+
+ 
+
+
-
+
+
+ 
+
+
-
+python-office 提供了金融数据分析功能，主要用于股票交易的收益计算和批量做T分析。
---
-## 🔧 开源项目 - pofinance
+## 1、批量做T (MakeT)
+
+批量做T是股票交易中的一种策略，通过多次卖出再买入来降低持仓成本。
+
+### 基本用法
+
+```python
+# 安装独立模块
+# pip install pofinance
+
+from pofinance import MakeT
+
+# 初始化（可以自定义手续费参数）
+t = MakeT()
+"""
+参数说明：
+- w_rate: 手续费，默认万2.5
+- min_rate: 单笔最低手续费，默认5元
+- stamp_tax: 印花税，默认千1（卖出时收取）
+"""
+
+# 设置卖出记录：[(数量, 卖出价格), (数量, 卖出价格), ...]
+sale_price_num = [
+ (900, 12), # 900股，12元卖出
+ (300, 11), # 300股，11元卖出
+ (800, 10) # 800股，10元卖出
+]
+
+# 计算结果
+result = t.batch_t(sale_price_num)
+print(result)
+```
+
+**返回结果：**
+```
+(2000, 11.87)
+```
+表示：需要以 11.87 元的价格买回 2000 股，才能使这次做T盈利。
+
+### 参数说明
-Python 金融交流群
- 加入交流群 → -
+| 参数 | 类型 | 默认值 | 说明 |
+|------|------|--------|------|
+| `w_rate` | float | 0.00025 | 手续费（万分之） |
+| `min_rate` | float | 5 | 单笔最低手续费（元） |
+| `stamp_tax` | float | 0.001 | 印花税（千分之） |
-
+### 返回值说明
-
+`batch_t()` 返回一个元组 `(数量, 最低买入价)`：
+- 第一个值：需要买回的总股数
+- 第二个值：最低买入价格（高于此价格才能盈利）
-
+### 完整示例
+
+```python
+from pofinance import MakeT
+
+# 自定义手续费率（根据你的券商设置）
+t = MakeT(
+ w_rate=0.0003, # 万3手续费
+ min_rate=5, # 单笔最低5元
+ stamp_tax=0.001 # 千1印花税
+)
+
+# 模拟你的卖出记录
+# 格式：(卖出数量, 卖出价格)
+sale_records = [
+ (1000, 15.50), # 第一次卖出：1000股，15.50元
+ (500, 15.20), # 第二次卖出：500股，15.20元
+ (500, 15.00), # 第三次卖出：500股，15.00元
+]
+
+# 计算
+quantity, min_price = t.batch_t(sale_records)
+
+print(f"需要买回股数: {quantity}")
+print(f"最低买回价格: {min_price:.2f} 元")
+
+if min_price < 15.00:
+ print("✅ 可以盈利！")
+else:
+ print("❌ 当前价格买回会亏损")
+```
---
-## 📚 学习资料
+## 2、单次做T
-
+除了批量做T，还支持单次买卖的收益计算。
-### 🎥 视频教程
+```python
+from pofinance import MakeT
-
+t = MakeT()
-
+# 单次做T计算
+# 格式：(买入数量, 买入价格, 卖出数量, 卖出价格)
+result = t.single_t(1000, 10.00, 1000, 11.00)
+print(result)
+```
-
+---
+
+## 3、注意事项
-
+⚠️ **风险提示**：
+1. 计算结果仅供参考，请在实际操作前进行验证
+2. 不同券商的手续费可能不同，请根据实际情况调整参数
+3. 股市有风险，投资需谨慎
-
+---
-
+## 相关课程
+
+- [单次做T](https://mp.weixin.qq.com/s/6keTzBI8CWnUbuXCaYhkMQ)
+- [批量做T](https://blog.csdn.net/weixin_42321517/article/details/131097917)
+- [电子书：《580页PDF：《Python金融大数据分析》》](https://mp.weixin.qq.com/s/9Nmk2OfTiWaMsidR55uvLw)
+- [视频：Python金融数据分析高级训练营](https://www.bilibili.com/video/BV1Ut4y1i7wS/)
+- [视频：Python金融实务从入门到精通](https://www.bilibili.com/video/BV1p54y1m75J/)
---
-## 👋 联系作者
-
-
-
-
-有问题？联系作者
-添加微信：python-office
-
-
-
-
-
+## 联系作者
+
+
diff --git a/docs-pages/vuepress/office/poai.md b/docs-pages/vuepress/office/poai.md
new file mode 100644
index 0000000..65662ac
--- /dev/null
+++ b/docs-pages/vuepress/office/poai.md
@@ -0,0 +1,224 @@
+# AI 工具集
+
+> 安装：`pip install python-office`
+> 独立安装：`pip install poai`
+
+> AI编程课程👉[点我直达](https://mp.weixin.qq.com/s/YS0shsl6vJD_wUzow7NOnw)
+
+python-office 集成了多种 AI 能力，提供 AI 对话、绘图、翻译等功能，让办公智能化。
+
+---
+
+## 1、AI 对话
+
+与 AI 大模型进行智能对话，解答问题、生成内容。
+
+### 基本用法
+
+```python
+import office
+
+# AI 对话
+result = office.ai.chat(
+ message='你好，请介绍一下 Python'
+)
+print(result)
+```
+
+### 参数说明
+
+| 参数 | 类型 | 必填 | 说明 |
+|------|------|------|------|
+| `message` | str | 是 | 对话内容 |
+| `api_key` | str | 否 | API Key（未提供则使用默认配置） |
+
+### 完整示例
+
+```python
+import office
+
+# 简单的问答
+response = office.ai.chat(
+ message='帮我写一段 Python 读取 Excel 的代码',
+ api_key='your-api-key'
+)
+print(response)
+```
+
+---
+
+## 2、AI 绘图
+
+根据文字描述生成图片。
+
+### 基本用法
+
+```python
+import office
+
+# AI 绘图
+result = office.ai.draw(
+ prompt='一只可爱的橘猫在晒太阳'
+)
+print(result)
+```
+
+### 参数说明
+
+| 参数 | 类型 | 必填 | 说明 |
+|------|------|------|------|
+| `prompt` | str | 是 | 绘图描述 |
+| `size` | str | 否 | 图片尺寸，默认 1024x1024 |
+
+### 完整示例
+
+```python
+import office
+
+# 生成风景图
+result = office.ai.draw(
+ prompt='一幅山水画，云雾缭绕，古风建筑',
+ size='1024x1024'
+)
+
+# 保存图片
+if result.get('success'):
+ image_url = result['url']
+ print(f'图片生成成功：{image_url}')
+```
+
+---
+
+## 3、AI 翻译
+
+多语言文本翻译。
+
+### 基本用法
+
+```python
+import office
+
+# 翻译
+result = office.ai.translate(
+ text='Hello, how are you?',
+ from_lang='en',
+ to_lang='zh'
+)
+print(result)
+```
+
+### 参数说明
+
+| 参数 | 类型 | 必填 | 说明 |
+|------|------|------|------|
+| `text` | str | 是 | 要翻译的文本 |
+| `from_lang` | str | 否 | 源语言，默认自动检测 |
+| `to_lang` | str | 是 | 目标语言 |
+
+### 常用语言代码
+
+| 代码 | 语言 | 代码 | 语言 |
+|------|------|------|------|
+| `zh` | 中文 | `en` | 英语 |
+| `ja` | 日语 | `ko` | 韩语 |
+| `fr` | 法语 | `de` | 德语 |
+| `es` | 西班牙语 | `ru` | 俄语 |
+
+### 完整示例
+
+```python
+import office
+
+# 批量翻译
+texts = [
+ 'Hello World',
+ 'Python is great',
+ 'Thank you very much'
+]
+
+for text in texts:
+ result = office.ai.translate(
+ text=text,
+ from_lang='en',
+ to_lang='zh'
+ )
+ print(f'{text} → {result}')
+```
+
+---
+
+## 4、综合应用示例
+
+### 智能客服助手
+
+```python
+import office
+
+def smart_customer_service(question):
+ """智能客服"""
+
+ # 判断问题类型
+ if '价格' in question:
+ return '我们的产品价格请查看官网：xxx.com'
+ elif '快递' in question:
+ return '您的订单已发货，预计3-5天到达'
+ elif '退货' in question:
+ return '退货请联系客服，提供订单号即可办理'
+ else:
+ # 使用 AI 回答
+ return office.ai.chat(question)
+
+# 测试
+print(smart_customer_service('你们的产品多少钱？'))
+```
+
+### 文档自动翻译
+
+```python
+import office
+
+def translate_document(input_file, output_file, target_lang='zh'):
+ """批量翻译文档"""
+
+ with open(input_file, 'r', encoding='utf-8') as f:
+ content = f.read()
+
+ # 翻译
+ result = office.ai.translate(
+ text=content,
+ from_lang='en',
+ to_lang=target_lang
+ )
+
+ # 保存
+ with open(output_file, 'w', encoding='utf-8') as f:
+ f.write(result)
+
+ print(f'翻译完成：{output_file}')
+
+# 使用
+translate_document('english.txt', 'chinese.txt')
+```
+
+---
+
+## 5、注意事项
+
+⚠️ **使用提示**：
+1. 使用 AI 功能需要相应的 API Key 或网络连接
+2. AI 绘图可能需要较长时间，请耐心等待
+3. 翻译功能支持多种语言，但不是所有语言组合都可用
+4. 请遵守 AI 服务的使用条款
+
+---
+
+## 相关课程
+
+- [AI编程（30讲）](https://mp.weixin.qq.com/s/YS0shsl6vJD_wUzow7NOnw)
+- [微信机器人（10讲）](https://mp.weixin.qq.com/s/YS0shsl6vJD_wUzow7NOnw)
+
+---
+
+## 联系作者
+
+
diff --git a/docs-pages/vuepress/office/porobot.md b/docs-pages/vuepress/office/porobot.md
new file mode 100644
index 0000000..8d017d6
--- /dev/null
+++ b/docs-pages/vuepress/office/porobot.md
@@ -0,0 +1,176 @@
+# AI 机器人
+
+> 安装：`pip install python-office`
+> 独立安装：`pip install porobot`
+
+> 微信机器人课程👉[点我直达](https://mp.weixin.qq.com/s/YS0shsl6vJD_wUzow7NOnw)
+
+python-office 提供了强大的 AI 机器人功能，支持与 ChatGPT 等 AI 大模型进行对话交互。
+
+---
+
+## 1、智能对话 (chat_by_gpt)
+
+通过简单的 API 调用即可实现与 ChatGPT 的智能对话。
+
+### 基本用法
+
+```python
+import office
+
+# 调用 ChatGPT 进行对话
+office.robot.chat_by_gpt(
+ who='小明',
+ api_key='your-openai-api-key'
+)
+```
+
+### 参数说明
+
+| 参数 | 类型 | 必填 | 说明 |
+|------|------|------|------|
+| `who` | str | 是 | 对话对象的名字 |
+| `api_key` | str | 是 | OpenAI API Key |
+
+### 完整示例
+
+```python
+import office
+
+# 设置对话参数
+result = office.robot.chat_by_gpt(
+ who='助手',
+ api_key='sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx'
+)
+
+print(result)
+```
+
+---
+
+## 2、智能聊天机器人
+
+除了 GPT 对话，还支持创建完整的智能聊天机器人。
+
+### 基本用法
+
+```python
+from porobot import chat
+
+# 启动聊天机器人
+chat.start()
+```
+
+### 功能特点
+
+- 支持关键词自动回复
+- 支持 AI 智能回复
+- 支持定时发送消息
+- 支持群发消息
+
+---
+
+## 3、微信消息处理
+
+### 发送消息
+
+```python
+from PyOfficeRobot import WeChat
+
+# 发送消息
+WeChat.SendMessage(message='Hello World')
+```
+
+### 发送文件
+
+```python
+from PyOfficeRobot import WeChat
+
+# 发送文件
+WeChat.SendFile(file_path='D:/test.pdf')
+```
+
+### 定时发送
+
+```python
+from PyOfficeRobot import WeChat
+
+# 定时发送消息（每天早上9点）
+WeChat.SendMessageByTime(
+ message='早安！',
+ time='09:00'
+)
+```
+
+---
+
+## 4、关键词自动回复
+
+```python
+from porobot import chat
+
+# 设置关键词回复
+@chat.keyword('hello')
+def reply_hello():
+ return '你好！有什么可以帮你的？'
+
+# 启动机器人
+chat.start()
+```
+
+---
+
+## 5、应用场景
+
+### 场景1：自动客服
+
+```python
+from porobot import chat
+
+# 设置常见问题自动回复
+@chat.keyword('退货')
+def reply_return():
+ return '请联系客服：400-xxx-xxxx，工作时间：9:00-18:00'
+
+@chat.keyword('快递')
+def reply_express():
+ return '您的订单已发货，快递单号：SF123456789'
+
+# 启动
+chat.start()
+```
+
+### 场景2：定时提醒
+
+```python
+from PyOfficeRobot import WeChat
+
+# 设置定时提醒
+WeChat.SendMessageByTime(
+ message='客户会议还有30分钟',
+ time='14:30'
+)
+```
+
+---
+
+## 6、注意事项
+
+⚠️ **使用提示**：
+1. 使用 ChatGPT 功能需要有效的 OpenAI API Key
+2. 微信机器人功能需要在电脑上登录微信
+3. 定时发送功能需要保持程序运行
+4. 请遵守微信使用规范，避免账号被封
+
+---
+
+## 相关课程
+
+- [微信机器人（10讲）](https://mp.weixin.qq.com/s/YS0shsl6vJD_wUzow7NOnw)
+- [AI编程（30讲）](https://mp.weixin.qq.com/s/YS0shsl6vJD_wUzow7NOnw)
+
+---
+
+## 联系作者
+
+
diff --git a/docs-pages/vuepress/tips/best-practices/data-visualization-advanced.md b/docs-pages/vuepress/tips/best-practices/data-visualization-advanced.md
new file mode 100644
index 0000000..3dea915
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/data-visualization-advanced.md
@@ -0,0 +1,338 @@
