Python实现Excel批量处理+邮件自动发送的全流程

目录

• 一、项目整体介绍
• 1.1 项目背景与价值
• 1.2 技术栈选型
• 1.3 核心功能模块
• 二、环境搭建与准备
• 2.1 开发环境配置
• 2.2 项目目录结构
• 2.3 环境变量配置（.env 文件）
• 三、核心模块实现
• 3.1 Excel 数据处理模块（excel_processor.py）
• 3.2 邮件发送模块（email_sender.py）
• 3.3 邮件 HTML 模板（templates/email_template.html）
• 3.4 项目入口文件（main.py）
• 四、系统运行与效果展示
• 4.1 运行步骤
• 4.2 核心效果展示
• 1. Excel 报表美化效果
• 2. 邮件接收效果
• 4.3 日志记录效果
• 五、项目拓展与优化方向
• 六、总结

在日常办公中，重复的 Excel 数据整理、报表生成与邮件分发工作占据大量时间。本文将手把手教你用 Python 实现 “Excel 数据批量处理 + 自动化邮件发送” 全流程，涵盖数据读取、清洗、格式美化、报表生成及邮件带附件发送，支持自定义模板与批量操作，大幅提升办公效率，适合行政、运营、财务等岗位人员学习使用。

无论是月度业绩报表分发、客户数据统计通知，还是员工薪资条发放，都需要先整理 Excel 数据，再手动复制粘贴到邮件中发送 —— 过程繁琐且易出错。本项目通过 Python 自动化完成以下工作：

• 批量读取 Excel 数据（支持多工作表 / 多文件）；
• 数据清洗（缺失值填充、格式统一、重复数据剔除）；
• Excel 报表美化（单元格样式、条件格式、图表生成）；
• 自动生成个性化邮件内容（按收件人匹配对应数据）；
• 批量发送带 Excel 附件的邮件，支持抄送 / 密送。

技术模块	核心技术	作用说明
Excel 处理	openpyxl + pandas	读取 / 写入 Excel 文件、数据清洗、格式美化、图表生成（支持.xlsx 格式）
邮件发送	smtplib + email	连接 SMTP 服务器、构造邮件内容（文本 / HTML）、添加附件、批量发送
辅助工具	os + datetime + logging	文件路径处理、时间格式转换、操作日志记录（便于问题排查）

系统采用 “模块化设计”，可按需组合使用，核心功能如下：

1. Excel 数据处理模块：
   • 多文件 / 多工作表批量读取；
   • 数据清洗（缺失值填充、重复项删除、数据格式转换）；
   • 报表美化（表头样式、数据对齐、条件格式高亮）；
   • 自动生成数据统计图表（柱状图 / 饼图）。
2. 邮件发送模块：
   • 支持 QQ 邮箱、企业邮箱 SMTP 配置；
   • 自定义邮件主题、正文模板（支持变量替换，如 “XXX 先生 / 女士，您的月度业绩如下”）；
   • 自动添加 Excel 附件（单个 / 多个）；
   • 批量发送 + 失败重试机制，日志记录发送结果。

1. 基础环境：Python 3.8+（推荐 3.9 版本，兼容性更佳）；
2. 依赖库安装：

# 核心依赖库
pip install pandas openpyxl  # Excel读取/写入/美化
pip install python-dotenv    # 环境变量管理（存储邮箱密码等敏感信息）
pip install logging          # 日志记录

1. 邮箱 SMTP 配置（关键步骤）：
   • 以 QQ 邮箱为例：登录 QQ 邮箱 → Settings → 账户 → 开启 “POP3/SMTP 服务” → 生成授权码（替代密码登录）；
   • 企业邮箱（如网易企业邮）：开启 SMTP 服务，确认服务器地址（如smtp.ym.163.com）与端口（通常 465，SSL 加密）。

auto_office_system/
├── main.py                # 项目入口文件（整合Excel处理与邮件发送）
├── .env                   # 环境变量配置（邮箱账号、授权码、SMTP服务器）
├── excel_processor.py     # Excel数据处理模块（读取/清洗/美化/图表）
├── email_sender.py        # 邮件发送模块（SMTP连接/邮件构造/批量发送）
├── templates/             # 模板文件
│   ├── email_template.html  # 邮件正文HTML模板
│   └── excel_template.xlsx  # Excel报表模板（可选）
├── input/                 # 输入文件目录（待处理的Excel文件）
│   └── 客户数据.xlsx
├── output/                # 输出文件目录（处理后的Excel报表）
└── logs/                  # 日志文件目录（记录操作过程与发送结果）

