diff --git a/OfficeAutomation/Task04 Python操作PDF.md b/OfficeAutomation/Task04 Python操作PDF.md
new file mode 100644
index 0000000..1f4d714
--- /dev/null
+++ b/OfficeAutomation/Task04 Python操作PDF.md
@@ -0,0 +1,519 @@
+
+
+
+
+#### Python 操作 PDF
+
+PDF 操作是本次自动化办公的最后一个知识点，初级的 PDF 自动化包括 PDF 文档的拆分、合并、提取等操作，更高级的还包括 WORD与PDF互转等
+
+初级操作一般比较常用，也可以解决较多的办公内容，所以本节将会主要介绍 PDF 的初级操作，具体内容将会从以下几个小节展开：
+
+1. 相关介绍
+2. 批量拆分
+3. 批量合并
+4. 提取文字内容
+5. 提起表格内容
+6. 提起图片内容
+7. 转换为PDF图片
+8. 添加水印
+9. 加密与解码
+
+下面直接开始本节内容。
+
+
+
+#### 1. 相关介绍
+
+Python 操作 PDF 会用到两个库，分别是：PyPDF2 和 pdfplumber
+
+其中 **PyPDF2** 可以更好的读取、写入、分割、合并PDF文件，而 **pdfplumber** 可以更好的读取 PDF 文件中内容和提取 PDF 中的表格
+
+对应的官网分别是：
+
+> PyPDF2：https://pythonhosted.org/PyPDF2/
+>
+> pdfplumber：https://github.com/jsvine/pdfplumber
+
+由于这两个库都不是 Python 的标准库，所以在使用之前都需要单独安装
+
+win+r 后输入 cmd 打开 command 窗口，依次输入如下命令进行安装：
+
+> pip install PyPDF2
+>
+> pip install pdfplumber
+
+安装完成后显示 success 则表示安装成功
+
+
+
+
+
+#### 2. 批量拆分
+
+将一个完整的 PDF 拆分成几个小的 PDF，因为主要涉及到 PDF 整体的操作，所以本小节需要用到 PyPDF2 这个库
+
+拆分的大概思路如下：
+
+- 读取 PDF 的整体信息、总页数等
+- 遍历每一页内容，以每个 step 为间隔将 PDF 存成每一个小的文件块
+- 将小的文件块重新保存为新的 PDF 文件
+
+需要注意的是，在拆分的过程中，可以手动设置间隔，例如：每5页保存成一个小的 PDF 文件
+
+拆分的代码如下：
+
+```python
+def split_pdf(filename, filepath, save_dirpath, step=5):
+ """
+ 拆分PDF为多个小的PDF文件，
+ @param filename:文件名
+ @param filepath:文件路径
+ @param save_dirpath:保存小的PDF的文件路径
+ @param step: 每step间隔的页面生成一个文件，例如step=5，表示0-4页、5-9页...为一个文件
+ @return:
+ """
+ if not os.path.exists(save_dirpath):
+ os.mkdir(save_dirpath)
+ pdf_reader = PdfFileReader(filepath)
+ # 读取每一页的数据
+ pages = pdf_reader.getNumPages()
+ for page in range(0, pages, step):
+ pdf_writer = PdfFileWriter()
+ # 拆分pdf，每 step 页的拆分为一个文件
+ for index in range(page, page+step):
+ if index < pages:
+ pdf_writer.addPage(pdf_reader.getPage(index))
+ # 保存拆分后的小文件
+ save_path = os.path.join(save_dirpath, filename+str(int(page/step)+1)+'.pdf')
+ print(save_path)
+ with open(save_path, "wb") as out:
+ pdf_writer.write(out)
+
+ print("文件已成功拆分，保存路径为："+save_dirpath)
+```
+
+以“易方达中小盘混合型证券投资基金2020年中期报告”为例，整个 PDF 文件一共 46 页，每5页为间隔，最终生成了10个小的 PDF 文件
+
+
+
+
+
+**需要注意的是：**
+
+如果你是第一次运行代码，在运行过程中，会直接报如下的错误
+
+
+
+如果是在 Pycharm 下，直接通过报错信息，点击 utils.py 文件，定位到第 238 行原文
+
+原文中是这样的：
+
+```python
+ r = s.encode('latin-1')
+ if len(s) < 2:
+ bc[s] = r
+ return r
+```
+
+修改为：
+
+```python
+try:
+ r = s.encode('latin-1')
+ if len(s) < 2:
+ bc[s] = r
+ return r
+except Exception as e:
+ r = s.encode('utf-8')
+ if len(s) < 2:
+ bc[s] = r
+ return r
+```
+
+如果你使用的是 **anaconda**，对应的文件路径应该为：anaconda\Lib\site-packages\PyPDF2\utils.py，进行同样的修改操作即可
+
+
+
+#### 3. 批量合并
+
+比起拆分来，合并的思路更加简单：
+
+- 确定要合并的 **文件顺序**
+- 循环追加到一个文件块中
+- 保存成一个新的文件
+
+对应的代码比较简单，基本不会出现问题：
+
+```python
+def concat_pdf(filename, read_dirpath, save_filepath):
+ """
+ 合并多个PDF文件
+ @param filename:文件名
+ @param read_dirpath:要合并的PDF目录
+ @param save_filepath:合并后的PDF文件路径
+ @return:
+ """
+ pdf_writer = PdfFileWriter()
+ # 对文件名进行排序