+# 数据可视化进阶：从基础图表到交互式仪表盘
+
+数据可视化是数据分析的关键环节。本文从基础图表到高级交互式仪表盘，介绍如何用Python制作专业的数据可视化作品。
+
+## 一、可视化层次
+
+| 层次 | 工具 | 难度 | 适用场景 |
+|------|------|------|----------|
+| 基础图表 | matplotlib | ⭐ | 简单图表 |
+| 美化图表 | seaborn | ⭐⭐ | 统计图 |
+| 交互图表 | plotly | ⭐⭐ | 仪表盘 |
+| Web应用 | dash | ⭐⭐⭐ | 数据应用 |
+| BI平台 | superset | ⭐⭐⭐⭐ | 企业级 |
+
+## 二、python-office 一行代码方案
+
+```python
+import python-office
+
+# 一键生成图表
+python-office.chart.create(
+ data='D:/销售数据.xlsx',
+ chart_type='bar',
+ output='D:/图表.png'
+)
+
+# 一键生成仪表盘
+python-office.dashboard.generate(
+ data='D:/数据.xlsx',
+ output='D:/仪表盘.html'
+)
+```
+
+## 三、matplotlib 基础图表
+
+### 安装依赖
+
+```bash
+pip install matplotlib seaborn pandas python-office
+```
+
+### 常用图表模板
+
+```python
+import matplotlib.pyplot as plt
+import numpy as np
+import pandas as pd
+
+# 设置中文字体
+plt.rcParams['font.sans-serif'] = ['SimHei', 'PingFang SC', 'Microsoft YaHei']
+plt.rcParams['axes.unicode_minus'] = False
+
+# 1. 柱状图
+def bar_chart(data, x_col, y_col, title='', output='bar.png'):
+ fig, ax = plt.subplots(figsize=(10, 6))
+ bars = ax.bar(data[x_col], data[y_col], color='steelblue', edgecolor='navy')
+
+ # 添加数值标签
+ for bar in bars:
+ height = bar.get_height()
+ ax.text(bar.get_x() + bar.get_width()/2., height,
+ f'{height:,.0f}',
+ ha='center', va='bottom', fontsize=10)
+
+ ax.set_title(title, fontsize=16, fontweight='bold')
+ ax.set_xlabel(x_col, fontsize=12)
+ ax.set_ylabel(y_col, fontsize=12)
+ ax.grid(axis='y', alpha=0.3)
+ plt.xticks(rotation=45, ha='right')
+ plt.tight_layout()
+ plt.savefig(output, dpi=150, bbox_inches='tight')
+ plt.close()
+
+# 2. 折线图
+def line_chart(data, x_col, y_col, title='', output='line.png'):
+ fig, ax = plt.subplots(figsize=(10, 6))
+ ax.plot(data[x_col], data[y_col], marker='o', linewidth=2,
+ markersize=8, color='#2E86AB', label=y_col)
+
+ # 趋势线
+ z = np.polyfit(range(len(data)), data[y_col], 1)
+ p = np.poly1d(z)
+ ax.plot(data[x_col], p(range(len(data))),
+ linestyle='--', color='red', alpha=0.7, label='趋势线')
+
+ ax.set_title(title, fontsize=16, fontweight='bold')
+ ax.set_ylabel(y_col, fontsize=12)
+ ax.legend()
+ ax.grid(True, alpha=0.3)
+ plt.xticks(rotation=45, ha='right')
+ plt.tight_layout()
+ plt.savefig(output, dpi=150, bbox_inches='tight')
+ plt.close()
+
+# 3. 饼图
+def pie_chart(data, label_col, value_col, title='', output='pie.png'):
+ fig, ax = plt.subplots(figsize=(8, 8))
+
+ colors = plt.cm.Set3(range(len(data)))
+ wedges, texts, autotexts = ax.pie(
+ data[value_col], labels=data[label_col],
+ autopct='%1.1f%%', colors=colors,
+ startangle=90, explode=[0.05] * len(data)
+ )
+
+ ax.set_title(title, fontsize=16, fontweight='bold')
+ plt.tight_layout()
+ plt.savefig(output, dpi=150, bbox_inches='tight')
+ plt.close()
+
+# 4. 散点图（带回归线）
+def scatter_chart(data, x_col, y_col, title='', output='scatter.png'):
+ fig, ax = plt.subplots(figsize=(10, 6))
+
+ ax.scatter(data[x_col], data[y_col], alpha=0.6, color='steelblue', s=50)
+
+ # 回归线
+ z = np.polyfit(data[x_col], data[y_col], 1)
+ p = np.poly1d(z)
+ ax.plot(data[x_col], p(data[x_col]),
+ "r--", alpha=0.8, linewidth=2, label='回归线')
+
+ ax.set_title(title, fontsize=16, fontweight='bold')
+ ax.set_xlabel(x_col, fontsize=12)
+ ax.set_ylabel(y_col, fontsize=12)
+ ax.legend()
+ ax.grid(True, alpha=0.3)
+ plt.tight_layout()
+ plt.savefig(output, dpi=150, bbox_inches='tight')
+ plt.close()
+
+# 使用
+data = pd.read_excel('D:/销售数据.xlsx')
+bar_chart(data, '月份', '销售额', title='月度销售')
+line_chart(data, '月份', '销售额', title='销售趋势')
+pie_chart(data.head(10), '产品', '销售额', title='产品占比')
+```
+
+## 四、seaborn 高级图表
+
+```python
+import seaborn as sns
+
+# 1. 分类柱状图
+def categorical_bar(data, x_col, y_col, hue_col, title='', output='cat_bar.png'):
+ fig, ax = plt.subplots(figsize=(12, 6))
+ sns.barplot(data=data, x=x_col, y=y_col, hue=hue_col, ax=ax, palette='Set2')
+ ax.set_title(title, fontsize=16, fontweight='bold')
+ plt.xticks(rotation=45, ha='right')
+ plt.tight_layout()
+ plt.savefig(output, dpi=150, bbox_inches='tight')
+ plt.close()
+
+# 2. 箱线图
+def box_plot(data, x_col, y_col, title='', output='box.png'):
+ fig, ax = plt.subplots(figsize=(10, 6))
+ sns.boxplot(data=data, x=x_col, y=y_col, ax=ax, palette='Set3')
+ ax.set_title(title, fontsize=16, fontweight='bold')
+ plt.tight_layout()
+ plt.savefig(output, dpi=150, bbox_inches='tight')
+ plt.close()
+
+# 3. 热力图（相关性分析）
+def heatmap(data, output='heatmap.png'):
+ fig, ax = plt.subplots(figsize=(10, 8))
+ corr = data.corr()
+ sns.heatmap(corr, annot=True, fmt='.2f', cmap='coolwarm',
+ center=0, ax=ax, square=True)
+ ax.set_title('特征相关性热力图', fontsize=16, fontweight='bold')
+ plt.tight_layout()
+ plt.savefig(output, dpi=150, bbox_inches='tight')
+ plt.close()
+
+# 4. 配对图
+def pair_plot(data, hue_col, output='pair.png'):
+ sns.pairplot(data, hue=hue_col, palette='Set2', height=2.5)
+ plt.savefig(output, dpi=150, bbox_inches='tight')
+ plt.close()
+```
+
+## 五、plotly 交互式图表
+
+### 安装
+
+```bash
+pip install plotly dash
+```
+
+### 交互式图表
+
+```python
+import plotly.graph_objects as go
+import plotly.express as px
+
+# 1. 交互式柱状图
+def interactive_bar(data, x_col, y_col, title=''):
+ fig = px.bar(data, x=x_col, y=y_col,
+ title=title,
+ color=y_col,
+ color_continuous_scale='Viridis',
+ hover_data=[x_col, y_col])
+ fig.update_layout(
+ title_font_size=20,
+ xaxis_tickangle=-45,
+ height=600,
+ )
+ return fig
+
+# 2. 交互式折线图
+def interactive_line(data, x_col, y_col, title=''):
+ fig = px.line(data, x=x_col, y=y_col,
+ title=title,
+ markers=True,
+ hover_data=[x_col, y_col])
+ fig.update_traces(line=dict(width=3))
+ return fig
+
+# 3. 交互式散点图
+def interactive_scatter(data, x_col, y_col, color_col, size_col=None, title=''):
+ fig = px.scatter(data, x=x_col, y=y_col,
+ color=color_col,
+ size=size_col,
+ title=title,
+ hover_data=data.columns,
+ trendline='ols') # 添加趋势线
+ return fig
+
+# 4. 桑基图（Sankey）
+def sankey_diagram(data, source_col, target_col, value_col):
+ # 提取唯一值
+ sources = data[source_col].unique()
+ targets = data[target_col].unique()
+ all_nodes = list(set(list(sources) + list(targets)))
+
+ # 创建索引
+ node_dict = {node: i for i, node in enumerate(all_nodes)}
+
+ # 准备数据
+ source_indices = [node_dict[s] for s in data[source_col]]
+ target_indices = [node_dict[t] for t in data[target_col]]
+ values = data[value_col]
+
+ fig = go.Figure(data=[go.Sankey(
+ node=dict(
+ pad=15,
+ thickness=20,
+ line=dict(color="black", width=0.5),
+ label=all_nodes,
+ ),
+ link=dict(
+ source=source_indices,
+ target=target_indices,
+ value=values,
+ )
+ )])
+
+ return fig
+
+# 5. 保存为HTML
+def save_interactive(fig, output='chart.html'):
+ fig.write_html(output)
+
+# 使用
+data = pd.read_excel('D:/销售数据.xlsx')
+fig = interactive_bar(data, '月份', '销售额', '月度销售')
+save_interactive(fig, 'D:/交互式图表.html')
+```
+
+## 六、Dash 数据应用
+
+```python
+import dash
+from dash import dcc, html
+from dash.dependencies import Input, Output
+import plotly.express as px
+import pandas as pd
+
+# 加载数据
+df = pd.read_excel('D:/销售数据.xlsx')
+
+# 创建Dash应用
+app = dash.Dash(__name__)
+
+app.layout = html.Div([
+ html.H1('销售数据分析仪表盘', style={'textAlign': 'center'}),
+
+ html.Div([
+ html.Label('选择图表类型:'),
+ dcc.Dropdown(
+ id='chart-type',
+ options=[
+ {'label': '柱状图', 'value': 'bar'},
+ {'label': '折线图', 'value': 'line'},
+ {'label': '饼图', 'value': 'pie'},
+ ],
+ value='bar'
+ ),
+ ], style={'width': '30%', 'margin': 'auto'}),
+
+ dcc.Graph(id='main-chart'),
+])
+
+@app.callback(
+ Output('main-chart', 'figure'),
+ Input('chart-type', 'value')
+)
+def update_chart(chart_type):
+ if chart_type == 'bar':
+ fig = px.bar(df, x='月份', y='销售额', title='月度销售')
+ elif chart_type == 'line':
+ fig = px.line(df, x='月份', y='销售额', title='销售趋势')
+ else:
+ fig = px.pie(df, values='销售额', names='产品', title='产品占比')
+
+ return fig
+
+if __name__ == '__main__':
+ app.run_server(debug=True, port=8050)
+```
+
+## 七、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [Excel 数据可视化](../excel/chart-generation.md) - Excel图表
+- [销售报表自动化](./sales-report-automation.md) - 实战案例
+- 📺 视频课程：[数据分析30讲](https://www.python-office.com/course-002/30-Excel/30-Excel.html)
+- 👥 技术交流：[加入讨论](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+数据可视化是数据分析师的核心技能：
+- 📊 matplotlib：基础图表，必学
+- 🎨 seaborn：美化统计图
+- 🔄 plotly：交互式图表
+- 🌐 dash：数据应用开发
+
+**核心思路**：从基础到高级，从静态到交互，从图表到仪表盘。掌握这些工具，让数据讲故事更生动。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/file-management-automation.md b/docs-pages/vuepress/tips/best-practices/file-management-automation.md
new file mode 100644
index 0000000..27f0d1b