# 邮箱配置
SMTP_SERVER=smtp.qq.com    # SMTP服务器地址（QQ邮箱：smtp.qq.com；企业邮：如smtp.ym.163.com）
SMTP_PORT=465              # SMTP端口（SSL加密通常为465）
EMAIL_ACCOUNT=your_email@qq.com  # 发件人邮箱
EMAIL_PASSWORD=your_auth_code    # 邮箱授权码（非登录密码）
 
# 邮件默认配置
DEFAULT_CC=cc_email@qq.com  # 默认抄送邮箱（可选）
DEFAULT_SUBJECT=【月度报表】客户数据统计通知  # 默认邮件主题

实现 Excel 数据的读取、清洗、美化与图表生成，支持多文件批量处理。

import pandas as pd
from openpyxl import load_workbook
from openpyxl.styles import Font, PatternFill, Border, Side, Alignment
from openpyxl.chart import BarChart, Reference
from openpyxl.chart.series import DataPoint
import os
from datetime import datetime

class ExcelProcessor:
    def __init__(self, input_dir="input", output_dir="output"):
        self.input_dir = input_dir  # 输入文件目录
        self.output_dir = output_dir  # 输出文件目录
        # 创建输出目录（不存在则创建）
        if not os.path.exists(output_dir):
            os.makedirs(output_dir)
    
    def read_excel_files(self):
        """批量读取input目录下所有Excel文件（支持.xlsx）"""
        excel_files = [f for f in os.listdir(self.input_dir) if f.endswith(".xlsx")]
        if not excel_files:
            raise FileNotFoundError("input目录下未找到Excel文件（.xlsx格式）")
        
        all_data = []
        for file in excel_files:
            file_path = os.path.join(self.input_dir, file)
            # 读取所有工作表
            xls = pd.ExcelFile(file_path)
            for sheet_name in xls.sheet_names:
                df = pd.read_excel(file_path, sheet_name=sheet_name)
                df["来源文件"] = file  # 新增列标记数据来源
                df["来源工作表"] = sheet_name  # 新增列标记工作表
                all_data.append(df)
        
        # 合并所有数据
        combined_df = pd.concat(all_data, ignore_index=True)
        print(f"成功读取{len(excel_files)}个Excel文件，共{len(combined_df)}条数据")
        return combined_df
    
    def clean_data(self, df):
        """数据清洗：处理缺失值、重复项、格式统一"""
        # 1. 删除完全重复的行
        df_clean = df.drop_duplicates()
        # 2. 填充缺失值（数值列填0，文本列填"未知"）
        for col in df_clean.columns:
            if df_clean[col].dtype in ["int64", "float64"]:
                df_clean[col] = df_clean[col].fillna(0)
            else:
                df_clean[col] = df_clean[col].fillna("未知")
        # 3. 统一日期格式（若存在"日期"列）
        if "日期" in df_clean.columns:
            df_clean["日期"] = pd.to_datetime(df_clean["日期"], errors="coerce").dt.strftime("%Y-%m-%d")
        # 4. 去除字符串前后空格
        for col in df_clean.select_dtypes(include=["object"]).columns:
            df_clean[col] = df_clean[col].astype(str).str.strip()
        
        print(f"数据清洗完成：原始{len(df)}条 → 清洗后{len(df_clean)}条")
        return df_clean
    
    def beautify_excel(self, df, output_filename="processed_report.xlsx"):
        """Excel报表美化：设置样式、条件格式、添加图表"""
        output_path = os.path.join(self.output_dir, output_filename)
        
        # 保存DataFrame到Excel
        df.to_excel(output_path, index=False, sheet_name="清洗后数据")
        
        # 加载工作簿进行样式美化
        wb = load_workbook(output_path)
        ws = wb["清洗后数据"]
        
        # 1. 设置表头样式（蓝色背景、白色字体、加粗、居中）
        header_font = Font(color="FFFFFF", bold=True)
        header_fill = PatternFill(start_color="4472C4", end_color="4472C4", fill_type="solid")
        header_alignment = Alignment(horizontal="center", vertical="center")
        # 边框样式
        thin_border = Border(
            left=Side(style="thin"), right=Side(style="thin"),
            top=Side(style="thin"), bottom=Side(style="thin")
        )
        
