python实战讲解之使用Python批量发送个性化邮件

简介: python实战讲解之使用Python批量发送个性化邮件

前言

在现代工作环境中,我们经常需要向多个收件人发送个性化的邮件。通过使用Python编程语言,我们可以自动化这个过程,从Excel文件中读取收件人和相关数据,并发送定制的邮件。

 

首先,导入所需的库:


import pandas as pd

import smtplib

from email.mime.multipart import MIMEMultipart

from email.mime.text import MIMEText

from email.mime.application import MIMEApplication

import os

from email.header import Header


然后,设置发件人邮箱和密码:


sender\_email = 'your\_email@example.com'
sender\_password = 'your\_password'

接下来,设置SMTP服务器和端口号(根据你使用的邮件服务提供商):


smtp\_server = 'smtp.example.com'
smtp\_port = 587

创建SMTP连接并登录到邮箱:


server = smtplib.SMTP(smtp\_server, smtp\_port)
server.starttls() # 开启TLS加密
server.login(sender\_email, sender\_password)

读取原始Excel文件:


df = pd.read\_excel('path\_to\_excel\_file.xlsx')

获取唯一的员工姓名列表:


employee\_names = df['员工姓名'].unique()

获取员工姓名和对应的邮箱地址,假设这些信息存储在一个字典中:


employee\_emails = {
 '张三': 'zhangsan@example.com',
 '李四': 'lisi@example.com',
 '王五': 'wangwu@example.com',
 # 添加更多员工和邮箱信息
}

遍历员工数据并发送邮件:


for employee\_name in employee\_names:

employee\_data = df[df['员工姓名'] == employee\_name] # 创建员工的数据
 # 生成员工的 Excel 文件
 employee\_data\_filename = f'{employee\_name}.xlsx'
 employee\_data.to\_excel(employee\_data\_filename, index=False)
 # 创建邮件
 msg = MIMEMultipart()
 msg['From'] = sender\_email
 msg['To'] = employee\_emails.get(employee\_name, '') # 根据员工姓名获取邮箱
 msg['Subject'] = '拆分数据通知'
 body = f"尊敬的{employee\_name},您的拆分数据已经准备好,请查收附件。"
 msg.attach(MIMEText(body, 'plain'))
 # 添加附件
 with open(employee\_data\_filename, 'rb') as file:
 part = MIMEApplication(file.read(), Name=os.path.basename(employee\_data\_filename))
 part.add\_header('Content-Disposition', 'attachment', filename=Header(os.path.basename(employee\_data\_filename), 'utf-8').encode())
 msg.attach(part)
 # 发送邮件
 server.sendmail(sender\_email, employee\_emails.get(employee\_name, ''), msg.as\_string())
 # 删除生成的员工数据文件
 os.remove(employee\_data\_filename)
# 退出SMTP连接
server.quit()

 


最后,关闭与SMTP服务器的连接。

 

总结

通过上述Python脚本,我们可以批量发送个性化的邮件。我们首先设置发件人邮箱和密码,然后指定SMTP服务器和端口号。接下来,我们读取包含员工信息的Excel文件,并获取唯一的员工姓名列表和对应的邮箱地址。然后,我们遍历员工数据,并为每个员工创建邮件,附带相应的附件。最后,我们通过SMTP服务器发送邮件,并在发送完成后删除生成的员工数据文件。

完整代码:


import pandas as pd

import smtplib

from email.mime.multipart import MIMEMultipart

from email.mime.text import MIMEText

from email.mime.application import MIMEApplication

import os

from email.header import Header

 