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/file-management-automation.md
@@ -0,0 +1,317 @@
+# 文件管理自动化：让Python帮你整理混乱的文件夹
+
+每个人的电脑里都有"Downloads"和"Desktop"这样混乱的文件夹。本文介绍如何用Python自动化文件管理，让你的电脑永远井井有条。
+
+## 一、文件管理痛点
+
+| 痛点 | 表现 |
+|------|------|
+| 文件混乱 | 桌面几百个文件 |
+| 重复文件 | 浪费存储空间 |
+| 命名不规范 | 难以搜索 |
+| 分类耗时 | 手动归档 |
+| 备份繁琐 | 经常忘记 |
+
+## 二、自动化方案
+
+### 1. 一行代码：智能整理下载文件夹
+
+```python
+import python-office
+
+# 一键整理下载文件夹
+python-office.file.organize(
+ folder='D:/Downloads',
+ rules='by_type', # 按类型分类
+ output='D:/整理后'
+)
+```
+
+### 2. 自定义整理规则
+
+```python
+import os
+import shutil
+from pathlib import Path
+from datetime import datetime
+
+class FileOrganizer:
+ """文件自动整理器"""
+
+ # 文件类型分类规则
+ RULES = {
+ '📷 图片': ['.jpg', '.jpeg', '.png', '.gif', '.bmp', '.svg', '.webp'],
+ '📄 文档': ['.pdf', '.doc', '.docx', '.txt', '.md', '.rtf'],
+ '📊 表格': ['.xlsx', '.xls', '.csv'],
+ '📑 演示': ['.ppt', '.pptx'],
+ '🎬 视频': ['.mp4', '.avi', '.mov', '.mkv', '.flv'],
+ '🎵 音频': ['.mp3', '.wav', '.flac', '.aac'],
+ '📦 压缩包': ['.zip', '.rar', '.7z', '.tar', '.gz'],
+ '💻 代码': ['.py', '.js', '.java', '.cpp', '.c', '.html', '.css'],
+ '🔧 可执行': ['.exe', '.msi', '.dmg', '.pkg'],
+ }
+
+ def __init__(self, target_folder, output_folder=None):
+ self.target_folder = Path(target_folder)
+ self.output_folder = Path(output_folder or target_folder)
+
+ def organize_by_type(self):
+ """按文件类型整理"""
+ moved = 0
+
+ for file in self.target_folder.iterdir():
+ if file.is_file():
+ category = self.get_category(file)
+ if category:
+ dest_dir = self.output_folder / category
+ dest_dir.mkdir(exist_ok=True)
+
+ dest = dest_dir / file.name
+ if dest.exists():
+ dest = self.unique_name(dest)
+
+ shutil.move(str(file), str(dest))
+ moved += 1
+ print(f"✓ {file.name} -> {category}/")
+
+ return moved
+
+ def organize_by_date(self):
+ """按修改日期整理"""
+ for file in self.target_folder.iterdir():
+ if file.is_file():
+ mtime = datetime.fromtimestamp(file.stat().st_mtime)
+ folder_name = mtime.strftime('%Y年%m月')
+
+ dest_dir = self.output_folder / folder_name
+ dest_dir.mkdir(exist_ok=True)
+
+ dest = dest_dir / file.name
+ if dest.exists():
+ dest = self.unique_name(dest)
+
+ shutil.move(str(file), str(dest))
+ print(f"✓ {file.name} -> {folder_name}/")
+
+ def organize_by_size(self):
+ """按文件大小整理"""
+ for file in self.target_folder.iterdir():
+ if file.is_file():
+ size = file.stat().st_size
+ if size < 1024 * 1024: # < 1MB
+ category = '小文件'
+ elif size < 100 * 1024 * 1024: # < 100MB
+ category = '中等文件'
+ else:
+ category = '大文件'
+
+ dest_dir = self.output_folder / category
+ dest_dir.mkdir(exist_ok=True)
+
+ dest = dest_dir / file.name
+ if dest.exists():
+ dest = self.unique_name(dest)
+
+ shutil.move(str(file), str(dest))
+
+ def get_category(self, file):
+ """获取文件分类"""
+ ext = file.suffix.lower()
+ for category, exts in self.RULES.items():
+ if ext in exts:
+ return category
+ return None
+
+ def unique_name(self, path):
+ """生成唯一文件名"""
+ if not path.exists():
+ return path
+ stem, suffix = path.stem, path.suffix
+ i = 1
+ while True:
+ new_name = path.parent / f'{stem}_{i}{suffix}'
+ if not new_name.exists():
+ return new_name
+ i += 1
+
+# 使用
+organizer = FileOrganizer('D:/Downloads')
+organizer.organize_by_type() # 按类型
+```
+
+## 三、重复文件清理
+
+```python
+class DuplicateCleaner:
+ """重复文件清理器"""
+
+ def __init__(self, folder):
+ self.folder = Path(folder)
+ self.hashes = {}
+
+ def find_duplicates(self):
+ """查找重复文件"""
+ import hashlib
+
+ for file in self.folder.rglob('*'):
+ if file.is_file():
+ file_hash = self.get_hash(file)
+
+ if file_hash in self.hashes:
+ self.hashes[file_hash].append(file)
+ else:
+ self.hashes[file_hash] = [file]
+
+ # 过滤出有重复的
+ duplicates = {h: files for h, files in self.hashes.items() if len(files) > 1}
+ return duplicates
+
+ def get_hash(self, file_path):
+ """计算文件哈希"""
+ import hashlib
+ h = hashlib.md5()
+ with open(file_path, 'rb') as f:
+ for chunk in iter(lambda: f.read(4096), b''):
+ h.update(chunk)
+ return h.hexdigest()
+
+ def remove_duplicates(self, dry_run=True):
+ """删除重复文件（保留第一个）"""
+ duplicates = self.find_duplicates()
+ removed = 0
+ freed_space = 0
+
+ for file_hash, files in duplicates.items():
+ # 保留第一个，删除其余
+ for file in files[1:]:
+ size = file.stat().st_size
+ if dry_run:
+ print(f"[预览] 删除: {file}")
+ else:
+ file.unlink()
+ print(f"✓ 删除: {file}")
+ removed += 1
+ freed_space += size
+
+ print(f"\n{'预览' if dry_run else ''}共删除 {removed} 个重复文件")
+ print(f"释放空间: {freed_space / 1024 / 1024:.2f} MB")
+ return removed
+
+# 使用
+cleaner = DuplicateCleaner('D:/Downloads')
+# 先预览
+cleaner.remove_duplicates(dry_run=True)
+# 确认后执行
+cleaner.remove_duplicates(dry_run=False)
+```
+
+## 四、智能重命名
+
+```python
+class SmartRenamer:
+ """智能重命名器"""
+
+ @staticmethod
+ def batch_rename(folder, pattern, replacement, extension='*'):
+ """批量重命名"""
+ import glob
+ files = glob.glob(f'{folder}/{extension}')
+ renamed = 0
+
+ for file in files:
+ filename = os.path.basename(file)
+ if pattern in filename:
+ new_name = filename.replace(pattern, replacement)
+ new_path = os.path.join(os.path.dirname(file), new_name)
+ os.rename(file, new_path)
+ renamed += 1
+ print(f"✓ {filename} -> {new_name}")
+
+ return renamed
+
+ @staticmethod
+ def add_prefix(folder, prefix, extension='*'):
+ """添加前缀"""
+ import glob
+ files = glob.glob(f'{folder}/{extension}')
+
+ for file in files:
+ filename = os.path.basename(file)
+ new_name = prefix + filename
+ new_path = os.path.join(os.path.dirname(file), new_name)
+ os.rename(file, new_path)
+
+ @staticmethod
+ def add_date_prefix(folder, date_format='%Y%m%d', extension='*'):
+ """添加日期前缀"""
+ import glob
+ today = datetime.now().strftime(date_format)
+ files = glob.glob(f'{folder}/{extension}')
+
+ for file in files:
+ filename = os.path.basename(file)
+ if not filename.startswith(today):
+ new_name = f'{today}_{filename}'
+ new_path = os.path.join(os.path.dirname(file), new_name)
+ os.rename(file, new_path)
+
+# 使用
+renamer = SmartRenamer()
+renamer.batch_rename('D:/照片', 'IMG_', '旅行_') # 替换前缀
+```
+
+## 五、自动备份
+
+```python
+import schedule
+import time
+
+def auto_backup():
+ """自动备份任务"""
+ import shutil
+ from datetime import datetime
+
+ today = datetime.now().strftime('%Y%m%d')
+ backup_root = Path('D:/备份')
+ backup_root.mkdir(exist_ok=True)
+
+ backup_folder = backup_root / today
+ backup_folder.mkdir(exist_ok=True)
+
+ # 备份重要文件夹
+ sources = [
+ ('D:/工作文档', backup_folder / '文档'),
+ ('D:/重要照片', backup_folder / '照片'),
+ ]
+
+ for source, dest in sources:
+ if Path(source).exists():
+ shutil.copytree(source, dest, dirs_exist_ok=True)
+ print(f"✓ 已备份: {source}")
+
+# 每天18:00执行
+schedule.every().day.at('18:00').do(auto_backup)
+
+while True:
+ schedule.run_pending()
+ time.sleep(60)
+```
+
+## 六、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [Python 批量处理文件](../python/batch-processing.md) - 进阶技巧
+- [工作效率提升工具箱](./productivity-tools.md) - 效率工具
+- 📺 视频课程：[自动化办公50讲](https://www.python-office.com/course/50-python-office.html)
+- 👥 技术交流：[加入读者群](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+通过Python自动化文件管理：
+- 📁 文件夹永远井井有条
+- 💾 自动清理重复文件
+- 🏷️ 智能命名规范
+- 🔄 自动备份无忧
+
+**核心思路**：用 pathlib 操作文件，用 hashlib 查重，用 shutil 整理，用 schedule 定时。让Python成为你的私人文件管家。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/finance-report-automation.md b/docs-pages/vuepress/tips/best-practices/finance-report-automation.md
new file mode 100644
index 0000000..344e9be
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/finance-report-automation.md
@@ -0,0 +1,366 @@
+# 财务报表自动化：用Python生成月报季报，告别加班
+
+财务人员每月最痛苦的事就是做月报、季报。本文介绍如何用Python自动化财务报表生成，让财务工作变得轻松高效。
+
+## 一、场景痛点
+
+财务人员日常报表工作的痛点：
+
+| 痛点 | 表现 | 影响 |
+|------|------|------|
+| 数据分散 | 多系统、多Excel | 整理耗时 |
+| 公式复杂 | 跨表关联、汇总 | 容易出错 |
+| 重复劳动 | 月报、季报、半年报 | 浪费人力 |
+| 格式不统一 | 多人协作 | 沟通成本高 |
+| 截止时间紧 | 月初/月初几天 | 频繁加班 |
+
+## 二、自动化方案
+
+### 方案架构
+
+```
+数据源 → 数据清洗 → 数据汇总 → 报表生成 → 审核校验 → 邮件分发
+ ↓ ↓ ↓ ↓ ↓ ↓
+ ERP pandas pandas openpyxl 校验函数 邮件
+ Excel 数据清洗 分组聚合 图表生成
+```
+
+## 三、核心代码实现
+
+### 安装依赖
+
+```bash
+pip install pandas openpyxl python-office
+```
+
+### 月度财务报表
+
+```python
+import pandas as pd
+import python-office
+from datetime import datetime
+from pathlib import Path
+
+class MonthlyFinanceReport:
+ """月度财务报表生成器"""
+
+ def __init__(self, data_folder='D:/财务数据', output_folder='D:/财务报表'):
+ self.data_folder = Path(data_folder)
+ self.output_folder = Path(output_folder)
+ self.output_folder.mkdir(parents=True, exist_ok=True)
+ self.month = datetime.now().strftime('%Y-%m')
+
+ def generate(self):
+ """生成月报"""
+ print(f"📊 生成 {self.month} 财务报表...")