+ list_filename = os.listdir(read_dirpath)
+ list_filename.sort(key=lambda x: int(x[:-4].replace(filename, "")))
+ for filename in list_filename:
+ print(filename)
+ filepath = os.path.join(read_dirpath, filename)
+ # 读取文件并获取文件的页数
+ pdf_reader = PdfFileReader(filepath)
+ pages = pdf_reader.getNumPages()
+ # 逐页添加
+ for page in range(pages):
+ pdf_writer.addPage(pdf_reader.getPage(page))
+ # 保存合并后的文件
+ with open(save_filepath, "wb") as out:
+ pdf_writer.write(out)
+ print("文件已成功合并，保存路径为："+save_filepath)
+```
+
+
+
+#### 4. 提取文字内容
+
+涉及到具体的 PDF 内容 操作，本小节需要用到 pdfplumber 这个库
+
+在进行文字提取的时候，主要用到 extract_text 这个函数
+
+具体代码如下：
+
+```python
+def extract_text_info(filepath):
+ """
+ 提取PDF中的文字
+ @param filepath:文件路径
+ @return:
+ """
+ with pdfplumber.open(filepath) as pdf:
+ # 获取第2页数据
+ page = pdf.pages[1]
+ print(page.extract_text())
+```
+
+可以看到，直接通过下标即可定位到相应的页码，从而通过 extract_text 函数提取该也的所有文字
+
+而如果想要提取所有页的文字，只需要改成：
+
+```python
+with pdfplumber.open(filepath) as pdf:
+ # 获取全部数据
+ for page in pdf.pages
+ print(page.extract_text())
+```
+
+例如，提取“易方达中小盘混合型证券投资基金2020年中期报告” 第一页的内容时，源文件是这样的：
+
+
+
+运行代码后提取出来是这样的：
+
+
+
+> 拓展一下：此处可以结合前面 word 小节，将内容写入 word 文件中
+
+
+
+#### 5. 提取表格内容
+
+同样的，本节是对具体内容的操作，所以也需要用到 pdfplumber 这个库
+
+和提取文字十分类似的是，提取表格内容只是将 extract_text 函数换成了 extract_table 函数
+
+对应的代码如下：
+
+```python
+def extract_table_info(filepath):
+ """
+ 提取PDF中的图表数据
+ @param filepath:
+ @return:
+ """
+ with pdfplumber.open(filepath) as pdf:
+ # 获取第18页数据
+ page = pdf.pages[17]
+ # 如果一页有一个表格，设置表格的第一行为表头，其余为数据
+ table_info = page.extract_table()
+ df_table = pd.DataFrame(table_info[1:], columns=table_info[0])
+ df_table.to_csv('dmeo.csv', index=False, encoding='gbk')
+```
+
+上面代码可以获取到第 18 页的第一个表格内容，并且将其保存为 csv 文件存在本地
+
+> 但是，如果说第 18 页有多个表格内容呢？
+
+因为读取的表格会被存成二维数组，而多个二维数组就组成一个三维数组
+
+遍历这个三位数组，就可以得到该页的每一个表格数据，对应的将 extract_table 函数 改成 extract_tables 即可
+
+具体代码如下：
+
+```python
+# 如果一页有多个表格，对应的数据是一个三维数组
+tables_info = page.extract_tables()
+for index in range(len(tables_info)):
+ # 设置表格的第一行为表头，其余为数据
+ df_table = pd.DataFrame(tables_info[index][1:], columns=tables_info[index][0])
+ print(df_table)
+ # df_table.to_csv('dmeo.csv', index=False, encoding='gbk')
+```
+
+以“易方达中小盘混合型证券投资基金2020年中期报告” 第 xx 页的第一个表格为例：
+
+源文件中的表格是这样的：
+
+
+
+提取并存入 excel 之后的表格是这样的：
+
+
+
+
+
+#### 6. 提取图片内容
+
+提取 PDF 中的图片和将 PDF 转存为图片是不一样的（下一小节），需要区分开。
+
+提取图片：顾名思义，就是将内容中的图片都提取出来；转存为图片：则是将每一页的 PDF 内容存成一页一页的图片，下一小节会详细说明
+
+转存为图片中，需要用到一个模块叫 fitz，fitz 的最新版 1.18.13，非最新版的在部分函数名称上存在差异，代码中会标记出来
+
+使用 fitz 需要先安装 PyMuPDF 模块，安装方式如下：
+
+> pip install PyMuPDF
+
+提取图片的整体逻辑如下：
+
+- 使用 fitz 打开文档，获取文档详细数据
+- 遍历每一个元素，通过正则找到图片的索引位置
+- 使用 Pixmap 将索引对应的元素生成图片
+- 通过 size 函数过滤较小的图片
+
+实现的具体代码如下：
+
+```python
+if not os.path.exists(pic_dirpath):
+ os.makedirs(pic_dirpath)
+# 使用正则表达式来查找图片
+check_XObject = r"/Type(?= */XObject)"
+check_Image = r"/Subtype(?= */Image)"
+img_count = 0
+
+"""1. 打开pdf，打印相关信息"""
+pdf_info = fitz.open(filepath)
+# 1.16.8版本用法 xref_len = doc._getXrefLength()