        # 应用表头样式
        for col in range(1, ws.max_column + 1):
            cell = ws.cell(row=1, column=col)
            cell.font = header_font
            cell.fill = header_fill
            cell.alignment = header_alignment
            cell.border = thin_border
        
        # 2. 应用数据区样式（居中、边框）
        for row in range(2, ws.max_row + 1):
            for col in range(1, ws.max_column + 1):
                cell = ws.cell(row=row, column=col)
                cell.alignment = Alignment(horizontal="center", vertical="center")
                cell.border = thin_border
        
        # 3. 自动调整列宽
        for col in ws.columns:
            max_length = 0
            column = col[0].column_letter  # 获取列字母（如A、B）
            for cell in col:
                try:
                    if len(str(cell.value)) > max_length:
                        max_length = len(str(cell.value))
                except:
                    pass
            adjusted_width = min(max_length + 2, 20)  # 最大宽度限制为20
            ws.column_dimensions[column].width = adjusted_width
        
        # 4. 添加数据统计图表（以"客户类型"和"成交金额"为例）
        if "客户类型" in df.columns and "成交金额" in df.columns:
            # 统计各客户类型成交金额
            chart_data = df.groupby("客户类型")["成交金额"].sum().reset_index()
            
            # 创建柱状图
            chart = BarChart()
            chart.title = "各客户类型成交金额统计"
            chart.x_axis.title = "客户类型"
            chart.y_axis.title = "成交金额（元）"
            
            # 准备图表数据
            x_data = Reference(ws, min_col=chart_data.columns.get_loc("客户类型") + 1, 
                              min_row=2, max_row=len(chart_data) + 1)
            y_data = Reference(ws, min_col=chart_data.columns.get_loc("成交金额") + 1, 
                              min_row=2, max_row=len(chart_data) + 1)
            
            # 添加数据系列
            series = chart.add_data(y_data, titles_from_data=False)
            chart.set_categories(x_data)
            
            # 设置图表样式（高亮最大值）
            max_val = chart_data["成交金额"].max()
            for i, val in enumerate(chart_data["成交金额"]):
                if val == max_val:
                    dp = DataPoint(idx=i, fill=PatternFill(start_color="FF0000", end_color="FF0000", fill_type="solid"))
                    series.dPt.append(dp)
            
            # 在新工作表插入图表
            chart_ws = wb.create_sheet("数据统计图表")
            chart_ws.add_chart(chart, "B2")
        
        # 保存美化后的Excel
        wb.save(output_path)
        print(f"Excel报表美化完成，保存路径：{output_path}")
        return output_path
    
    def batch_process(self):
        """批量处理流程：读取→清洗→美化"""
        try:
            # 1. 读取数据
            raw_df = self.read_excel_files()
            # 2. 数据清洗
            clean_df = self.clean_data(raw_df)
            # 3. 报表美化（输出文件名包含当前日期）
            output_filename = f"客户数据报表_{datetime.now().strftime('%Y%m%d')}.xlsx"
            output_path = self.beautify_excel(clean_df, output_filename)
            return output_path
        except Exception as e:
            print(f"Excel处理失败：{str(e)}")
            raise

实现 SMTP 连接、邮件构造、批量发送，支持 HTML 模板与 Excel 附件。

import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
from email.header import Header
from dotenv import load_dotenv
import os
import logging
from datetime import datetime

# 加载环境变量
load_dotenv()

# 配置日志
logging.basicConfig(
    filename=f"logs/email_send_{datetime.now().strftime('%Y%m%d')}.log",
    level=logging.INFO,
    format="%(asctime)s - %(levelname)s - %(message)s"
)

class EmailSender:
    def __init__(self):
        # 从环境变量获取邮箱配置
        self.smtp_server = os.getenv("SMTP_SERVER")
        self.smtp_port = int(os.getenv("SMTP_PORT", 465))
        self.email_account = os.getenv("EMAIL_ACCOUNT")
        self.email_password = os.getenv("EMAIL_PASSWORD")
        self.default_cc = os.getenv("DEFAULT_CC", "")
        self.default_subject = os.getenv("DEFAULT_SUBJECT", "自动化邮件通知")
        