+
+ # 1. 加载数据
+ income = self.load_income_data() # 收入数据
+ expense = self.load_expense_data() # 支出数据
+ balance = self.load_balance_data() # 资产负债
+
+ # 2. 计算关键指标
+ kpi = self.calculate_kpi(income, expense, balance)
+
+ # 3. 生成三大报表
+ income_statement = self.generate_income_statement(income, expense)
+ balance_sheet = self.generate_balance_sheet(balance)
+ cash_flow = self.generate_cash_flow(income, expense)
+
+ # 4. 生成报告
+ report_path = self.create_report(kpi, income_statement, balance_sheet, cash_flow)
+
+ # 5. 转换为PDF
+ pdf_path = self.convert_to_pdf(report_path)
+
+ # 6. 邮件发送
+ self.send_to_management(pdf_path, kpi)
+
+ print(f"✅ 财务报表已生成: {pdf_path}")
+ return kpi
+
+ def load_income_data(self):
+ """加载收入数据"""
+ file_path = self.data_folder / f'收入明细_{self.month}.xlsx'
+ if not file_path.exists():
+ return pd.DataFrame(columns=['日期', '客户', '产品', '金额', '类型'])
+ return pd.read_excel(file_path)
+
+ def load_expense_data(self):
+ """加载支出数据"""
+ file_path = self.data_folder / f'支出明细_{self.month}.xlsx'
+ if not file_path.exists():
+ return pd.DataFrame(columns=['日期', '部门', '类别', '金额'])
+ return pd.read_excel(file_path)
+
+ def load_balance_data(self):
+ """加载资产负债数据"""
+ file_path = self.data_folder / f'资产负债表_{self.month}.xlsx'
+ if not file_path.exists():
+ return pd.DataFrame()
+ return pd.read_excel(file_path)
+
+ def calculate_kpi(self, income, expense, balance):
+ """计算KPI"""
+ total_income = income['金额'].sum() if not income.empty else 0
+ total_expense = expense['金额'].sum() if not expense.empty else 0
+ net_profit = total_income - total_expense
+ profit_margin = (net_profit / total_income * 100) if total_income > 0 else 0
+
+ return {
+ '总收入': total_income,
+ '总支出': total_expense,
+ '净利润': net_profit,
+ '利润率': profit_margin,
+ '收入笔数': len(income),
+ '支出笔数': len(expense),
+ }
+
+ def generate_income_statement(self, income, expense):
+ """生成利润表"""
+ statement = []
+
+ # 收入部分
+ if not income.empty:
+ income_by_type = income.groupby('类型')['金额'].sum()
+ for type_name, amount in income_by_type.items():
+ statement.append({
+ '科目': f'营业收入-{type_name}',
+ '类型': '收入',
+ '金额': amount
+ })
+
+ statement.append({
+ '科目': '营业总收入',
+ '类型': '小计',
+ '金额': income['金额'].sum() if not income.empty else 0
+ })
+
+ # 支出部分
+ if not expense.empty:
+ expense_by_category = expense.groupby('类别')['金额'].sum()
+ for category, amount in expense_by_category.items():
+ statement.append({
+ '科目': f'营业支出-{category}',
+ '类型': '支出',
+ '金额': amount
+ })
+
+ statement.append({
+ '科目': '营业总支出',
+ '类型': '小计',
+ '金额': expense['金额'].sum() if not expense.empty else 0
+ })
+
+ # 净利润
+ total_income = income['金额'].sum() if not income.empty else 0
+ total_expense = expense['金额'].sum() if not expense.empty else 0
+ statement.append({
+ '科目': '净利润',
+ '类型': '合计',
+ '金额': total_income - total_expense
+ })
+
+ return pd.DataFrame(statement)
+
+ def generate_balance_sheet(self, balance):
+ """生成资产负债表"""
+ if balance.empty:
+ return pd.DataFrame()
+ return balance
+
+ def generate_cash_flow(self, income, expense):
+ """生成现金流量表"""
+ cash_flow = pd.DataFrame()
+
+ if not income.empty:
+ cash_in = pd.DataFrame({
+ '项目': '现金流入',
+ '明细': income['类型'].unique(),
+ '金额': income.groupby('类型')['金额'].sum().values
+ })
+ cash_flow = pd.concat([cash_flow, cash_in], ignore_index=True)
+
+ if not expense.empty:
+ cash_out = pd.DataFrame({
+ '项目': '现金流出',
+ '明细': expense['类别'].unique(),
+ '金额': expense.groupby('类别')['金额'].sum().values
+ })
+ cash_flow = pd.concat([cash_flow, cash_out], ignore_index=True)
+
+ return cash_flow
+
+ def create_report(self, kpi, income_statement, balance_sheet, cash_flow):
+ """生成完整报告"""
+ output_path = self.output_folder / f'财务报表_{self.month}.xlsx'
+
+ with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
+ # 1. KPI概览
+ kpi_df = pd.DataFrame({
+ '指标': ['总收入', '总支出', '净利润', '利润率', '收入笔数', '支出笔数'],
+ '金额': [
+ f"¥{kpi['总收入']:,.2f}",
+ f"¥{kpi['总支出']:,.2f}",
+ f"¥{kpi['净利润']:,.2f}",
+ f"{kpi['利润率']:.2f}%",
+ kpi['收入笔数'],
+ kpi['支出笔数']
+ ]
+ })
+ kpi_df.to_excel(writer, sheet_name='KPI概览', index=False)
+
+ # 2. 利润表
+ income_statement.to_excel(writer, sheet_name='利润表', index=False)
+
+ # 3. 资产负债表
+ if not balance_sheet.empty:
+ balance_sheet.to_excel(writer, sheet_name='资产负债表', index=False)
+
+ # 4. 现金流量表
+ if not cash_flow.empty:
+ cash_flow.to_excel(writer, sheet_name='现金流量表', index=False)
+
+ return output_path
+
+ def convert_to_pdf(self, excel_path):
+ """转换为PDF"""
+ pdf_path = excel_path.with_suffix('.pdf')
+ python-office.excel2pdf(str(excel_path), str(pdf_path.parent))
+ return pdf_path
+
+ def send_to_management(self, pdf_path, kpi):
+ """发送给管理层"""
+ content = f"""
+ 管理层好，
+
+ {self.month} 财务报表已生成，请查收。
+
+ 💰 关键财务数据：
+ - 总收入: ¥{kpi['总收入']:,.2f}
+ - 总支出: ¥{kpi['总支出']:,.2f}
+ - 净利润: ¥{kpi['净利润']:,.2f}
+ - 利润率: {kpi['利润率']:.2f}%
+
+ 详细报表请查看附件。
+
+ 自动化生成 by python-office
+ """
+
+ python-office.email.send(
+ smtp_server='smtp.qq.com',
+ smtp_port=465,
+ email='finance@company.com',
+ password='your_auth_code',
+ to_email='ceo@company.com,cfo@company.com',
+ subject=f'【财务报表】{self.month}',
+ content=content,
+ attachment=str(pdf_path)
+ )
+
+# 使用
+report = MonthlyFinanceReport()
+kpi = report.generate()
+```
+
+## 四、季度报告（合并三个月）
+
+```python
+class QuarterlyReport:
+ """季度报告"""
+
+ def __init__(self, year, quarter):
+ self.year = year
+ self.quarter = quarter
+ self.months = self.get_quarter_months()
+
+ def get_quarter_months(self):
+ """获取季度月份"""
+ quarter_map = {
+ 1: [1, 2, 3],
+ 2: [4, 5, 6],
+ 3: [7, 8, 9],
+ 4: [10, 11, 12]
+ }
+ return [f'{self.year}-{m:02d}' for m in quarter_map[self.quarter]]
+
+ def generate(self):
+ """生成季报"""
+ # 合并三个月的数据
+ all_income = pd.DataFrame()
+ all_expense = pd.DataFrame()
+
+ for month in self.months:
+ income = pd.read_excel(f'D:/财务数据/收入明细_{month}.xlsx')
+ expense = pd.read_excel(f'D:/财务数据/支出明细_{month}.xlsx')
+ all_income = pd.concat([all_income, income])
+ all_expense = pd.concat([all_expense, expense])
+
+ # 季度汇总
+ quarterly_summary = {
+ '总收入': all_income['金额'].sum(),
+ '总支出': all_expense['金额'].sum(),
+ '净利润': all_income['金额'].sum() - all_expense['金额'].sum(),
+ '季度': f'Q{self.quarter}',
+ '年份': self.year,
+ }
+
+ # 生成报告...
+ return quarterly_summary
+```
+
+## 五、数据校验
+
+```python
+def validate_finance_data(self, income, expense):
+ """数据校验"""
+ errors = []
+
+ # 1. 检查必填字段
+ required_income_fields = ['日期', '客户', '金额']
+ for field in required_income_fields:
+ if field not in income.columns:
+ errors.append(f'收入数据缺少字段: {field}')
+
+ # 2. 检查金额合理性
+ if not income.empty:
+ if income['金额'].min() < 0:
+ errors.append('收入金额不能为负数')
+ if income['金额'].max() > 100000000: # 1亿
+ errors.append('收入金额异常，请检查')
+
+ # 3. 检查日期范围
+ if not income.empty:
+ income['日期'] = pd.to_datetime(income['日期'])
+ today = datetime.now()
+ if income['日期'].max() > today:
+ errors.append('存在未来日期的记录')
+
+ if errors:
+ print("⚠️ 数据校验失败:")
+ for e in errors:
+ print(f" - {e}")
+ return False
+
+ print("✅ 数据校验通过")
+ return True
+```
+
+## 六、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [销售报表自动化](./sales-report-automation.md) - 销售场景
+- [Excel 数据可视化](../excel/chart-generation.md) - 报表图表
+- 📺 视频课程：[自动化办公50讲](https://www.python-office.com/course/50-python-office.html)
+- 👥 技术交流：[加入讨论](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+通过Python自动化财务报表，我们实现了：
+- ⏰ 每月节省10+小时
+- 🎯 报表数据100%准确
+- 📊 自动生成可视化图表
+- 📧 自动邮件分发
+
+**核心思路**：用 pandas 处理数据，用 openpyxl 生成格式，用 python-office 简化转换，用邮件实现分发。财务自动化是性价比最高的投资之一。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/hr-resume-screening.md b/docs-pages/vuepress/tips/best-practices/hr-resume-screening.md
new file mode 100644
index 0000000..662a136
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/hr-resume-screening.md
@@ -0,0 +1,390 @@
+# HR简历筛选自动化：批量处理上万份简历，3分钟搞定
+
+HR每天要处理大量简历，使用Python自动化简历筛选，可以从1万份简历中快速找出匹配的候选人，效率提升100倍。
+
+## 一、场景痛点
+
+招聘HR的日常：
+
+| 痛点 | 数据 |
+|------|------|
+| 每天收到简历 | 100-1000份 |
+| 筛选耗时 | 2-3小时 |
+| 漏掉优秀候选人 | 经常发生 |
+| 重复简历 | 30% |
+| 沟通成本 | 高 |
+
+## 二、自动化方案
+
+### 方案流程
+
+```
+简历文件 → 解析内容 → 提取关键信息 → 评分匹配 → 输出结果 → 邮件通知
+ ↓ ↓ ↓ ↓ ↓ ↓
+ PDF/Word pdfplumber 正则表达式 权重计算 Excel email
+ python-docx
+```
+
+## 三、完整代码实现
+
+### 安装依赖
+
+```bash
+pip install pdfplumber python-docx pandas python-office
+```
+
+### 简历解析器
+
+```python
+import pdfplumber
+from docx import Document
+import pandas as pd
+import re
+from pathlib import Path
+
+class ResumeParser:
+ """简历解析器"""
+
+ def __init__(self, folder_path):
+ self.folder_path = Path(folder_path)
+ self.resumes = []
+
+ def parse_all(self):
+ """解析所有简历"""
+ for file in self.folder_path.glob('*'):
+ if file.suffix.lower() == '.pdf':
+ content = self.parse_pdf(file)
+ elif file.suffix.lower() in ['.docx', '.doc']:
+ content = self.parse_docx(file)
+ else:
+ continue
+
+ # 提取关键信息
+ info = self.extract_info(content, file.name)
+ self.resumes.append(info)
+
+ return pd.DataFrame(self.resumes)
+
+ def parse_pdf(self, file_path):
+ """解析PDF简历"""
+ content = ''
+ with pdfplumber.open(file_path) as pdf:
+ for page in pdf.pages:
+ content += page.extract_text() or ''
+ return content
+
+ def parse_docx(self, file_path):
+ """解析Word简历"""
+ doc = Document(file_path)
+ return '\n'.join([p.text for p in doc.paragraphs])
+
+ def extract_info(self, content, filename):
+ """提取简历关键信息"""
+ return {
+ '文件名': filename,
+ '姓名': self.extract_name(content),
+ '电话': self.extract_phone(content),
+ '邮箱': self.extract_email(content),
+ '学历': self.extract_education(content),
+ '工作年限': self.extract_years(content),
+ '技能': self.extract_skills(content),
+ '期望薪资': self.extract_salary(content),
+ '最近公司': self.extract_company(content),
+ '内容': content,
+ }
+
+ def extract_name(self, content):
+ """提取姓名"""
+ # 简单正则：匹配"姓名：xxx"或"Name: xxx"
+ patterns = [
+ r'姓名[：:]\s*([^\s\n]{2,4})',
+ r'Name[：:]\s*([^\s\n]{2,20})',
+ ]
+ for p in patterns:
+ m = re.search(p, content)
+ if m:
+ return m.group(1).strip()
+ return '未知'
+
+ def extract_phone(self, content):
+ """提取电话"""
+ pattern = r'1[3-9]\d{9}'
+ m = re.search(pattern, content)