+# 最新版本写法
+xref_len = pdf_info.xref_length()
+# 打印PDF的信息
+print("文件名：{}, 页数: {}, 对象: {}".format(filepath, len(pdf_info), xref_len-1))
+
+"""2. 遍历PDF中的对象，遇到是图像才进行下一步，不然就continue"""
+for index in range(1, xref_len):
+ # 1.16.8版本用法 text = doc._getXrefString(index)
+ # 最新版本
+ text = pdf_info.xref_object(index)
+
+ is_XObject = re.search(check_XObject, text)
+ is_Image = re.search(check_Image, text)
+ # 如果不是对象也不是图片，则不操作
+ if is_XObject or is_Image:
+ img_count += 1
+ # 根据索引生成图像
+ pix = fitz.Pixmap(pdf_info, index)
+ pic_filepath = os.path.join(pic_dirpath, 'img_' + str(img_count) + '.png')
+ """pix.size 可以反映像素多少，简单的色素块该值较低，可以通过设置一个阈值过滤。以阈值 10000 为例过滤"""
+ # if pix.size < 10000:
+ # continue
+
+ """三、 将图像存为png格式"""
+ if pix.n >= 5:
+ # 先转换CMYK
+ pix = fitz.Pixmap(fitz.csRGB, pix)
+ # 存为PNG
+ pix.writePNG(pic_filepath)
+```
+
+以本节示例的“易方达中小盘混合型证券投资基金2020年中期报告” 中的图片为例，代码运行后提取的图片如下：
+
+
+
+这个结果和文档中的共 1 张图片的 **结果符合**
+
+
+
+#### 7. 转换为图片
+
+转换为照片比较简单，就是将一页页的 PDF 转换为一张张的图片。大致过程如下：
+
+##### 7.1 安装 pdf2image
+
+首先需要安装对应的库，最新的 pdf2image 库版本应该是 1.14.0
+
+它的 github地址 为：https://github.com/Belval/pdf2image ，感兴趣的可以自行了解
+
+安装方式如下：
+
+> pip install pdf2image
+
+##### 7.2 安装组件
+
+对于不同的平台，需要安装相应的组件，这里以 windows 平台和 mac 平台为例：
+
+**Windows 平台**
+
+对于 windows 用户需要安装 poppler for Windows，安装链接是：http://blog.alivate.com.au/poppler-windows/
+
+另外，还需要添加环境变量， 将 bin 文件夹的路径添加到环境变量 PATH 中
+
+> 注意这里配置之后需要重启一下电脑才会生效，不然会报如下错误：
+
+**Mac**
+
+对于 mac 用户，需要安装 poppler for Mac，具体可以参考这个链接：http://macappstore.org/poppler/
+
+
+
+详细代码如下：
+
+```python
+if not os.path.exists(pic_dirpath):
+ os.makedirs(pic_dirpath)
+
+images = convert_from_bytes(open(filepath, 'rb').read())
+# images = convert_from_path(filepath, dpi=200)
+for image in images:
+ # 保存图片
+ pic_filepath = os.path.join(pic_dirpath, 'img_'+str(images.index(image))+'.png')
+ image.save(pic_filepath, 'PNG')
+```
+
+以本节示例的“易方达中小盘混合型证券投资基金2020年中期报告” 中的图片为例，该文档共 46 页，保存后的 PDF 照片如下：
+
+
+
+一共 46 张图片
+
+
+
+#### 8. 添加水印
+
+PDF 中添加水印，首先需要一个水印PDF文件，然后依次通过 mergePage 操作将每一页的 PDF 文件合并到水印文件上，据此，每一页的 PDF 文件将是一个带有水印的 PDF 文件
+
+最后，将每一页的水印 PDF 合并成一个 PDF 文件即可
+
+**生成水印**
+
+生成水印的方式比较多，例如在图片添加水印，然后将图片插入到 word 中，最后将 word 保存成 PDF 文件即可
+
+生成一张 A4 纸大小的空白图片，参考这篇文章：[Python 批量加水印！轻松搞定！](https://mp.weixin.qq.com/s/_oJA6lbsdMlRRsBf6DPxsg) 给图片添加水印，最终的水印背景图片是这样的：
+
+
+
+然后将图片插入到 word 中并最终生成一个水印 PDF 文档
+
+PDF 文档添加水印的主要代码如下：
+
+```python
+watermark = PdfFileReader(watermark_filepath)
+watermark_page = watermark.getPage(0)
+
+pdf_reader = PdfFileReader(filepath)
+pdf_writer = PdfFileWriter()
+
+for page_index in range(pdf_reader.getNumPages()):
+ current_page = pdf_reader.getPage(page_index)
+ # 封面页不添加水印
+ if page_index == 0:
+ new_page = current_page
+ else:
+ new_page = copy(watermark_page)
+ new_page.mergePage(current_page)
+ pdf_writer.addPage(new_page)
+# 保存水印后的文件
+with open(save_filepath, "wb") as out:
+ pdf_writer.write(out)
+```
+
+以本节示例的“易方达中小盘混合型证券投资基金2020年中期报告” 为例，添加水印后的文档如下：
+
+
+
+
+