        # 验证配置
        self._validate_config()
    
    def _validate_config(self):
        """验证邮箱配置是否完整"""
        required_configs = ["SMTP_SERVER", "EMAIL_ACCOUNT", "EMAIL_PASSWORD"]
        for config in required_configs:
            if not os.getenv(config):
                raise ValueError(f".env文件中缺少配置：{config}")
    
    def _create_email(self, to_email, subject, content, attachments=None):
        """构造邮件内容（支持HTML正文、多个附件）"""
        # 创建邮件对象（带附件）
        msg = MIMEMultipart()
        msg["From"] = Header(self.email_account, "utf-8")  # 发件人
        msg["To"] = Header(to_email, "utf-8")  # 收件人
        msg["Subject"] = Header(subject, "utf-8")  # 邮件主题
        
        # 添加抄送（若有）
        if self.default_cc:
            msg["Cc"] = Header(self.default_cc, "utf-8")
        
        # 添加HTML正文
        msg.attach(MIMEText(content, "html", "utf-8"))
        
        # 添加附件（支持多个文件）
        if attachments:
            attachments = attachments if isinstance(attachments, list) else [attachments]
            for file_path in attachments:
                if os.path.exists(file_path):
                    # 读取文件内容
                    with open(file_path, "rb") as f:
                        part = MIMEText(f.read(), "base64", "utf-8")
                        part["Content-Type"] = "application/octet-stream"
                        # 设置附件文件名
                        filename = os.path.basename(file_path)
                        part["Content-Disposition"] = f'attachment; filename="{filename}"'
                        msg.attach(part)
                    logging.info(f"添加附件成功：{filename}")
                else:
                    logging.warning(f"附件文件不存在：{file_path}")
        
        return msg
    
    def load_html_template(self, template_path="templates/email_template.html", **kwargs):
        """加载HTML邮件模板，替换变量（如{username}、{date}）"""
        if not os.path.exists(template_path):
            raise FileNotFoundError(f"邮件模板文件不存在：{template_path}")
        
        with open(template_path, "r", encoding="utf-8") as f:
            html_content = f.read()
        
        # 替换模板变量（kwargs中的key对应模板中的{key}）
        for key, value in kwargs.items():
            html_content = html_content.replace(f"{{{key}}}", str(value))
        
        return html_content
    
    def send_email(self, to_email, subject=None, content=None, attachments=None, retry=2):
        """发送单封邮件，支持失败重试"""
        subject = subject or self.default_subject
        if not content:
            # 使用默认文本内容（若未提供HTML模板）
            content = f"您好！这是一封自动化邮件通知，附件为相关报表，请查收。n发送时间：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}"
        
        # 构造收件人列表（含抄送）
        recipients = [to_email]
        if self.default_cc:
            recipients.extend(self.default_cc.split(","))
        
        for attempt in range(retry + 1):
            try:
                # 连接SMTP服务器（SSL加密）
                with smtplib.SMTP_SSL(self.smtp_server, self.smtp_port) as server:
                    server.login(self.email_account, self.email_password)
                    # 构造邮件
                    msg = self._create_email(to_email, subject, content, attachments)
                    # 发送邮件
                    server.sendmail(self.email_account, recipients, msg.as_string())
                logging.info(f"邮件发送成功：收件人={to_email}，主题={subject}")
                return True
            except Exception as e:
                logging.error(f"第{attempt+1}次发送邮件失败（收件人={to_email}）：{str(e)}")
                if attempt >= retry:
                    logging.error(f"邮件发送最终失败：收件人={to_email}")
                    return False
        return False
    
    def batch_send_emails(self, email_data_list, attachments=None):
        """批量发送邮件：接收收件人数据列表，支持个性化内容"""
        """
        email_data_list格式：
        [
            {"to_email": "user1@qq.com", "username": "张三", "month": "2024-05"},
            {"to_email": "user2@qq.com", "username": "李四", "month": "2024-05"}
        ]
        """
        if not email_data_list:
            logging.warning("批量发送：未提供收件人数据")
            return
        
        success_count = 0
        fail_count = 0
        fail_emails = []
        
        for data in email_data_list:
            to_email = data.get("to_email")
            if not to_email:
                logging.warning("跳过无效数据：未包含收件人邮箱")
                continue
            
            try:
                # 加载HTML模板并替换变量
                content = self.load_html_template(
                    username=data.get("username", "用户"),
                    month=data.get("month", datetime.now().strftime("%Y-%m")),
                    send_time=datetime.now().strftime("%Y-%m-%d %H:%M:%S")
                )
                
                # 发送邮件
                result = self.send_email(
                    to_email=to_email,
                    subject=f"{self.default_subject}（{data.get('month', '')}）",
                    content=content,
                    attachments=attachments
                )
                
                if result:
                    success_count += 1
                else:
                    fail_count += 1
                    fail_emails.append(to_email)
            except Exception as e:
                logging.error(f"批量发送失败（收件人={to_email}）：{str(e)}")
                fail_count += 1
                fail_emails.append(to_email)
        