+ return m.group() if m else ''
+
+ def extract_email(self, content):
+ """提取邮箱"""
+ pattern = r'[\w.-]+@[\w.-]+\.\w+'
+ m = re.search(pattern, content)
+ return m.group() if m else ''
+
+ def extract_education(self, content):
+ """提取学历"""
+ edu_keywords = ['博士', '硕士', '本科', '大专', 'MBA', 'PhD', 'Master', 'Bachelor']
+ for kw in edu_keywords:
+ if kw in content:
+ return kw
+ return '未知'
+
+ def extract_years(self, content):
+ """提取工作年限"""
+ # 匹配"X年工作经验"或"X years"
+ patterns = [
+ r'(\d+)\s*年.*?工作经验',
+ r'(\d+)\s*years?',
+ ]
+ for p in patterns:
+ m = re.search(p, content)
+ if m:
+ return int(m.group(1))
+ return 0
+
+ def extract_skills(self, content):
+ """提取技能"""
+ skill_keywords = [
+ 'Python', 'Java', 'JavaScript', 'C++', 'Go', 'Rust',
+ 'React', 'Vue', 'Angular', 'Django', 'Flask', 'Spring',
+ 'MySQL', 'PostgreSQL', 'MongoDB', 'Redis',
+ 'Docker', 'Kubernetes', 'AWS', 'Azure',
+ 'Machine Learning', 'Deep Learning', 'AI',
+ ]
+ found = [s for s in skill_keywords if s.lower() in content.lower()]
+ return ', '.join(found)
+
+ def extract_salary(self, content):
+ """提取期望薪资"""
+ patterns = [
+ r'期望薪资[：:]\s*(\d+)',
+ r'薪资期望[：:]\s*(\d+)',
+ r'(\d+)K',
+ r'(\d+)-(\d+)万',
+ ]
+ for p in patterns:
+ m = re.search(p, content)
+ if m:
+ return m.group(0)
+ return '面议'
+
+ def extract_company(self, content):
+ """提取最近公司"""
+ patterns = [
+ r'最近公司[：:]\s*([^\n]+)',
+ r'现公司[：:]\s*([^\n]+)',
+ ]
+ for p in patterns:
+ m = re.search(p, content)
+ if m:
+ return m.group(1).strip()[:20]
+ return '未知'
+```
+
+### 简历评分器
+
+```python
+class ResumeScorer:
+ """简历评分器"""
+
+ def __init__(self, requirements):
+ """
+ :param requirements: 职位要求字典
+ """
+ self.requirements = requirements
+
+ def score(self, resume):
+ """对单个简历评分"""
+ score = 0
+ reasons = []
+
+ # 1. 技能匹配（40分）
+ required_skills = self.requirements.get('skills', [])
+ if required_skills:
+ resume_skills = resume.get('技能', '').split(', ')
+ matched = [s for s in required_skills if s in resume_skills]
+ skill_score = len(matched) / len(required_skills) * 40
+ score += skill_score
+ if matched:
+ reasons.append(f'✓ 技能匹配: {", ".join(matched)}')
+
+ # 2. 学历匹配（20分）
+ edu_required = self.requirements.get('education', '')
+ if edu_required and resume.get('学历') in edu_required:
+ score += 20
+ reasons.append(f'✓ 学历匹配: {resume.get("学历")}')
+
+ # 3. 工作年限（20分）
+ min_years = self.requirements.get('min_years', 0)
+ if resume.get('工作年限', 0) >= min_years:
+ score += 20
+ reasons.append(f'✓ 工作年限: {resume.get("工作年限")}年')
+
+ # 4. 联系方式（10分）
+ if resume.get('电话'):
+ score += 5
+ if resume.get('邮箱'):
+ score += 5
+
+ # 5. 内容质量（10分）
+ content_length = len(resume.get('内容', ''))
+ if content_length > 500:
+ score += 10
+ reasons.append('✓ 简历内容详实')
+
+ resume['评分'] = round(score, 1)
+ resume['匹配理由'] = '; '.join(reasons)
+ return resume
+
+ def filter_resumes(self, df, min_score=60):
+ """筛选合格简历"""
+ df['评分'] = df.apply(self.score, axis=1)
+ qualified = df[df['评分'] >= min_score].sort_values('评分', ascending=False)
+ return qualified
+```
+
+### 完整使用
+
+```python
+def screen_resumes():
+ """筛选简历完整流程"""
+
+ # 1. 解析所有简历
+ parser = ResumeParser('D:/招聘/简历')
+ df = parser.parse_all()
+ print(f"共解析 {len(df)} 份简历")
+
+ # 2. 设置职位要求
+ job_requirements = {
+ 'skills': ['Python', 'Django', 'MySQL', 'Docker'],
+ 'education': ['本科', '硕士', '博士'],
+ 'min_years': 3,
+ }
+
+ # 3. 评分筛选
+ scorer = ResumeScorer(job_requirements)
+ qualified = scorer.filter_resumes(df, min_score=60)
+
+ # 4. 去重（按电话和邮箱）
+ qualified = qualified.drop_duplicates(subset=['电话', '邮箱'], keep='first')
+
+ # 5. 输出Excel
+ output_path = 'D:/招聘/筛选结果.xlsx'
+ qualified[['姓名', '电话', '邮箱', '学历', '工作年限',
+ '最近公司', '技能', '评分', '匹配理由']].to_excel(
+ output_path, index=False
+ )
+ print(f"筛选出 {len(qualified)} 份合格简历")
+
+ # 6. 批量通知面试
+ notify_candidates(qualified)
+
+ return qualified
+
+def notify_candidates(df):
+ """通知候选人"""
+ import python-office
+
+ for _, resume in df.iterrows():
+ content = f"""
+ {resume['姓名']} 您好，
+
+ 我们看到了您的简历，认为您非常适合我们的岗位。
+
+ 您的简历评分: {resume['评分']}
+ 匹配理由: {resume['匹配理由']}
+
+ 请回复邮件预约面试时间。
+
+ Best regards,
+ HR Team
+ """
+
+ if resume.get('邮箱'):
+ python-office.email.send(
+ smtp_server='smtp.qq.com',
+ smtp_port=465,
+ email='hr@company.com',
+ password='your_auth_code',
+ to_email=resume['邮箱'],
+ subject='【面试邀请】您的简历已通过初筛',
+ content=content
+ )
+
+# 运行
+qualified = screen_resumes()
+```
+
+## 四、高级功能
+
+### 1. AI 简历评分（结合大模型）
+
+```python
+def ai_score_resume(resume_content, job_description):
+ """使用AI评分简历"""
+ import openai
+
+ prompt = f"""
+ 请根据以下职位描述，对简历进行评分（0-100分）并说明理由：
+
+ 职位描述：
+ {job_description}
+
+ 简历内容：
+ {resume_content}
+
+ 请按以下格式输出：
+ 评分: XX分
+ 理由: 1. ... 2. ... 3. ...
+ """
+
+ response = openai.ChatCompletion.create(
+ model="gpt-3.5-turbo",
+ messages=[{"role": "user", "content": prompt}],
+ api_key="your_api_key"
+ )
+
+ return response.choices[0].message.content
+```
+
+### 2. 简历去重
+
+```python
+def remove_duplicate_resumes(df):
+ """去除重复简历"""
+ # 基于姓名+电话去重
+ df['key'] = df['姓名'] + df['电话']
+ df = df.drop_duplicates(subset='key', keep='first')
+ df = df.drop('key', axis=1)
+ return df
+```
+
+### 3. 简历统计
+
+```python
+def generate_statistics(df):
+ """生成统计报告"""
+ stats = {
+ '总数': len(df),
+ '平均工作年限': df['工作年限'].mean(),
+ '学历分布': df['学历'].value_counts().to_dict(),
+ '技能TOP10': df['技能'].str.split(', ').explode().value_counts().head(10).to_dict(),
+ }
+ return stats
+```
+
+## 五、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [PDF 内容提取技巧](../pdf/extract-content.md) - 简历内容提取
+- [邮件自动化](../python/email-automation.md) - 自动通知
+- 📺 视频课程：[自动化办公50讲](https://www.python-office.com/course/50-python-office.html)
+- 👥 技术交流：[加入讨论](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+通过Python自动化简历筛选：
+- ⏰ 1000份简历筛选从2小时缩短到3分钟
+- 🎯 AI评分更客观
+- 📧 批量通知候选人
+- 📊 自动统计报告
+
+**核心思路**：用 pdfplumber/python-docx 解析简历，用 pandas 处理数据，用正则表达式提取关键信息，用 AI 进行智能评分。HR的工作效率能提升几十倍。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/image-batch-processing.md b/docs-pages/vuepress/tips/best-practices/image-batch-processing.md
new file mode 100644
index 0000000..fc59a57
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/image-batch-processing.md
@@ -0,0 +1,286 @@
+# 图片批量处理：1000张图片一键压缩、加水印、改格式
+
+处理大量图片是很多运营、设计师的日常工作。用Python可以批量压缩、加水印、转换格式，效率提升10倍以上。
+
+## 一、常见图片处理需求
+
+| 需求 | 传统方式 | Python自动化 |
+|------|---------|------------|
+| 1000张图片压缩 | 1小时 | 1分钟 |
+| 批量加水印 | 半天 | 2分钟 |
+| 格式转换 | 逐个保存 | 一行代码 |
+| 调整尺寸 | 重复操作 | 批量处理 |
+| 添加文字 | PS手动 | 自动添加 |
+
+## 二、python-office 一行代码方案
+
+```python
+import python-office
+
+# 一行代码批量压缩
+python-office.image.compress(
+ folder='D:/照片',
+ output='D:/压缩后',
+ quality=80
+)
+
+# 一键添加水印
+python-office.image.add_text_water(
+ folder='D:/照片',
+ text='@程序员晚枫',
+ output='D:/带水印'
+)
+
+# 一键格式转换
+python-office.image.convert_format(
+ folder='D:/照片',
+ target_format='webp',
+ output='D:/webp格式'
+)
+```
+
+## 三、自定义批量处理
+
+### 安装依赖
+
+```bash
+pip install Pillow python-office
+```
+
+### 完整图片处理工具
+
+```python
+from PIL import Image, ImageDraw, ImageFont
+from pathlib import Path
+import python-office
+
+class ImageBatchProcessor:
+ """图片批量处理器"""
+
+ def __init__(self, input_folder, output_folder):
+ self.input_folder = Path(input_folder)
+ self.output_folder = Path(output_folder)
+ self.output_folder.mkdir(parents=True, exist_ok=True)
+
+ def compress(self, quality=80, max_size=None):
+ """批量压缩图片"""
+ for file in self.input_folder.glob('*'):
+ if file.suffix.lower() in ['.jpg', '.jpeg', '.png', '.webp']:
+ img = Image.open(file)
+
+ # 调整大小
+ if max_size and (img.width > max_size or img.height > max_size):
+ img.thumbnail((max_size, max_size), Image.LANCZOS)
+
+ # 压缩保存
+ output_path = self.output_folder / file.name
+ if file.suffix.lower() in ['.jpg', '.jpeg']:
+ img.save(output_path, 'JPEG', quality=quality, optimize=True)
+ else:
+ img.save(output_path, optimize=True)
+
+ print(f"✓ {file.name} -> {img.size}")
+
+ def add_text_watermark(self, text, font_size=30, color=(255, 255, 255), opacity=128, position='bottom-right'):
+ """添加文字水印"""
+ for file in self.input_folder.glob('*'):
+ if file.suffix.lower() in ['.jpg', '.jpeg', '.png']:
+ img = Image.open(file).convert('RGBA')
+
+ # 创建水印层
+ overlay = Image.new('RGBA', img.size, (255, 255, 255, 0))
+ draw = ImageDraw.Draw(overlay)
+
+ # 加载字体
+ try:
+ font = ImageFont.truetype('/System/Library/Fonts/PingFang.ttc', font_size)
+ except:
+ font = ImageFont.load_default()
+
+ # 计算位置
+ bbox = draw.textbbox((0, 0), text, font=font)
+ text_width = bbox[2] - bbox[0]
+ text_height = bbox[3] - bbox[1]
+
+ if position == 'bottom-right':
+ x = img.width - text_width - 20
+ y = img.height - text_height - 20
+ elif position == 'bottom-left':
+ x, y = 20, img.height - text_height - 20
+ else: # center
+ x = (img.width - text_width) // 2
+ y = (img.height - text_height) // 2
+
+ # 绘制文字
+ draw.text((x, y), text, font=font, fill=color + (opacity,))
+
+ # 合并
+ combined = Image.alpha_composite(img, overlay)
+ combined = combined.convert('RGB')
+
+ output_path = self.output_folder / file.name
+ combined.save(output_path, quality=90)
+ print(f"✓ {file.name} 水印已添加")
+
+ def add_image_watermark(self, watermark_path, opacity=0.3, position='bottom-right'):
+ """添加图片水印"""
+ watermark = Image.open(watermark_path).convert('RGBA')
+
+ for file in self.input_folder.glob('*'):
+ if file.suffix.lower() in ['.jpg', '.jpeg', '.png']:
+ img = Image.open(file).convert('RGBA')
+
+ # 调整水印大小（图片宽度的1/5）
+ wm_width = img.width // 5
+ wm_height = int(watermark.height * wm_width / watermark.width)
+ watermark_resized = watermark.resize((wm_width, wm_height), Image.LANCZOS)
+
+ # 调整透明度
+ alpha = watermark_resized.split()[3]
+ alpha = alpha.point(lambda p: int(p * opacity))
+ watermark_resized.putalpha(alpha)
+
+ # 计算位置
+ if position == 'bottom-right':
+ pos = (img.width - wm_width - 20, img.height - wm_height - 20)
+ else:
+ pos = (20, 20)
+
+ # 合并
+ img.paste(watermark_resized, pos, watermark_resized)
+
+ output_path = self.output_folder / file.name