# 设置发件人邮箱和密码
sender\_email = 'liuchunlin202205@163.com'
sender\_password = '授权码'
# 设置SMTP服务器和端口(QQ邮箱的SMTP服务器和端口)
smtp\_server = 'smtp.163.com'
smtp\_port = 25
# 创建SMTP连接
server = smtplib.SMTP(smtp\_server, smtp\_port)
server.starttls() # 开启TLS加密
# 登录邮箱
server.login(sender\_email, sender\_password)
# 读取原始 Excel 文件
df = pd.read\_excel('C:\\Users\\liuchunlin2\\Desktop\\测试数据\\员工.xlsx')
# 获取唯一的员工姓名列表
employee\_names = df['员工姓名'].unique()
# 获取员工姓名和对应的邮箱地址,假设这些信息存储在一个字典中
employee\_emails = {
 '刘备': '2823028760@qq.com',
 '孙权': '2823028760@qq.com',
 '曹操': '2823028760@qq.com',
 # 添加更多员工和邮箱信息
}
# 遍历员工数据并发送邮件
for employee\_name in employee\_names:
 # 创建员工的数据
 employee\_data = df[df['员工姓名'] == employee\_name]
 # 生成员工的 Excel 文件
 employee\_data\_filename = f'{employee\_name}.xl
相关文章
|
23天前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
23天前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
23天前
|
设计模式 机器学习/深度学习 前端开发
Python 高级编程与实战:深入理解设计模式与软件架构
本文深入探讨了Python中的设计模式与软件架构,涵盖单例、工厂、观察者模式及MVC、微服务架构,并通过实战项目如插件系统和Web应用帮助读者掌握这些技术。文章提供了代码示例,便于理解和实践。最后推荐了进一步学习的资源,助力提升Python编程技能。
|
21天前
|
数据采集 XML 存储
Python爬虫实战:一键采集电商数据,掌握市场动态!
这个爬虫还挺实用,不光能爬电商数据,改改解析规则,啥数据都能爬。写爬虫最重要的是要有耐心,遇到问题别着急,慢慢调试就成。代码写好了,运行起来那叫一个爽,分分钟几千条数据到手。
|
21天前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。
|
21天前
|
机器学习/深度学习 设计模式 测试技术
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
|
22天前
|
存储 监控 API
1688平台API接口实战:Python实现店铺全量商品数据抓取
本文介绍如何使用Python通过1688开放平台的API接口自动化抓取店铺所有商品数据。首先,开发者需在1688开放平台完成注册并获取App Key和App Secret,申请“商品信息查询”权限。接着,利用`alibaba.trade.product.search4trade`接口,构建请求参数、生成MD5签名,并通过分页机制获取全量商品数据。文中详细解析了响应结构、存储优化及常见问题处理方法,还提供了竞品监控、库存预警等应用场景示例和完整代码。
|
24天前
|
机器学习/深度学习 分布式计算 API
Python 高级编程与实战:深入理解并发编程与分布式系统
在前几篇文章中,我们探讨了 Python 的基础语法、面向对象编程、函数式编程、元编程、性能优化、调试技巧、数据科学、机器学习、Web 开发、API 设计、网络编程和异步IO。本文将深入探讨 Python 在并发编程和分布式系统中的应用,并通过实战项目帮助你掌握这些技术。
|
22天前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建微服务架构
本文深入探讨了 Python 中的微服务架构,介绍了 Flask、FastAPI 和 Nameko 三个常用框架,并通过实战项目帮助读者掌握这些技术。每个框架都提供了构建微服务的示例代码,包括简单的 API 接口实现。通过学习本文,读者将能够使用 Python 构建高效、独立的微服务。
|
22天前
|
消息中间件 分布式计算 并行计算
Python 高级编程与实战:构建分布式系统
本文深入探讨了 Python 中的分布式系统,介绍了 ZeroMQ、Celery 和 Dask 等工具的使用方法,并通过实战项目帮助读者掌握这些技术。ZeroMQ 是高性能异步消息库,支持多种通信模式;Celery 是分布式任务队列,支持异步任务执行;Dask 是并行计算库,适用于大规模数据处理。文章结合具体代码示例,帮助读者理解如何使用这些工具构建分布式系统。