+#### 9. 文档加密与解密
+
+你可能在打开部分 PDF 文件的时候，会弹出下面这个界面：
+
+
+
+这种就是 PDF 文件被加密了，在打开的时候需要相应的密码才行
+
+本节所提到的也只是基于 PDF 文档的加密解密，而不是所谓的 PDF 密码破解。
+
+在对 PDF 文件加密需要使用 encrypt 函数，对应的加密代码也比较简单：
+
+```python
+pdf_reader = PdfFileReader(filepath)
+pdf_writer = PdfFileWriter()
+
+for page_index in range(pdf_reader.getNumPages()):
+ pdf_writer.addPage(pdf_reader.getPage(page_index))
+
+# 添加密码
+pdf_writer.encrypt(passwd)
+with open(save_filepath, "wb") as out:
+ pdf_writer.write(out)
+```
+
+代码执行成功后再次打开 PDF 文件则需要输入密码才行
+
+根据这个思路，破解 PDF 也可以通过暴力求解实现，例如：通过本地密码本一个个去尝试，或者根据数字+字母的密码形式循环尝试，最终成功打开的密码就是破解密码
+
+> 上述破解方法耗时耗力，不建议尝试
+
+
+
+另外，针对已经加密的 PDF 文件，也可以使用 decrypt 函数进行解密操作
+
+解密代码如下：
+
+```python
+pdf_reader = PdfFileReader(filepath)
+# PDF文档解密
+pdf_reader.decrypt('xiaoyi')
+
+pdf_writer = PdfFileWriter()
+for page_index in range(pdf_reader.getNumPages()):
+ pdf_writer.addPage(pdf_reader.getPage(page_index))
+
+with open(save_filepath, "wb") as out:
+ pdf_writer.write(out)
+```
+
+解密完成后的 PDF 文档打开后不再需要输入密码，如需加密可再次执行加密代码。
+
+
+
+----
+
+
+
+**END.**
+
+--- By: xiaoyi
+
+>**Datawhale成员，数据分析从业者，金融风控爱好者**
+>
+>**公众号：小一的学习笔记**
+
+关于Datawhale：
+
+> Datawhale是一个专注于数据科学与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。
+>
+> Datawhale 以“for the learner，和学习者一起成长”为愿景，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。
+>
+> 同时 Datawhale 用开源的理念去探索开源内容、开源学习和开源方案，赋能人才培养，助力人才成长，建立起人与人，人与知识，人与企业和人与未来的联结。
\ No newline at end of file
diff --git a/OfficeAutomation/Task05 爬虫入门与综合应用.md b/OfficeAutomation/Task05 爬虫入门与综合应用.md
new file mode 100644
index 0000000..66b59ac
--- /dev/null
+++ b/OfficeAutomation/Task05 爬虫入门与综合应用.md
@@ -0,0 +1,658 @@
+# Task5 爬虫入门与综合应用
+
+对于自动化办公而言，网络数据的批量获取完数据可以节约相当的时间，因此爬虫在自动化办公中占据了一个比较重要的位置。
+
+因而本节针对爬虫项目进行一个介绍，力求最大程度还原实际的办公场景。
+
+## **Requests简介**
+
+Requests是一款目前非常流行的http请求库，使用python编写，能非常方便的对网页Requests进行爬取，也是爬虫最常用的发起请求第三方库。
+
+安装方法：
+
+```
+pip install requests
+或者conda安装
+conda install requests
+```
+
+```
+re.status_code 响应的HTTP状态码
+re.text 响应内容的字符串形式
+rs.content 响应内容的二进制形式
+rs.encoding 响应内容的编码
+```
+
+试一试对百度首页进行数据请求：
+
+项目难度：⭐
+
+```python
+import requests
+# 发出http请求
+re=requests.get("https://www.baidu.com")
+# 查看响应状态
+print(re.status_code)
+#输出：200
+#200就是响应的状态码，表示请求成功
+#我们可以通过res.status_code的值来判断请求是否成功。
+```
+
+**res.text** 返回的是服务器响应内容的字符串形式，也就是文本内容
+
+例：用爬虫下载孔乙己的文章，网址是https://apiv3.shanbay.com/codetime/articles/mnvdu
+
+我们打开这个网址 可以看到是鲁迅的文章
+
+我们尝试着用爬虫保存文章的内容
+
+项目难度：⭐
+
+```python
+import requests
+# 发出http请求
+re = requests.get('https://apiv3.shanbay.com/codetime/articles/mnvdu')
+# 查看响应状态
+print('网页的状态码为%s'%re.status_code)
+with open('鲁迅文章.txt', 'w') as file:
+ # 将数据的字符串形式写入文件中
+ print('正在爬取小说')
+ file.write(re.text)
+```
+
+re.txt就是网页中的内容，将内容保存到txt文件中
+
+**re.text用于文本内容的获取、下载
+re.content用于图片、视频、音频等内容的获取、下载**
+
+项目难度：⭐⭐
+
+```python
+import requests
+# 发出http请求
+#下载图片
+res=requests.get('https://img-blog.csdnimg.cn/20210424184053989.PNG')
+# 以二进制写入的方式打开一个名为 info.jpg 的文件