+ img.convert('RGB').save(output_path, quality=90)
+ print(f"✓ {file.name} 水印已添加")
+
+ def convert_format(self, target_format='webp', quality=85):
+ """格式转换"""
+ for file in self.input_folder.glob('*'):
+ if file.suffix.lower() in ['.jpg', '.jpeg', '.png', '.bmp']:
+ img = Image.open(file)
+
+ # 修改扩展名
+ new_name = file.stem + '.' + target_format
+ output_path = self.output_folder / new_name
+
+ # 保存为目标格式
+ if target_format.lower() in ['jpg', 'jpeg']:
+ img = img.convert('RGB')
+ img.save(output_path, 'JPEG', quality=quality)
+ elif target_format.lower() == 'webp':
+ img.save(output_path, 'WEBP', quality=quality)
+ elif target_format.lower() == 'png':
+ img.save(output_path, 'PNG', optimize=True)
+
+ print(f"✓ {file.name} -> {new_name}")
+
+ def resize(self, width, height=None):
+ """调整尺寸"""
+ for file in self.input_folder.glob('*'):
+ if file.suffix.lower() in ['.jpg', '.jpeg', '.png']:
+ img = Image.open(file)
+
+ if height is None:
+ # 按宽度等比例缩放
+ ratio = width / img.width
+ height = int(img.height * ratio)
+
+ img_resized = img.resize((width, height), Image.LANCZOS)
+
+ output_path = self.output_folder / file.name
+ img_resized.save(output_path, quality=90)
+ print(f"✓ {file.name} -> {width}x{height}")
+
+# 使用示例
+processor = ImageBatchProcessor('D:/原始照片', 'D:/处理后')
+
+# 1. 压缩
+processor.compress(quality=75, max_size=1920)
+
+# 2. 添加水印
+processor.add_text_watermark('@python-office.com', font_size=36)
+
+# 3. 转换格式
+processor.convert_format('webp')
+
+# 4. 调整尺寸
+processor.resize(800, 600)
+```
+
+## 四、智能图片处理
+
+### 1. 智能裁剪（人脸识别）
+
+```python
+def smart_crop_with_face_detection(input_folder, output_folder):
+ """基于人脸识别的智能裁剪"""
+ import face_recognition
+
+ for file in Path(input_folder).glob('*.jpg'):
+ img = face_recognition.load_image_file(str(file))
+ face_locations = face_recognition.face_locations(img)
+
+ if face_locations:
+ # 找到人脸位置
+ top, right, bottom, left = face_locations[0]
+
+ # 以人脸为中心裁剪
+ center_x = (left + right) // 2
+ center_y = (top + bottom) // 2
+
+ # 裁剪尺寸
+ crop_size = 400
+
+ pil_img = Image.open(file)
+ left = max(0, center_x - crop_size // 2)
+ top = max(0, center_y - crop_size // 2)
+ right = min(pil_img.width, center_x + crop_size // 2)
+ bottom = min(pil_img.height, center_y + crop_size // 2)
+
+ pil_img.crop((left, top, right, bottom)).save(
+ f'{output_folder}/{file.name}'
+ )
+```
+
+### 2. 自动美化
+
+```python
+def auto_enhance(input_folder, output_folder):
+ """自动美化图片"""
+ from PIL import ImageEnhance, ImageFilter
+
+ for file in Path(input_folder).glob('*.jpg'):
+ img = Image.open(file)
+
+ # 增强对比度
+ enhancer = ImageEnhance.Contrast(img)
+ img = enhancer.enhance(1.2)
+
+ # 增强色彩
+ enhancer = ImageEnhance.Color(img)
+ img = enhancer.enhance(1.1)
+
+ # 锐化
+ img = img.filter(ImageFilter.SHARPEN)
+
+ img.save(f'{output_folder}/{file.name}')
+```
+
+## 五、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [PDF 内容提取](../pdf/extract-content.md) - 从图片提取
+- [OCR 识别技术](../office/ocr.md) - 文字识别
+- 📺 视频课程：[自动化办公50讲](https://www.python-office.com/course/50-python-office.html)
+- 👥 技术交流：[加入讨论](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+通过Python自动化图片处理：
+- ⚡ 1000张图片处理从1小时缩短到1分钟
+- 💾 平均压缩率60%，节省存储空间
+- 🎨 风格统一、水印一致
+- 🤖 AI智能识别，提升质量
+
+图片自动化是电商运营、内容创作者的必备技能。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/learning-path.md b/docs-pages/vuepress/tips/best-practices/learning-path.md
new file mode 100644
index 0000000..19bc838
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/learning-path.md
@@ -0,0 +1,354 @@
+# Python自动化办公学习路径：从入门到精通完整指南
+
+很多新手不知道如何系统学习Python自动化办公。本文提供一份完整的学习路径，帮助你从零基础到独立开发自动化项目。
+
+## 一、学习路线图
+
+### 阶段划分
+
+| 阶段 | 目标 | 周期 | 难度 |
+|------|------|------|------|
+| Python基础 | 掌握语法 | 2-4周 | ⭐ |
+| 办公库入门 | 学会常用库 | 4-6周 | ⭐⭐ |
+| python-office | 一行代码自动化 | 1-2周 | ⭐ |
+| 项目实战 | 综合应用 | 持续 | ⭐⭐⭐ |
+| AI结合 | AI+办公自动化 | 4-8周 | ⭐⭐⭐⭐ |
+
+## 二、阶段一：Python基础（2-4周）
+
+### 必学知识点
+
+```python
+# 1. 基础语法
+print("Hello, World!")
+name = input("请输入你的名字：")
+age = 25
+score = 95.5
+is_student = True
+
+# 2. 数据结构
+fruits = ["苹果", "香蕉", "橙子"] # 列表
+person = {"name": "张三", "age": 25} # 字典
+unique_nums = {1, 2, 3} # 集合
+coordinates = (10, 20) # 元组
+
+# 3. 流程控制
+if score >= 90:
+ print("优秀")
+elif score >= 80:
+ print("良好")
+else:
+ print("继续努力")
+
+for fruit in fruits:
+ print(fruit)
+
+for i in range(10):
+ print(i)
+
+# 4. 函数
+def greet(name):
+ return f"你好，{name}！"
+
+print(greet("程序员晚枫"))
+
+# 5. 文件操作
+with open('data.txt', 'r', encoding='utf-8') as f:
+ content = f.read()
+```
+
+### 推荐学习资源
+
+| 资源 | 链接 | 时长 |
+|------|------|------|
+| 官方文档 | https://docs.python.org/zh-cn/3/ | 参考 |
+| 菜鸟教程 | https://www.runoob.com/python3/ | 30讲 |
+| 晚枫15讲 | https://www.python-office.com/course-002/15-Python/15-Python.html | 15讲 |
+
+## 三、阶段二：办公库入门（4-6周）
+
+### 五大核心库
+
+```bash
+# 安装
+pip install pandas openpyxl python-docx PyPDF2 Pillow
+```
+
+#### 1. pandas - 数据处理
+
+```python
+import pandas as pd
+
+# 读取数据
+df = pd.read_excel('data.xlsx')
+
+# 数据查看
+print(df.head()) # 前5行
+print(df.info()) # 数据信息
+print(df.describe()) # 统计信息
+
+# 数据筛选
+filtered = df[df['销售额'] > 10000]
+
+# 数据分组
+grouped = df.groupby('部门')['销售额'].sum()
+
+# 数据保存
+df.to_excel('output.xlsx', index=False)
+```
+
+#### 2. openpyxl - Excel操作
+
+```python
+from openpyxl import load_workbook
+from openpyxl.styles import Font, PatternFill, Alignment
+
+wb = load_workbook('data.xlsx')
+ws = wb.active
+
+# 读取单元格
+value = ws['A1'].value
+
+# 写入数据
+ws['A1'] = '标题'
+
+# 设置样式
+ws['A1'].font = Font(bold=True, color='FFFFFF')
+ws['A1'].fill = PatternFill('solid', fgColor='2E86AB')
+
+# 保存
+wb.save('output.xlsx')
+```
+
+#### 3. python-docx - Word操作
+
+```python
+from docx import Document
+
+doc = Document('document.docx')
+
+# 读取
+for para in doc.paragraphs:
+ print(para.text)
+
+# 写入
+doc.add_heading('标题', level=1)
+doc.add_paragraph('段落内容')
+
+# 保存
+doc.save('output.docx')
+```
+
+#### 4. PyPDF2 - PDF操作
+
+```python
+from PyPDF2 import PdfMerger, PdfReader
+
+# 合并PDF
+merger = PdfMerger()
+merger.append('file1.pdf')
+merger.append('file2.pdf')
+merger.write('merged.pdf')
+
+# 提取文字
+reader = PdfReader('document.pdf')
+text = ''
+for page in reader.pages:
+ text += page.extract_text()
+```
+
+#### 5. Pillow - 图片处理
+
+```python
+from PIL import Image
+
+img = Image.open('image.jpg')
+print(img.size) # 尺寸
+print(img.mode) # 模式
+
+# 缩放
+img.thumbnail((800, 600))
+
+# 保存
+img.save('output.jpg', quality=85)
+```
+
+## 四、阶段三：python-office 库（1-2周）
+
+### 核心功能
+
+```python
+import python-office as po
+
+# Excel处理
+po.excel.merge(files=['1月.xlsx', '2月.xlsx'], output='合并.xlsx')
+po.excel2pdf(file_path='data.xlsx', output_path='./')
+
+# Word处理
+po.word.replace(file_path='doc.docx', old_text='旧', new_text='新')
+po.word2pdf(file_path='doc.docx', output_path='./')
+
+# PDF处理
+po.pdf.merge(files=['a.pdf', 'b.pdf'], output='merged.pdf')
+po.pdf.extract_text(file_path='doc.pdf', output='text.txt')
+
+# 图片处理
+po.image.add_text_water(image='img.jpg', text='水印', output='watermarked.jpg')
+po.image.compress(folder='./photos', output='./compressed')
+
+# 邮件
+po.email.send(
+ smtp_server='smtp.qq.com',
+ email='your@qq.com',
+ password='auth_code',
+ to_email='to@qq.com',
+ subject='主题',
+ content='内容'
+)
+
+# 微信
+po.wechat.send(who='文件传输助手', msg='Hello')
+
+# PPT
+po.ppt2pdf(file_path='slides.pptx', output_path='./')
+```
+
+## 五、阶段四：项目实战（持续）
+
+### 推荐项目
+
+#### 项目1：销售报表自动化
+- 难度：⭐⭐
+- 技能：Excel + pandas + 邮件
+- 时间：1周
+
+#### 项目2：HR简历筛选
+- 难度：⭐⭐⭐
+- 技能：PDF + 邮件 + AI
+- 时间：2周
+
+#### 项目3：财务对账系统
+- 难度：⭐⭐⭐⭐
+- 技能：Excel + pandas + 数据库
+- 时间：1月
+
+#### 项目4：内容发布自动化
+- 难度：⭐⭐⭐
+- 技能：爬虫 + Word + 定时任务
+- 时间：2周
+
+## 六、阶段五：AI结合（4-8周）
+
+### AI办公技能树
+
+```
+AI基础
+├── Prompt工程
+├── 大模型API
+├── Embeddings
+└── Fine-tuning
+
+AI+办公
+├── AI自动写文档
+├── AI智能分析数据
+├── AI邮件自动回复
+├── AI生成图表
+└── AI辅助决策
+```
+
+### 实战示例
+
+```python
+import openai
+
+def ai_analyze_data(data_description):
+ """使用AI分析数据"""
+ response = openai.ChatCompletion.create(
+ model="gpt-3.5-turbo",
+ messages=[{
+ "role": "system",
+ "content": "你是一个数据分析专家"
+ }, {
+ "role": "user",
+ "content": f"请分析以下数据并给出建议：\n{data_description}"
+ }],
+ api_key="your_key"
+ )
+ return response.choices[0].message.content
+
+# 使用
+result = ai_analyze_data("Q4销售额下降10%")
+print(result)
+```
+
+## 七、避坑指南
+
+### 常见错误
+
+| 错误 | 解决方案 |
+|------|---------|
+| 编码错误 | 始终指定 encoding='utf-8' |
+| 路径问题 | 使用 pathlib.Path |
+| 内存溢出 | 批量处理大数据 |
+| 安装失败 | 使用国内镜像源 |
+| 第三方库冲突 | 使用虚拟环境 |
+
+### 调试技巧
+
+```python
+# 1. 使用print调试
+print(f"变量值: {variable}")
+
+# 2. 使用pdb调试
+import pdb
+pdb.set_trace()
+
+# 3. 使用日志
+import logging
+logging.basicConfig(level=logging.DEBUG)
+logger = logging.getLogger(__name__)
+logger.info("调试信息")
+```
+
+## 八、学习资源汇总
+
+### 官方资源
+
+- [python-office 官网](https://www.python-office.com) - 库文档
+- [python-office GitHub](https://github.com/CoderWanFeng/python-office) - 源码
+
+### 视频课程
+
+- [Python入门15讲](https://www.python-office.com/course-002/15-Python/15-Python.html)
+- [自动化办公50讲](https://www.python-office.com/course/50-python-office.html)
+- [数据分析30讲](https://www.python-office.com/course-002/30-Excel/30-Excel.html)
+- [PDF办公10讲](https://www.python-office.com/course-002/10-popdf/10-popdf.html)
+- [邮件自动化6讲](https://www.python-office.com/course-002/poemail/poemail.html)
+- [AI+自动化办公35讲](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) ⭐新课
+
+### 社区资源
+
+- [技术博客](https://python4office.cn) - 程序员晚枫
+- [读者交流群](https://www.python4office.cn/wechat-qrcode/)
+- [微信群](https://www.python4office.cn/wechat-group/)
+
+## 九、相关资源
+
+- [python-office 使用指南](./python-office-guide.md) - 库详解
+- [自动化办公框架设计](./automation-framework.md) - 工程化
+- [日常工作流自动化](./workflow-automation.md) - 综合应用
+- 📺 视频课程：[自动化办公50讲](https://www.python-office.com/course/50-python-office.html)
+- 👥 技术交流：[加入讨论](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+学习Python自动化办公的关键：
+1. **多动手**：每个知识点都要写代码
+2. **做项目**：用项目巩固知识点
+3. **找同伴**：加入技术交流群
+4. **看源码**：阅读优秀库的实现
+5. **跟对人**：跟随实战经验丰富的老师
+
