Python自动化处理业务报表并上传系统的脚本操作结构【教学】

Python自动化报表处理核心是“读取→清洗→计算→生成→上传”五步闭环，需确保路径规范、清洗分步、输出可验、API上传带校验与日志。

用Python自动化处理业务报表并上传系统，核心是“读取→清洗→计算→生成→上传”五步闭环。关键不在代码多炫酷，而在每步稳、可查、能复用。

一、规范报表输入路径和格式

自动化脚本最怕“找不到表”或“表打不开”。建议统一要求原始报表为.xlsx（非.xls或csv），存放在固定文件夹如./data/raw/，按日期命名（例：sales_20250615.xlsx）。脚本启动时先检查该路径下是否存在当天文件，缺失则报错退出，不强行往下跑。

• 用pathlib.Path管理路径，比拼接字符串更安全
• 用pandas.read_excel(..., engine='openpyxl')确保兼容xlsx格式
• 加try-except捕获FileNotFoundError和XLRDError

二、用pandas做轻量但确定的清洗与计算

业务报表常含标题行合并、空行、合计行、单位字符（如“万元”）。别追求一步到位，分三小步：删无关行→标准化列名→转数值类型。

• 跳过前3行（用skiprows=3），再用.dropna(how='all')清空行
• 用.columns = ['date', 'product', 'amount', 'region']硬编码列名，避免依赖原表头文字
• 对金额列用.str.replace('万元', '').astype(float) * 10000统一转为元

三、生成标准输出文件（供人工核验）

自动化不是黑箱。每次运行后，自动生成两个文件：output_final.xlsx（最终数据）和log_20250615.txt（记录处理了哪几行、跳过了什么异常、总条数变化）。把df.to_excel()和with open(...) as f: f.write(...)写进同一段逻辑，确保日志和结果时间戳一致。

• 输出Excel时用index=False，避免多出序号列
• 日志里写明原始行数、清洗后行数、空值填充情况（如：“region列缺失5行，补为‘未知’”）
• 文件保存到./data/output/，保留最近7天历史，旧文件自动归档

四、调用系统API完成上传（带凭证+校验）

多数内部系统提供HTTP上传接口。不要直接传Excel，而是先用df.to_dict(orient='records')转成JSON列表，POST到接口。重点做三件事：

• 请求头带token：从环境变量读os.getenv('UPLOAD_TOKEN')，不写死在代码里
• 上传前加简单校验：比如if len(df) == 0: raise ValueError("无有效数据，终止上传")
• 响应判断：收到{"code": 0, "msg": "success"}才算成功；否则打印r.text并退出，不静默失败

基本上就这些。不复杂但容易忽略——路径、命名、日志、校验，四点守住，脚本就能年复一年跑下去。