+with open('datawhale.png','wb') as ff:
+ # 将数据的二进制形式写入文件中
+ ff.write(res.content)
+```
+
+**re.encoding** 爬取内容的编码形似，常见的编码方式有 ASCII、GBK、UTF-8 等。如果用和文件编码不同的方式去解码，我们就会得到一些乱码。
+
+## HTML解析和提取
+
+**浏览器工作原理：**
+
+向浏览器中输入某个网址，浏览器回向服务器发出请求，然后服务器就会作出响应。其实，服务器返回给浏览器的这个结果就是HTML代码，浏览器会根据这个HTML代码将网页解析成平时我们看到的那样
+
+比如我们来看看百度的html页面
+
+```python
+import requests
+res=requests.get('https://baidu.com')
+print(res.text)
+```
+
+将会看到很多带有标签的信息
+
+**HTML(Hyper Text Markup Language)**是一种超文本标记语言，是由一堆标记组成。
+
+例如
+
+```html
+
+
+ 我的网页
+
+
+ Hello，World
+
+
+```
+
+上面即为一个最简单的html，我们所需要的信息就是夹在标签中
+
+想对html有根据深入的了解，可以html菜鸟教程
+
+https://www.runoob.com/html/html-tutorial.html
+
+那么我们如何解析html页面呢？
+
+## BeautifulSoup简介
+
+我们一般会使用BeautifulSoup这个第三方库
+
+安装方法：
+
+```
+pip install bs4
+或
+conda install bs4
+```
+
+我们来解析豆瓣读书 Top250
+
+它的网址是：https://book.douban.com/top250
+
+项目难度：⭐⭐
+
+```python
+import io
+import sys
+import requests
+from bs4 import BeautifulSoup
+###运行出现乱码时可以修改编码方式
+#sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='gb18030')
+###
+headers = {
+ 'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'
+}
+res = requests.get('https://book.douban.com/top250', headers=headers)
+soup = BeautifulSoup(res.text, 'lxml')
+print(soup)
+```
+
+python 打印信息时会有限制 我们将打印的编码改成gb18030
+
+headers表示我们的请求网页的头，对于没有headers的请求可能会被服务器判定为爬虫而拒绝提供服务
+
+通过 from bs4 import BeautifulSoup 语句导入 BeautifulSoup
+
+然后使用 BeautifulSoup(res.text, lxmlr’) 语句将网页源代码的字符串形式解析成了 BeautifulSoup 对象
+
+解析成了 BeautifulSoup 对象可以较为方便的提取我们需要的信息
+
+那么如何提取信息呢？
+
+BeautifulSoup 为我们提供了一些方法
+
+**find()方法**和**find_all()方法**：
+
+- **find()** 返回符合条件的**首个**数据
+- **find_all()** 返回符合条件的所有**数据
+
+```python
+import io
+import sys
+import requests
+from bs4 import BeautifulSoup
+#如果出现了乱码报错，可以修改编码形式
+#sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='gb18030')
+#
+headers = {
+ 'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'
+}
+res = requests.get('https://book.douban.com/top250', headers=headers)
+soup = BeautifulSoup(res.text, 'lxml')
+print(soup.find('a'))
+#登录/注册
+print(soup.find_all('a'))
+#返回一个列表 包含了所有的标签
+```
+
+除了传入 HTML 标签名称外，BeautifulSoup 还支持熟悉的定位
+
+```python
+# 定位div开头 同时id为'doubanapp-tip的标签
+soup.find('div', id='doubanapp-tip')
+# 定位a抬头 同时class为rating_nums的标签
+soup.find_all('span', class_='rating_nums')
+#class是python中定义类的关键字，因此用class_表示HTML中的class
+```
+
+HTML定位方法：https://www.cnblogs.com/bosslv/p/8992410.html
+
+理论看百遍，不如上手一练
+
+## 实践项目1：自如公寓数据抓取
+
+> 首先是先说一声抱歉，在课程设计时，没有想到自如公寓在价格上增加一定程度的反爬措施，因此自如公寓的价格在本节不讨论，在以后的课程中，我们会详细讲解相关的方法。
+>
+> 本节内容为作者原创的项目，整体爬取过程有4星的难度，建议读者跟着课程一步一步的来，如果有不明白的地方，可以在群里面与其他伙伴进行交流。
+>
+> 在输出本节内容时，请注明来源，Datawhale自动化办公课程，谢谢~
+
+日前 , 国务院办公厅印发《关于加快培育和发展住房租赁市场的若干意见》，你是某新媒体公司的一名员工，老板希望对武汉的租房情况进行深度调研与分析，你想调查自如公寓的数据情况。根据工作的安排，你调研的是自如公寓武汉房屋出租分析的任务。
+
+项目难度：⭐⭐⭐⭐
+
+自如公寓官网：https://wh.ziroom.com/z/z/
+
+通过观察官网你发现
+
+第1页的网页为：https://wh.ziroom.com/z/p1/
+
+第2页的网页为：https://wh.ziroom.com/z/p2/
+
+第3页的网页为：https://wh.ziroom.com/z/p3/
+
+...