+**学习最快的路径：跟着一个完整的项目教程，从头到尾做一遍。**
+
+推荐从 [AI+自动化办公35讲](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) 开始，这门课覆盖了AI时代办公自动化的所有核心技能，由浅入深，项目驱动，是快速入门的最佳选择。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/ocr-recognition.md b/docs-pages/vuepress/tips/best-practices/ocr-recognition.md
new file mode 100644
index 0000000..f17acaf
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/ocr-recognition.md
@@ -0,0 +1,277 @@
+# OCR 文字识别：Python批量识别图片中的文字
+
+将图片中的文字提取出来，是很多场景的需求。本文介绍如何用Python实现OCR文字识别，批量处理扫描件、截图、票据等。
+
+## 一、应用场景
+
+| 场景 | 描述 |
+|------|------|
+| 票据识别 | 发票、收据数字化 |
+| 文档扫描 | PDF扫描件转Word |
+| 截图提取 | 从截图中提取文字 |
+| 车牌识别 | 自动识别车牌号 |
+| 名片识别 | 名片信息录入 |
+
+## 二、python-office 一行代码方案
+
+```python
+import python-office
+
+# 一键OCR识别
+python-office.ocr.recognize(
+ image='D:/发票.jpg',
+ output='D:/识别结果.txt'
+)
+
+# 批量识别
+python-office.ocr.batch_recognize(
+ folder='D:/扫描件',
+ output='D:/识别结果'
+)
+```
+
+## 三、自定义OCR实现
+
+### 安装依赖
+
+```bash
+pip install pytesseract Pillow python-office
+# 需要先安装 Tesseract OCR
+# macOS: brew install tesseract tesseract-lang
+# Ubuntu: sudo apt install tesseract-ocr tesseract-ocr-chi-sim
+# Windows: 下载安装包 https://github.com/UB-Mannheim/tesseract/wiki
+```
+
+### 基础OCR识别
+
+```python
+import pytesseract
+from PIL import Image, ImageEnhance, ImageFilter
+
+class OCRProcessor:
+ """OCR文字识别器"""
+
+ def __init__(self, lang='chi_sim+eng'):
+ self.lang = lang
+
+ def recognize(self, image_path):
+ """识别图片中的文字"""
+ img = Image.open(image_path)
+
+ # 图像预处理
+ img = self.preprocess(img)
+
+ # OCR识别
+ text = pytesseract.image_to_string(img, lang=self.lang)
+ return text
+
+ def preprocess(self, img):
+ """图像预处理（提高识别率）"""
+ # 转灰度
+ img = img.convert('L')
+
+ # 增强对比度
+ enhancer = ImageEnhance.Contrast(img)
+ img = enhancer.enhance(2.0)
+
+ # 二值化
+ threshold = 128
+ img = img.point(lambda p: 255 if p > threshold else 0)
+
+ # 去噪
+ img = img.filter(ImageFilter.MedianFilter(3))
+
+ return img
+
+ def batch_recognize(self, folder, output_folder):
+ """批量识别"""
+ from pathlib import Path
+ results = {}
+
+ for file in Path(folder).glob('*'):
+ if file.suffix.lower() in ['.jpg', '.jpeg', '.png', '.bmp']:
+ text = self.recognize(str(file))
+ results[file.name] = text
+
+ # 保存结果
+ output_path = Path(output_folder) / f'{file.stem}.txt'
+ output_path.parent.mkdir(parents=True, exist_ok=True)
+ output_path.write_text(text, encoding='utf-8')
+ print(f"✓ {file.name} -> {output_path.name}")
+
+ return results
+
+# 使用
+ocr = OCRProcessor(lang='chi_sim+eng')
+text = ocr.recognize('D:/发票.jpg')
+print(text)
+```
+
+## 四、发票识别专项
+
+```python
+import re
+from datetime import datetime
+
+class InvoiceOCR:
+ """发票OCR识别器"""
+
+ def __init__(self):
+ self.ocr = OCRProcessor(lang='chi_sim+eng')
+
+ def recognize_invoice(self, image_path):
+ """识别发票"""
+ text = self.ocr.recognize(image_path)
+
+ # 提取关键字段
+ invoice_info = {
+ '发票代码': self.extract_field(text, r'发票代码[：:]\s*(\d+)'),
+ '发票号码': self.extract_field(text, r'发票号码[：:]\s*(\d+)'),
+ '开票日期': self.extract_field(text, r'开票日期[：:]\s*(\d{4}[-年]\d{1,2}[-月]\d{1,2})'),
+ '金额': self.extract_amount(text),
+ '税额': self.extract_tax(text),
+ '价税合计': self.extract_total(text),
+ '销售方': self.extract_field(text, r'销售方[：:]\s*([^\n]+)'),
+ '购买方': self.extract_field(text, r'购买方[：:]\s*([^\n]+)'),
+ }
+
+ return invoice_info
+
+ def extract_field(self, text, pattern):
+ """提取单个字段"""
+ m = re.search(pattern, text)
+ return m.group(1) if m else 'N/A'
+
+ def extract_amount(self, text):
+ """提取金额"""
+ patterns = [
+ r'价税合计[（(]大写[）)]\s*[^\d]*?(\d+\.\d{2})',
+ r'￥\s*(\d+\.\d{2})',
+ r'小写[：:]\s*¥?(\d+\.\d{2})',
+ ]
+ for p in patterns:
+ m = re.search(p, text)
+ if m:
+ return float(m.group(1))
+ return 0.0
+
+ def extract_tax(self, text):
+ """提取税额"""
+ m = re.search(r'税额[：:]\s*¥?(\d+\.\d{2})', text)
+ return float(m.group(1)) if m else 0.0
+
+ def extract_total(self, text):
+ """提取总价税合计"""
+ m = re.search(r'价税合计[：:]?\s*¥?(\d+\.\d{2})', text)
+ return float(m.group(1)) if m else 0.0
+
+# 使用
+invoice_ocr = InvoiceOCR()
+info = invoice_ocr.recognize_invoice('D:/发票.jpg')
+for k, v in info.items():
+ print(f'{k}: {v}')
+```
+
+## 五、表格识别
+
+```python
+class TableOCR:
+ """表格OCR识别"""
+
+ def __init__(self):
+ self.ocr = OCRProcessor()
+
+ def recognize_table(self, image_path):
+ """识别表格图片"""
+ # 1. 识别全部文字
+ text = self.ocr.recognize(image_path)
+
+ # 2. 分割行
+ lines = [l for l in text.split('\n') if l.strip()]
+
+ # 3. 分割列（基于空格或制表符）
+ rows = []
+ for line in lines:
+ # 尝试多种分隔符
+ if '\t' in line:
+ row = line.split('\t')
+ elif ' ' in line:
+ row = re.split(r'\s{2,}', line)
+ else:
+ row = [line]
+ rows.append(row)
+
+ # 4. 转DataFrame
+ import pandas as pd
+ df = pd.DataFrame(rows[1:], columns=rows[0] if rows else [])
+ return df
+
+# 使用
+table_ocr = TableOCR()
+df = table_ocr.recognize_table('D:/表格.png')
+df.to_excel('D:/识别结果.xlsx', index=False)
+```
+
+## 六、百度OCR API（更精准）
+
+```python
+from aip import AipOcr
+
+class BaiduOCR:
+ """百度OCR API（识别率更高）"""
+
+ def __init__(self, app_id, api_key, secret_key):
+ self.client = AipOcr(app_id, api_key, secret_key)
+
+ def recognize_general(self, image_path):
+ """通用文字识别"""
+ with open(image_path, 'rb') as f:
+ image = f.read()
+
+ result = self.client.basicGeneral(image)
+ return result
+
+ def recognize_accurate(self, image_path):
+ """高精度识别"""
+ with open(image_path, 'rb') as f:
+ image = f.read()
+
+ result = self.client.basicAccurate(image)
+ return result
+
+ def recognize_invoice(self, image_path):
+ """增值税发票识别"""
+ with open(image_path, 'rb') as f:
+ image = f.read()
+
+ result = self.client.vatInvoice(image)
+ return result
+
+# 使用
+baidu_ocr = BaiduOCR(
+ app_id='your_app_id',
+ api_key='your_api_key',
+ secret_key='your_secret_key'
+)
+result = baidu_ocr.recognize_invoice('D:/发票.jpg')
+print(result)
+```
+
+## 七、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [PDF 内容提取](../pdf/extract-content.md) - PDF转Word
+- [图片批量处理](./image-batch-processing.md) - 图片预处理
+- 📺 视频课程：[发票识别5讲](https://www.python-office.com/course-002/5-poocr/5-poocr.html)
+- 👥 技术交流：[加入读者群](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+通过Python OCR文字识别：
+- 📸 批量图片转文字
+- 🧾 发票信息自动提取
+- 📊 表格图片结构化
+- 🎯 多种OCR引擎可选
+
+**核心思路**：用 pytesseract 做基础识别，用百度/腾讯 API 做高精度识别，用图像预处理提高准确率。OCR是连接纸质文档和数字世界的桥梁。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/ppt-automation.md b/docs-pages/vuepress/tips/best-practices/ppt-automation.md
new file mode 100644
index 0000000..66b1012
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/ppt-automation.md
@@ -0,0 +1,224 @@
+# PPT自动化：批量生成专业演示文稿，告别重复劳动
+
+制作PPT是很多人的痛点，尤其是需要批量生成相似风格PPT时。本文介绍如何用Python自动化PPT生成，让繁琐的PPT工作变得简单。
+
+## 一、场景应用
+
+| 场景 | 描述 |
+|------|------|
+| 批量生成报告 | 月报、季报、年报 |
+| 销售演示 | 客户定制化方案 |
+| 培训资料 | 员工培训PPT |
+| 产品介绍 | 不同客户版本 |
+| 会议记录 | 自动化会议纪要 |
+
+## 二、python-office 一行代码方案
+
+```python
+import python-office
+
+# 一行代码生成PPT
+python-office.ppt.create(
+ template='D:/模板/标准模板.pptx',
+ data='D:/数据/Q4数据.xlsx',
+ output='D:/输出/Q4报告.pptx'
+)
+
+# 一键PPT转PDF
+python-office.ppt2pdf(
+ file_path='D:/演示.pptx',
+ output_path='D:/PDF/'
+)
+```
+
+## 三、自定义批量生成
+
+### 安装依赖
+
+```bash
+pip install python-pptx pandas python-office
+```
+
+### 销售方案批量生成器
+
+```python
+from pptx import Presentation
+from pptx.util import Inches, Pt
+import pandas as pd
+import python-office
+
+class SalesPPTGenerator:
+ """销售方案PPT批量生成器"""
+
+ def __init__(self, template_path):
+ self.template_path = template_path
+
+ def generate_for_client(self, client_name, data):
+ """为单个客户生成PPT"""
+ prs = Presentation(self.template_path)
+
+ # 替换标题页
+ self.replace_title(prs, f'【{client_name}】专属解决方案')
+
+ # 添加客户专属数据页
+ self.add_client_data_page(prs, client_name, data)
+
+ # 添加方案详情页
+ self.add_solution_pages(prs, data)
+
+ # 添加报价页
+ self.add_pricing_page(prs, data)
+
+ # 保存
+ output_path = f'D:/PPT输出/{client_name}_方案.pptx'
+ prs.save(output_path)
+ return output_path
+
+ def replace_title(self, prs, new_title):
+ """替换标题"""
+ slide = prs.slides[0]
+ for shape in slide.shapes:
+ if shape.has_text_frame:
+ for para in shape.text_frame.paragraphs:
+ for run in para.runs:
+ if '标题' in run.text or 'Solution' in run.text:
+ run.text = new_title
+
+ def add_client_data_page(self, prs, client_name, data):
+ """添加客户数据页"""
+ slide = prs.slides.add_slide(prs.slide_layouts[5])
+ slide.shapes.title.text = f'{client_name} - 当前状况'
+
+ # 添加文本框
+ left, top, width, height = Inches(1), Inches(2), Inches(8), Inches(4)
+ text_box = slide.shapes.add_textbox(left, top, width, height)
+ tf = text_box.text_frame
+ tf.word_wrap = True
+
+ # 填充数据
+ lines = [
+ f'客户名称: {client_name}',
+ f'行业: {data.get("行业", "未知")}',
+ f'规模: {data.get("规模", "未知")}',
+ f'当前痛点: {data.get("痛点", "未知")}',
+ f'预算: {data.get("预算", "面议")}',
+ ]
+ for line in lines:
+ p = tf.add_paragraph()
+ p.text = line
+ p.font.size = Pt(18)
+
+ def add_solution_pages(self, prs, data):
+ """添加方案页"""
+ for i, solution in enumerate(data.get('方案', []), 1):
+ slide = prs.slides.add_slide(prs.slide_layouts[1])
+ slide.shapes.title.text = f'方案 {i}: {solution["标题"]}'
+
+ # 添加内容
+ content = slide.placeholders[1]
+ content.text = solution['描述']
+
+ def add_pricing_page(self, prs, data):
+ """添加报价页"""
+ slide = prs.slides.add_slide(prs.slide_layouts[5])
+ slide.shapes.title.text = '投资预算'
+
+ # 创建表格
+ rows = len(data.get('报价', [])) + 1
+ cols = 3
+ left, top, width, height = Inches(1), Inches(2), Inches(8), Inches(3)
+ table = slide.shapes.add_table(rows, cols, left, top, width, height).table
+
+ # 表头
+ table.cell(0, 0).text = '项目'
+ table.cell(0, 1).text = '数量'
+ table.cell(0, 2).text = '金额'
+
+ # 填充数据
+ for i, item in enumerate(data.get('报价', []), 1):
+ table.cell(i, 0).text = item['项目']
+ table.cell(i, 1).text = str(item['数量'])
+ table.cell(i, 2).text = f"¥{item['金额']:,}"
+
+ def batch_generate(self, client_list_file):
+ """批量生成"""
+ df = pd.read_excel(client_list_file)
+ generated = []
+
+ for _, row in df.iterrows():
+ client_name = row['客户名称']
+ data = row.to_dict()
+
+ print(f"生成 {client_name} 方案...")
