Python办公自动化实战:手把手教你打造智能邮件发送工具

简介: 本文介绍如何使用Python的smtplib和email库构建智能邮件系统,支持图文混排、多附件及多收件人邮件自动发送。通过实战案例与代码详解,帮助读者快速实现办公场景中的邮件自动化需求。

前言
在数字化办公场景中,邮件自动化是提升工作效率的关键技能。本文将通过实际案例,演示如何使用Python的smtplib和email库构建一个支持图文混排、多附件、多收件人的智能邮件系统。无需复杂配置,只需跟随步骤操作,即可实现邮件自动化发送。
zdaye (2).png

一、基础配置:搭建邮件发送框架
1.1 邮箱服务准备
以163邮箱为例,首先需要开启SMTP服务:

登录邮箱后进入设置界面
选择"POP3/SMTP/IMAP"选项
开启SMTP服务并获取授权码(注意:授权码将替代登录密码使用)
1.2 核心库导入
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.image import MIMEImage
from email.header import Header

1.3 基础发送函数
def send_email(config):
msg = MIMEMultipart()
msg['From'] = config['sender']
msg['To'] = ', '.join(config['receivers'])
msg['Subject'] = Header(config['subject'], 'utf-8')

# 添加正文
msg.attach(MIMEText(config['body'], 'html', 'utf-8'))

try:
    with smtplib.SMTP_SSL(config['smtp_server'], config['port']) as server:
        server.login(config['sender'], config['password'])
        server.sendmail(config['sender'], config['receivers'], msg.as_string())
    print("邮件发送成功")
except Exception as e:
    print(f"发送失败: {str(e)}")

二、进阶功能实现
2.1 多附件处理
def add_attachments(msg, file_paths):
for file_path in file_paths:
with open(file_path, 'rb') as f:
attachment = MIMEText(f.read(), 'base64', 'utf-8')
attachment['Content-Type'] = 'application/octet-stream'
attachment['Content-Disposition'] = f'attachment; filename="{file_path.split("/")[-1]}"'
msg.attach(attachment)

2.2 图文混排实现
def add_images(msg, image_paths):
for img_path in image_paths:
with open(img_path, 'rb') as f:
img = MIMEImage(f.read())
img.add_header('Content-ID', f'<{img_path.split("/")[-1]}>')
msg.attach(img)

2.3 多收件人优化
def validate_receivers(receivers):
valid_emails = []
for email in receivers:
if '@' in email and '.' in email.split('@')[1]:
valid_emails.append(email)
return valid_emails

三、完整实战案例
3.1 场景描述
某公司需要向全体员工发送季度工作报告,要求包含:

PDF格式的正式报告
业绩趋势图(PNG格式)
Excel格式的详细数据
邮件正文需要包含图表引用
3.2 完整代码实现
def main():

# 配置参数
config = {
    'sender': 'your_email@163.com',
    'password': '授权码',
    'smtp_server': 'smtp.163.com',
    'port': 465,
    'receivers': ['test1@example.com', 'test2@example.com'],
    'subject': '2025年第二季度工作报告',
    'body': '''
    <h1>季度工作报告</h1>
    <p>附件包含详细数据,正文图表如下:</p>
    <img src="cid:业绩趋势图.png">
    '''
}

# 创建邮件对象
msg = MIMEMultipart()
msg['From'] = config['sender']
msg['To'] = ', '.join(config['receivers'])
msg['Subject'] = Header(config['subject'], 'utf-8')

# 添加正文
msg.attach(MIMEText(config['body'], 'html', 'utf-8'))

# 添加附件
add_attachments(msg, [
    './reports/季度数据.xlsx',
    './reports/正式报告.pdf'
])

# 添加图片
add_images(msg, [
    './charts/业绩趋势图.png'
])

# 发送邮件
send_email(config, msg)

if name == 'main':
main()

四、扩展功能建议
4.1 定时发送
结合schedule库实现定时任务:

import schedule
import time

schedule.every().day.at("09:30").do(main)

while True:
schedule.run_pending()
time.sleep(60)

4.2 批量发送
从CSV读取收件人信息:

import pandas as pd

def batch_send(csv_path):
df = pd.read_csv(csv_path)
for index, row in df.iterrows():
config['receivers'] = [row['email']]
config['body'] = f"尊敬的{row['name']},这是您的专属报告"
main()

4.3 异常处理
添加重试机制和日志记录:

import logging
from retrying import retry

logging.basicConfig(filename='email.log', level=logging.INFO)

@retry(stop_max_attempt_number=3)
def send_email_safe(config, msg):
try:

    # 原有发送逻辑
    logging.info(f"成功发送至{config['receivers']}")
except Exception as e:
    logging.error(f"发送失败: {str(e)}")
    raise

五、注意事项
授权码安全:建议定期更换邮箱授权码
文件路径:使用绝对路径或相对路径时注意工作目录
邮件大小:单个邮件附件建议不超过20MB
测试验证:发送测试邮件时建议使用自己的邮箱作为收件人
服务器限制:部分邮箱服务器有每日发送量限制
通过本文介绍的方案,可以实现从简单邮件到复杂邮件的自动化发送。实际使用中可根据需求添加模板引擎、数据库集成等功能,构建更完善的邮件自动化系统。

目录
相关文章
|
10月前
|
存储 关系型数据库 测试技术
玩转n8n测试自动化:核心节点详解与测试实战指南
n8n中节点是自动化测试的核心,涵盖触发器、数据操作、逻辑控制和工具节点。通过组合节点,测试工程师可构建高效、智能的测试流程,提升测试自动化能力。
|
10月前
|
Web App开发 前端开发 JavaScript
Playwright极速UI自动化实战指南
Playwright告别Selenium痛点,以智能等待、强大选择器、网络拦截与多设备模拟四大利器,提升自动化效率与稳定性。本文通过实战代码详解其加速秘籍,助你构建高效、可靠的UI测试方案。
|
9月前
|
数据采集 运维 监控
爬虫与自动化技术深度解析:从数据采集到智能运维的完整实战指南
本文系统解析爬虫与自动化核心技术,涵盖HTTP请求、数据解析、分布式架构及反爬策略,结合Scrapy、Selenium等框架实战,助力构建高效、稳定、合规的数据采集系统。
1342 62
爬虫与自动化技术深度解析:从数据采集到智能运维的完整实战指南
|
11月前
|
Web App开发 人工智能 JavaScript
主流自动化测试框架的技术解析与实战指南
本内容深入解析主流测试框架Playwright、Selenium与Cypress的核心架构与适用场景,对比其在SPA测试、CI/CD、跨浏览器兼容性等方面的表现。同时探讨Playwright在AI增强测试、录制回放、企业部署等领域的实战优势,以及Selenium在老旧系统和IE兼容性中的坚守场景。结合六大典型场景,提供技术选型决策指南,并展望AI赋能下的未来测试体系。
|
9月前
|
弹性计算 人工智能 前端开发
在阿里云ECS上部署n8n自动化工作流:U2实例实战
本文介绍如何在阿里云ECS的u2i/u2a实例上部署开源工作流自动化平台n8n,利用Docker快速搭建并配置定时任务,实现如每日抓取MuleRun新AI Agent并推送通知等自动化流程。内容涵盖环境准备、安全组设置、实战案例与优化建议,助力高效构建低维护成本的自动化系统。
2150 5
|
9月前
|
存储 数据采集 监控
Python定时爬取新闻网站头条:从零到一的自动化实践
在信息爆炸时代,本文教你用Python定时爬取腾讯新闻头条,实现自动化监控。涵盖请求、解析、存储、去重、代理及异常通知,助你构建高效新闻采集系统,适用于金融、电商、媒体等场景。(238字)
1533 2
|
11月前
|
人工智能 缓存 测试技术
Playwright进阶指南 (6) | 自动化测试实战
2025企业级测试解决方案全面解析:从单元测试到千级并发,构建高可用测试体系。结合Playwright智能工具,解决传统测试维护成本高、环境依赖强、执行效率低等痛点,提升测试成功率,内容从测试架构设计、电商系统实战框架、高级测试策略、Docker化部署、CI/CD集成及AI测试应用,助力测试工程师掌握前沿技术,打造高效稳定的测试流程。
Playwright进阶指南 (6) | 自动化测试实战
|
10月前
|
人工智能 数据可视化 测试技术
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
1217 11
|
10月前
|
数据采集 监控 Shell
无需Python:Shell脚本如何成为你的自动化爬虫引擎?
Shell脚本利用curl/wget发起请求,结合文本处理工具构建轻量级爬虫,支持并行加速、定时任务、增量抓取及分布式部署。通过随机UA、异常重试等优化提升稳定性,适用于日志监控、价格追踪等场景。相比Python,具备启动快、资源占用低的优势,适合嵌入式或老旧服务器环境,复杂任务可结合Python实现混合编程。
|
11月前
|
数据采集 监控 调度
应对频率限制:设计智能延迟的微信读书Python爬虫
应对频率限制:设计智能延迟的微信读书Python爬虫

推荐镜像

更多