+
+第50页的网页为：https://wh.ziroom.com/z/p50/
+
+你继续观察，发现
+
+房屋的信息网页为类似于：https://wh.ziroom.com/x/741955798.html
+
+即：https://wh.ziroom.com/x/XXXX.html
+
+因此你有了思路，通过访问自如公寓的网站，获取每个房间后面的数字号 然后通过数字号访问房屋的直接信息，然后抓取房屋的信息保存在excel中
+
+于是你访问了房屋的网页：https://wh.ziroom.com/x/741955798.html
+
+通过观察房屋的网页，你发现是这些信息是你需要的
+
+房屋的名称，房屋的面积，房屋的朝向，房屋的户型，房屋的位置，房屋的楼层，是否有电梯，房屋的年代，门锁情况，绿化情况
+
+但是你遇到了困难，不知道这些信息的标签信息，不能用beautifulsoup对他们进行定位
+
+通过百度查询，浏览器按F12时能进入源代码模式 或者 点击右键进入审查元素
+
+
+
+点击左上角的箭头，可以定位到元素的位置
+
+方法掌握后你开始写代码了
+
+```python
+import requests
+from bs4 import BeautifulSoup
+import random
+import time
+import csv
+```
+
+写到这里的时候，你想到，我多次访问自如的官网，如果只用一个UA头岂不是很容易被反爬虫识别
+
+你想到，我可以做很多个UA头，然后每次访问的时候可以随机选一个，想到这里，你直呼自己是个天才
+
+于是，你到网上找到了很多UA头信息
+
+```python
+#这里增加了很多user_agent
+#能一定程度能保护爬虫
+user_agent = [
+ "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
+ "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
+ "Mozilla/5.0 (Windows NT 10.0; WOW64; rv:38.0) Gecko/20100101 Firefox/38.0",
+ "Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; .NET4.0C; .NET4.0E; .NET CLR 2.0.50727; .NET CLR 3.0.30729; .NET CLR 3.5.30729; InfoPath.3; rv:11.0) like Gecko",
+ "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)",
+ "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)",
+ "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)",
+ "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
+ "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
+ "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
+ "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
+ "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)"]
+```
+
+现在开始正式开始爬取数据了
+
+房屋的名称，房屋的价格，房屋的面积，房屋的朝向，房屋的户型，房屋的位置，房屋的楼层，是否有电梯，房屋的年代，门锁情况，绿化情况
+
+你思考爬取的信息应该保存到csv文件中，于是你导入了csv包 并简单的了解了CSV包的用法
+
+第一步，是要获取房屋的数字标签
+
+于是你打开了自如的官网，用浏览器的元素进行定位
+
+发现房屋的信息标签都是这个
+
+< a href="dd//wh.ziroom.com/x/741955798.html" target="_blank"> 房屋名称< /a >
+
+聪明的你，随手写下了这个代码,便能爬取自如前50页
+
+```python
+def get_info():
+ csvheader=['名称','面积','朝向','户型','位置','楼层','是否有电梯','建成时间',' 门锁','绿化']
+ with open('wuhan_ziru.csv', 'a+', newline='') as csvfile:
+ writer = csv.writer(csvfile)
+ writer.writerow(csvheader)
+ for i in range(1,50): #总共有50页
+ print('正在爬取自如第%s页'%i)
+ timelist=[1,2,3]
+ print('有点累了，需要休息一下啦（￢㉨￢）')
+ time.sleep(random.choice(timelist)) #休息1-3秒，防止给对方服务器过大的压力！！！
+ url='https://wh.ziroom.com/z/p%s/'%i
+ headers = {'User-Agent': random.choice(user_agent)}
+ r = requests.get(url, headers=headers)
+ r.encoding = r.apparent_encoding
+ soup = BeautifulSoup(r.text, 'lxml')
+ all_info = soup.find_all('div', class_='info-box')
+ print('开始干活咯(๑><๑）')
+ for info in all_info:
+ href = info.find('a')
+ if href !=None:
+ href='https:'+href['href']
+ try:
+ print('正在爬取%s'%href)
+ house_info=get_house_info(href)
+ writer.writerow(house_info)
+ except:
+ print('出错啦，%s进不去啦( •̥́ ˍ •̀ू )'%href)
+```
+
+通过研究发现了你需要定位的信息 通过标签头 h1 li span 和class的值对标签进行定位
+
+```
+自如友家·电建地产盛世江城·4居室-05卧
+----
+
+
+
+ - 8.4㎡
+ - 使用面积
+
+
+ - 朝南
+ - 朝向
+
+
+ - 4室1厅
+ - 户型
+
+
+
+ -
+ 位置
+ 小区距2号线长港路站步行约231米
+
+ 楼层6/43
+
+ -
+ 电梯有
+
+ -
+ 年代2016年建成
+
+ -
+ 门锁智能门锁
+
+ -
+ 绿化35%
+
+
+```
+
+通过对上面标签的研究你完成了所有的代码
+
+```python
+import requests
+from bs4 import BeautifulSoup
+import random
+import time
+import csv
+
+#这里增加了很多user_agent
+#能一定程度能保护爬虫
+user_agent = [
+ "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
+ "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
+ "Mozilla/5.0 (Windows NT 10.0; WOW64; rv:38.0) Gecko/20100101 Firefox/38.0",
+ "Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; .NET4.0C; .NET4.0E; .NET CLR 2.0.50727; .NET CLR 3.0.30729; .NET CLR 3.5.30729; InfoPath.3; rv:11.0) like Gecko",