        # 打印批量发送统计
        total = len(email_data_list)
        print(f"n批量发送完成：总计{total}封 → 成功{success_count}封 → 失败{fail_count}封")
        if fail_emails:
            print(f"发送失败的邮箱：{', '.join(fail_emails)}")
            logging.info(f"批量发送统计：总计{total}封 → 成功{success_count}封 → 失败{fail_count}封，失败邮箱：{fail_emails}")
        
        return {
            "total": total,
            "success": success_count,
            "fail": fail_count,
            "fail_emails": fail_emails
        }

支持个性化变量替换，样式美观，适合正式办公场景。

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <title>客户数据统计通知</title>
    <style>
        body { font-family: "Microsoft YaHei", sans-serif; line-height: 1.6; color: #333; }
        .container { width: 80%; margin: 0 auto; padding: 20px; border: 1px solid #eee; border-radius: 8px; }
        .header { background-color: #4472C4; color: white; padding: 15px; border-radius: 8px 8px 0 0; text-align: center; }
        .content { padding: 20px; }
        .highlight { color: #4472C4; font-weight: bold; }
        .footer { margin-top: 30px; padding-top: 15px; border-top: 1px solid #eee; text-align: center; color: #666; }
    </style>
</head>
<body>
    <div class="container">
        <div class="header">
            <h2>【月度客户数据统计报表】</h2>
        </div>
        <div class="content">
            <p>尊敬的<span class="highlight">{username}</span>先生/女士：</p>
            <p>您好！现将{month}月度客户数据统计报表发送给您，具体说明如下：</p>
            <ul>
                <li>报表包含客户基本信息、成交金额、跟进状态等关键数据；</li>
                <li>报表已按客户类型分类统计，并附数据可视化图表；</li>
                <li>请您查收附件并核对数据，如有疑问请及时反馈。</li>
            </ul>
            <p>发送时间：<span class="highlight">{send_time}</span></p>
            <p>祝您工作顺利！</p>
        </div>
        <div class="footer">
            <p>本邮件为自动化发送，请勿直接回复 | 联系电话：XXX-XXXXXXX</p>
        </div>
    </div>
</body>
</html>

整合 Excel 处理与邮件发送流程，支持命令行运行。

from excel_processor import ExcelProcessor
from email_sender import EmailSender
import logging

# 配置日志
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")

def main():
    try:
        # 第一步：Excel数据批量处理（读取→清洗→美化）
        logging.info("="*50)
        logging.info("开始Excel数据处理...")
        excel_processor = ExcelProcessor()
        excel_report_path = excel_processor.batch_process()
        logging.info(f"Excel处理完成，报表路径：{excel_report_path}")
        
        # 第二步：批量发送邮件（示例数据，实际可从Excel读取收件人信息）
        logging.info("n" + "="*50)
        logging.info("开始批量发送邮件...")
        email_sender = EmailSender()
        
        # 收件人数据列表（实际项目可从Excel读取：如pd.read_excel("收件人列表.xlsx")）
        email_data_list = [
            {"to_email": "recipient1@qq.com", "username": "张三", "month": "2024-05"},
            {"to_email": "recipient2@163.com", "username": "李四", "month": "2024-05"},
            {"to_email": "recipient3@ym.163.com", "username": "王五", "month": "2024-05"}
        ]
        
        # 批量发送邮件（添加Excel报表作为附件）
        send_result = email_sender.batch_send_emails(
            email_data_list=email_data_list,
            attachments=excel_report_path
        )
        
        # 输出最终结果
        logging.info("n" + "="*50)
        logging.info(f"自动化流程全部完成！")
        logging.info(f"Excel报表：{excel_report_path}")
        logging.info(f"邮件发送统计：成功{send_result['success']}封，失败{send_result['fail']}封")
        
    except Exception as e:
        logging.error(f"自动化流程执行失败：{str(e)}", exc_info=True)
        print(f"执行失败：{str(e)}")

if __name__ == "__main__":
    main()