+ "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)",
+ "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)",
+ "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)",
+ "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
+ "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
+ "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
+ "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
+ "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)"]
+
+def get_info():
+ csvheader=['名称','面积','朝向','户型','位置','楼层','是否有电梯','建成时间',' 门锁','绿化']
+ with open('wuhan_ziru.csv', 'a+', newline='') as csvfile:
+ writer = csv.writer(csvfile)
+ writer.writerow(csvheader)
+ for i in range(1,50): #总共有50页
+ print('正在爬取自如第%s页'%i)
+ timelist=[1,2,3]
+ print('有点累了，需要休息一下啦（￢㉨￢）')
+ time.sleep(random.choice(timelist)) #休息1-3秒，防止给对方服务器过大的压力！！！
+ url='https://wh.ziroom.com/z/p%s/'%i
+ headers = {'User-Agent': random.choice(user_agent)}
+ r = requests.get(url, headers=headers)
+ r.encoding = r.apparent_encoding
+ soup = BeautifulSoup(r.text, 'lxml')
+ all_info = soup.find_all('div', class_='info-box')
+ print('开始干活咯(๑><๑）')
+ for info in all_info:
+ href = info.find('a')
+ if href !=None:
+ href='https:'+href['href']
+ try:
+ print('正在爬取%s'%href)
+ house_info=get_house_info(href)
+ writer.writerow(house_info)
+ except:
+ print('出错啦，%s进不去啦( •̥́ ˍ •̀ू )'%href)
+
+def get_house_info(href):
+ #得到房屋的信息
+ time.sleep(1)
+ headers = {'User-Agent': random.choice(user_agent)}
+ response = requests.get(url=href, headers=headers)
+ response=response.content.decode('utf-8', 'ignore')
+ soup = BeautifulSoup(response, 'lxml')
+ name = soup.find('h1', class_='Z_name').text
+ sinfo=soup.find('div', class_='Z_home_b clearfix').find_all('dd')
+ area=sinfo[0].text
+ orien=sinfo[1].text
+ area_type=sinfo[2].text
+ dinfo=soup.find('ul',class_='Z_home_o').find_all('li')
+ location=dinfo[0].find('span',class_='va').text
+ loucen=dinfo[1].find('span',class_='va').text
+ dianti=dinfo[2].find('span',class_='va').text
+ niandai=dinfo[3].find('span',class_='va').text
+ mensuo=dinfo[4].find('span',class_='va').text
+ lvhua=dinfo[5].find('span',class_='va').text
+ ['名称','面积','朝向','户型','位置','楼层','是否有电梯','建成时间',' 门锁','绿化']
+ room_info=[name,area,orien,area_type,location,loucen,dianti,niandai,mensuo,lvhua]
+ return room_info
+
+if __name__ == '__main__':
+ get_info()
+```
+
+运行完成后，会在文件夹中看到刚才爬取好的信息保存在wuhan_ziru.csv中
+
+## 实践项目2：36kr信息抓取与邮件发送
+
+> 本节内容为作者原创的项目，课程难度为5星，建议读者跟着课程一步一步的来，如果有不明白的地方，可以在群里面与其他伙伴进行交流。
+>
+> 在输出本节内容时，请注明来源，Datawhale自动化办公课程，谢谢~
+
+项目难度：⭐⭐⭐⭐⭐
+
+完成了上面的实践项目1后，你膨胀到不行，觉得自己太厉害了。通过前面的学习，你了解到使用python进行电子邮件的收发，突然有一天你想到，如果我用A账户进行发送，同时用B账户进行接受，在手机上安装一个邮件接受的软件，这样就能完成信息从pc端投送到移动端。
+
+在这样的思想上，就可以对动态变化的信息进行监控，一旦信息触发了发送的条件，可以将信息通过邮件投送到手机上，从而让自己最快感知到。
+
+具体路径是：
+
+python爬虫-->通过邮件A发送-->服务器--->通过邮件B接收
+
+因此我们本节的内容就是爬取36kr的信息然后通过邮件发送
+
+36kr官网：https://36kr.com/newsflashes
+
+通过python发送邮件需要获得pop3的授权码
+
+具体获取方式可参考：
+
+https://blog.csdn.net/wateryouyo/article/details/51766345
+
+接下来就爬取36Kr的网站
+
+通过观察我们发现 消息的标签为
+
+```
+中国平安：推动新方正集团聚集医疗健康等核心业务发展
+```
+
+因此我们爬取的代码为
+
+需要注意的是，邮箱发送消息用的HTML的模式，而HTML模式下换行符号为 < br>
+
+```python
+def main():
+ print('正在爬取数据')
+ url = 'https://36kr.com/newsflashes'
+ headers = {'User-Agent': random.choice(user_agent)}
+ response = requests.get(url, headers=headers)
+ response=response.content.decode('utf-8', 'ignore')
+ soup = BeautifulSoup(response, 'lxml')
+ news = soup.find_all('a', class_='item-title')
+ news_list=[]
+ for i in news:
+ title=i.get_text()
+ href='https://36kr.com'+i['href']
+ news_list.append(title+'
'+href)
+ info='
'.join(news_list)
+```
+
+接下来就是配置邮箱的发送信息
+
+```python
+smtpserver = 'smtp.qq.com'
+
+# 发送邮箱用户名密码
+user = ''
+password = ''
+
+# 发送和接收邮箱
+sender = ''
+receive = ''
+
+def send_email(content):
+ # 通过QQ邮箱发送
+ title='36kr快讯'
+ subject = title
+ msg = MIMEText(content, 'html', 'utf-8')
+ msg['Subject'] = Header(subject, 'utf-8')
+ msg['From'] = sender
+ msg['To'] = receive
+ # SSL协议端口号要使用465
+ smtp = smtplib.SMTP_SSL(smtpserver, 465) # 这里是服务器端口！
+ # HELO 向服务器标识用户身份
+ smtp.helo(smtpserver)
+ # 服务器返回结果确认
+ smtp.ehlo(smtpserver)
+ # 登录邮箱服务器用户名和密码
+ smtp.login(user, password)
+ smtp.sendmail(sender, receive, msg.as_string())
+ smtp.quit()
+```
+
+最后我们的整个代码文件为
+
+```python
+import requests
+import random
+from bs4 import BeautifulSoup
+import smtplib # 发送邮件模块
+from email.mime.text import MIMEText # 定义邮件内容
+from email.header import Header # 定义邮件标题
+
+smtpserver = 'smtp.qq.com'
+
+# 发送邮箱用户名密码
+user = ''
+password = ''
+
+# 发送和接收邮箱
+sender = ''
+receive = ''
+
+user_agent = [
+ "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
+ "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
+ "Mozilla/5.0 (Windows NT 10.0; WOW64; rv:38.0) Gecko/20100101 Firefox/38.0",
+ "Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; .NET4.0C; .NET4.0E; .NET CLR 2.0.50727; .NET CLR 3.0.30729; .NET CLR 3.5.30729; InfoPath.3; rv:11.0) like Gecko",
+ "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)",
+ "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)",
+ "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)",
+ "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
+ "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
+ "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
+ "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
+ "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)",
+ "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)"]
+
+def main():
+ print('正在爬取数据')
+ url = 'https://36kr.com/newsflashes'
+ headers = {'User-Agent': random.choice(user_agent)}
+ response = requests.get(url, headers=headers)
+ response=response.content.decode('utf-8', 'ignore')
+ soup = BeautifulSoup(response, 'lxml')
+ news = soup.find_all('a', class_='item-title')
+ news_list=[]
+ for i in news:
+ title=i.get_text()
+ href='https://36kr.com'+i['href']
+ news_list.append(title+'
'+href)
+ info='
'.join(news_list)
+ print('正在发送信息')
+ send_email(info)
+
+def send_email(content):
+ # 通过QQ邮箱发送
+ title='36kr快讯'
+ subject = title
+ msg = MIMEText(content, 'html', 'utf-8')
+ msg['Subject'] = Header(subject, 'utf-8')
+ msg['From'] = sender
+ msg['To'] = receive
+ # SSL协议端口号要使用465
+ smtp = smtplib.SMTP_SSL(smtpserver, 465) # 这里是服务器端口！
+ # HELO 向服务器标识用户身份
+ smtp.helo(smtpserver)
+ # 服务器返回结果确认
+ smtp.ehlo(smtpserver)
+ # 登录邮箱服务器用户名和密码
+ smtp.login(user, password)
+ smtp.sendmail(sender, receive, msg.as_string())
+ smtp.quit()
+
+if __name__ == '__main__':
+ main()
+```
+
+**Task5 END.**
+
+--- By: 牧小熊
+
+> 华中农业大学研究生，Datawhale成员, Datawhale优秀原创作者
+>
+> 知乎：https://www.zhihu.com/people/muxiaoxiong
+
+关于Datawhale： Datawhale是一个专注于数据科学与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale 以“for the learner，和学习者一起成长”为愿景，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时 Datawhale 用开源的理念去探索开源内容、开源学习和开源方案，赋能人才培养，助力人才成长，建立起人与人，人与知识，人与企业和人与未来的联结。 本次数据挖掘路径学习，专题知识将在天池分享，详情可关注Datawhale：
+
+[](https://camo.githubusercontent.com/8578ee173c78b587d5058439bbd0b98fa39c173def229a8c3d957e62aac0b649/68747470733a2f2f696d672d626c6f672e6373646e696d672e636e2f323032303039313330313032323639382e706e67237069635f63656e746572)
\ No newline at end of file