1. 准备工作：在input目录下放入待处理的 Excel 文件（如 “客户数据.xlsx”），确保包含 “客户类型”“成交金额”“日期” 等关键列；
2. 配置.env 文件：填写发件人邮箱、授权码、SMTP 服务器等信息；
3. 运行程序：python main.py；
4. 查看结果：
   • 处理后的 Excel 报表保存在output目录（含美化样式与统计图表）；
   • 邮件发送结果记录在logs目录的日志文件中；
   • 收件人将收到带 HTML 格式正文与 Excel 附件的邮件。

• 表头：蓝色背景、白色加粗字体、居中对齐；
• 数据区：统一居中、添加边框、自动调整列宽；
• 条件格式：统计图表中高亮显示成交金额最大值；
• 额外工作表：包含客户类型成交金额柱状图，直观呈现数据趋势。

• 正文：HTML 格式，包含个性化问候（如 “尊敬的张三先生 / 女士”）、月度信息、发送时间；
• 附件：自动添加处理后的 Excel 报表，支持在线预览或下载；
• 抄送：默认抄送邮箱可收到相同邮件，便于存档。

日志文件将详细记录每一步操作：

2024-05-20 14:30:00,123 - INFO - 开始Excel数据处理...
2024-05-20 14:30:02,456 - INFO - 成功读取1个Excel文件，共100条数据
2024-05-20 14:30:02,789 - INFO - 数据清洗完成：原始100条 → 清洗后98条
2024-05-20 14:30:05,123 - INFO - Excel报表美化完成，保存路径：output/客户数据报表_20240520.xlsx
2024-05-20 14:30:05,123 - INFO - 开始批量发送邮件...
2024-05-20 14:30:08,456 - INFO - 邮件发送成功：收件人=recipient1@qq.com，主题=【月度报表】客户数据统计通知（2024-05）
2024-05-20 14:30:10,789 - INFO - 邮件发送成功：收件人=recipient2@163.com，主题=【月度报表】客户数据统计通知（2024-05）
2024-05-20 14:30:12,123 - ERROR - 第2次发送邮件失败（收件人=recipient3@ym.163.com）：SMTPConnectError
2024-05-20 14:30:12,123 - INFO - 批量发送完成：总计3封 → 成功2封 → 失败1封
2024-05-20 14:30:12,123 - INFO - 自动化流程全部完成！

功能拓展：

• 支持读取 CSV/CSV 文件，扩大输入格式范围；
• 实现 Excel 数据筛选与拆分（如按部门 / 区域拆分报表，分别发送给对应负责人）；
• 增加邮件发送状态回执（确认收件人已读）；
• 支持多附件发送（如同时发送 Excel 报表 + PDF 说明文档）。

系统优化：

• 引入 Redis 缓存频繁使用的数据（如收件人列表），提升效率；
• 增加异常监控（如邮件发送失败后自动发送告警通知给管理员）；
• 支持定时任务（使用 APScheduler），每月自动执行报表生成与邮件发送；
• 优化 Excel 处理性能，支持超大文件（10 万行 + 数据）批量处理。

交互优化：

• 开发简单 GUI 界面（使用 tkinter/pyqt），无需编写代码即可操作；
• 支持自定义邮件模板与 Excel 样式模板，适配不同办公场景；
• 增加数据预览功能，处理前可查看原始数据与清洗效果。

本项目基于 Python 实现了 “Excel 批量处理 + 自动化邮件发送” 的完整办公流程，技术栈简洁实用，代码结构清晰，可直接应用于实际工作场景。通过本项目的学习，你可以掌握：

• pandas/openpyxl 的 Excel 数据处理与美化技巧；
• smtplib/email 的邮件构造与批量发送方法；
• 模块化编程与环境变量管理（敏感信息保护）；
• 日志记录与异常处理的工业级编程思维。

项目可根据实际办公需求灵活拓展，例如财务薪资条发放、运营业绩报表分发、行政通知推送等场景。建议在使用过程中结合自身工作流程调整代码，积累自动化办公经验，逐步实现 “一键搞定重复工作” 的高效办公模式。

以上就是Python实现Excel批量处理+邮件自动发送的全流程的详细内容，更多关于Python Excel批量处理和邮件自动发送的资料请关注风君子博客其它相关文章！

您可能感兴趣的文章:

• Python自动化办公全攻略之Excel/Word/PDF/邮件批量处理
• Python自动化办公之使用Pandas玩转Excel数据处理全攻略
• Python高效处理Excel文件的12个Pandas函数总结
• Python实现轻松处理两行表头Excel并可视化分析(附完整代码)
• Python自动化办公之处理CSV和Excel文件的操作指南
• 使用Python自动化处理Excel的脏数据