+ output = self.generate_for_client(client_name, data)
+ generated.append(output)
+
+ # 自动转换为PDF
+ python-office.ppt2pdf(
+ file_path=output,
+ output_path=str(Path(output).parent)
+ )
+
+ print(f"✅ 共生成 {len(generated)} 个PPT")
+ return generated
+
+# 使用
+generator = SalesPPTGenerator('D:/模板/销售方案模板.pptx')
+generator.batch_generate('D:/客户清单.xlsx')
+```
+
+## 四、自动套用数据生成图表PPT
+
+```python
+def generate_chart_ppt(data_file, output_path):
+ """自动生成带图表的PPT"""
+ import matplotlib.pyplot as plt
+ from pptx import Presentation
+ from pptx.util import Inches
+
+ df = pd.read_excel(data_file)
+ prs = Presentation()
+
+ # 标题页
+ slide = prs.slides.add_slide(prs.slide_layouts[0])
+ slide.shapes.title.text = '数据分析报告'
+ slide.placeholders[1].text = f'生成时间: {datetime.now().strftime("%Y-%m-%d")}'
+
+ # 为每个指标生成图表页
+ for column in df.select_dtypes(include='number').columns:
+ # 生成图表
+ fig, ax = plt.subplots(figsize=(8, 5))
+ df[column].plot(kind='bar', ax=ax, color='steelblue')
+ ax.set_title(f'{column} 分布')
+ ax.set_ylabel(column)
+ chart_path = f'/tmp/{column}.png'
+ plt.savefig(chart_path, dpi=150, bbox_inches='tight')
+ plt.close()
+
+ # 添加到PPT
+ slide = prs.slides.add_slide(prs.slide_layouts[5])
+ slide.shapes.title.text = f'{column} 数据'
+ slide.shapes.add_picture(chart_path, Inches(1), Inches(2), width=Inches(8))
+
+ prs.save(output_path)
+ return output_path
+```
+
+## 五、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [销售报表自动化](./sales-report-automation.md) - 数据驱动PPT
+- [Word 文档处理](../word/batch-processing.md) - 文档转PPT
+- 📺 视频课程：[自动化办公50讲](https://www.python-office.com/course/50-python-office.html)
+- 👥 技术交流：[加入读者群](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+通过Python自动化PPT生成：
+- ⏰ 批量生成100份PPT从10小时缩短到30分钟
+- 🎨 风格统一、质量稳定
+- 📊 自动数据可视化
+- 📁 自动归档管理
+
+PPT自动化是销售、市场、运营等岗位的"效率倍增器"。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/sales-report-automation.md b/docs-pages/vuepress/tips/best-practices/sales-report-automation.md
new file mode 100644
index 0000000..e624bed
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/sales-report-automation.md
@@ -0,0 +1,355 @@
+# 销售报表自动化：让Python帮你每天自动生成销售日报
+
+作为销售管理人员，每天最头疼的事情就是从各种系统导出数据、整理成日报。用Python自动化这个流程后，每天可以节省2小时，让数据说话而不是人工搬运数据。
+
+## 一、场景分析
+
+### 传统流程的问题
+
+| 步骤 | 耗时 | 易错点 |
+|------|------|--------|
+| 从CRM导出数据 | 10分钟 | 漏单、日期错乱 |
+| 从财务系统导出回款 | 15分钟 | 跨系统对账 |
+| Excel手工汇总 | 30分钟 | 公式错误 |
+| 生成可视化图表 | 20分钟 | 样式不统一 |
+| 发送邮件给老板 | 10分钟 | 漏发、错发 |
+| **总耗时** | **1.5小时** | 多处可能出错 |
+
+### 自动化后
+
+- **耗时**：5分钟（自动执行）
+- **准确率**：100%（无人工干预）
+- **节省时间**：每天1.5小时
+
+## 二、数据准备
+
+### 数据源结构
+
+```python
+# 销售订单数据（orders.xlsx）
+{
+ '订单号': 'ORD20240101001',
+ '客户': '北京科技有限公司',
+ '销售员': '张三',
+ '产品': 'python-office企业版',
+ '金额': 50000,
+ '日期': '2024-01-01',
+ '状态': '已成交'
+}
+```
+
+```python
+# 回款数据（payments.xlsx）
+{
+ '订单号': 'ORD20240101001',
+ '回款金额': 50000,
+ '回款日期': '2024-01-15',
+ '付款方式': '银行转账'
+}
+```
+
+## 三、完整自动化代码
+
+### 安装依赖
+
+```bash
+pip install pandas openpyxl python-office
+```
+
+### 销售日报生成器
+
+```python
+import pandas as pd
+import python-office
+from datetime import datetime, timedelta
+from pathlib import Path
+
+class SalesDailyReport:
+ """销售日报自动生成器"""
+
+ def __init__(self, output_folder='D:/销售日报'):
+ self.output_folder = Path(output_folder)
+ self.output_folder.mkdir(parents=True, exist_ok=True)
+ self.today = datetime.now().strftime('%Y-%m-%d')
+
+ def generate(self):
+ """生成今日销售日报"""
+ print(f"🚀 开始生成 {self.today} 销售日报...")
+
+ # 1. 加载数据
+ orders = self.load_orders()
+ payments = self.load_payments()
+
+ # 2. 数据处理
+ summary = self.process_data(orders, payments)
+
+ # 3. 生成Excel报告
+ excel_path = self.generate_excel_report(orders, summary)
+
+ # 4. 生成图表
+ chart_path = self.generate_charts(summary)
+
+ # 5. 转换为PDF
+ pdf_path = self.convert_to_pdf(excel_path)
+
+ # 6. 发送邮件
+ self.send_email(pdf_path, summary)
+
+ print(f"✅ 销售日报生成完成: {pdf_path}")
+ return summary
+
+ def load_orders(self):
+ """加载订单数据"""
+ return pd.read_excel('D:/CRM/orders.xlsx')
+
+ def load_payments(self):
+ """加载回款数据"""
+ return pd.read_excel('D:/财务/payments.xlsx')
+
+ def process_data(self, orders, payments):
+ """处理数据，生成汇总"""
+ # 今日订单
+ today_orders = orders[orders['日期'] == self.today]
+
+ # 今日回款
+ today_payments = payments[payments['回款日期'] == self.today]
+
+ summary = {
+ '总订单数': len(today_orders),
+ '总销售额': today_orders['金额'].sum(),
+ '总回款额': today_payments['回款金额'].sum(),
+ '客户数': today_orders['客户'].nunique(),
+ '活跃销售员': today_orders['销售员'].nunique(),
+ '客单价': today_orders['金额'].mean() if len(today_orders) > 0 else 0,
+ '订单明细': today_orders,
+ '回款明细': today_payments,
+ }
+
+ return summary
+
+ def generate_excel_report(self, orders, summary):
+ """生成Excel报告"""
+ output_path = self.output_folder / f'销售日报_{self.today}.xlsx'
+
+ with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
+ # 1. 概览页
+ overview = pd.DataFrame({
+ '指标': ['总订单数', '总销售额', '总回款额', '客户数', '活跃销售员', '客单价'],
+ '数值': [
+ summary['总订单数'],
+ f"¥{summary['总销售额']:,.2f}",
+ f"¥{summary['总回款额']:,.2f}",
+ summary['客户数'],
+ summary['活跃销售员'],
+ f"¥{summary['客单价']:,.2f}"
+ ]
+ })
+ overview.to_excel(writer, sheet_name='今日概览', index=False)
+
+ # 2. 销售员排行
+ top_sales = orders.groupby('销售员').agg({
+ '金额': 'sum',
+ '订单号': 'count',
+ '客户': 'nunique'
+ }).sort_values('金额', ascending=False)
+ top_sales.columns = ['销售额', '订单数', '客户数']
+ top_sales.to_excel(writer, sheet_name='销售员排行')
+
+ # 3. 客户排行
+ top_customers = orders.groupby('客户').agg({
+ '金额': 'sum',
+ '订单号': 'count'
+ }).sort_values('金额', ascending=False).head(10)
+ top_customers.columns = ['销售额', '订单数']
+ top_customers.to_excel(writer, sheet_name='客户TOP10')
+
+ # 4. 订单明细
+ summary['订单明细'].to_excel(writer, sheet_name='订单明细', index=False)
+
+ return output_path
+
+ def generate_charts(self, summary):
+ """生成图表"""
+ import matplotlib.pyplot as plt
+ plt.rcParams['font.sans-serif'] = ['SimHei']
+ plt.rcParams['axes.unicode_minus'] = False
+
+ # 创建多子图
+ fig, axes = plt.subplots(2, 2, figsize=(15, 10))
+
+ # 1. 销售员柱状图
+ ax1 = axes[0, 0]
+ sales_data = summary['订单明细'].groupby('销售员')['金额'].sum().sort_values(ascending=True)
+ sales_data.plot(kind='barh', ax=ax1, color='steelblue')
+ ax1.set_title('销售员业绩')
+ ax1.set_xlabel('销售额')
+
+ # 2. 产品占比饼图
+ ax2 = axes[0, 1]
+ product_data = summary['订单明细'].groupby('产品')['金额'].sum()
+ ax2.pie(product_data.values, labels=product_data.index, autopct='%1.1f%%')
+ ax2.set_title('产品销售占比')
+
+ # 3. 客户分布
+ ax3 = axes[1, 0]
+ customer_data = summary['订单明细'].groupby('客户')['金额'].sum().sort_values(ascending=False).head(10)
+ customer_data.plot(kind='bar', ax=ax3, color='coral')
+ ax3.set_title('客户销售额TOP10')
+ ax3.set_ylabel('销售额')
+ ax3.tick_params(axis='x', rotation=45)
+
+ # 4. KPI卡片
+ ax4 = axes[1, 1]
+ ax4.axis('off')
+ kpi_text = f"""
+ 📊 今日关键指标
+
+ 订单数: {summary['总订单数']}
+ 销售额: ¥{summary['总销售额']:,.0f}
+ 回款额: ¥{summary['总回款额']:,.0f}
+ 客单价: ¥{summary['客单价']:,.0f}
+ 客户数: {summary['客户数']}
+ """
+ ax4.text(0.5, 0.5, kpi_text, ha='center', va='center',
+ fontsize=14, transform=ax4.transAxes,
+ bbox=dict(boxstyle='round,pad=1', facecolor='lightblue', alpha=0.5))
+
+ plt.tight_layout()
+ chart_path = self.output_folder / f'销售图表_{self.today}.png'
+ plt.savefig(chart_path, dpi=150, bbox_inches='tight')
+ plt.close()
+
+ return chart_path
+
+ def convert_to_pdf(self, excel_path):
+ """Excel转PDF"""
+ pdf_path = excel_path.with_suffix('.pdf')
+ python-office.excel2pdf(str(excel_path), str(pdf_path.parent))
+ return pdf_path
+
+ def send_email(self, pdf_path, summary):
+ """发送邮件给老板"""
+ content = f"""
+ 老板好，
+
+ {self.today} 销售日报已生成，请查收。
+
+ 📊 核心数据：
+ - 总订单数: {summary['总订单数']}
+ - 总销售额: ¥{summary['总销售额']:,.2f}
+ - 总回款额: ¥{summary['总回款额']:,.2f}
+ - 新增客户: {summary['客户数']}
+ - 活跃销售员: {summary['活跃销售员']}
+
+ 详细数据请查看附件。
+
+ 自动化生成 by python-office
+ """
+
+ python-office.email.send(
+ smtp_server='smtp.qq.com',
+ smtp_port=465,
+ email='sales@company.com',
+ password='your_auth_code',
+ to_email='boss@company.com',
+ subject=f'【销售日报】{self.today}',
+ content=content,
+ attachment=str(pdf_path)
+ )
+
+# 使用
+report = SalesDailyReport()
+summary = report.generate()
+```
+
+## 四、定时任务调度
+
+```python
+import schedule
+import time
+
+def daily_job():
+ """每日任务"""
+ report = SalesDailyReport()
+ report.generate()
+
+# 设置每天 18:00 自动执行
+schedule.every().day.at("18:00").do(daily_job)
+
+print("✅ 销售日报定时任务已启动，每天18:00自动生成")
+print("按 Ctrl+C 退出")
+
+while True:
+ schedule.run_pending()
+ time.sleep(60)
+```
+
+## 五、扩展功能
+
+### 添加环比对比
+
+```python
+def add_comparison(self, summary):
+ """添加环比对比"""
+ yesterday = (datetime.now() - timedelta(days=1)).strftime('%Y-%m-%d')
+ yesterday_data = self.load_orders()
+ yesterday_orders = yesterday_data[yesterday_data['日期'] == yesterday]
+
+ if len(yesterday_orders) > 0:
+ yesterday_sales = yesterday_orders['金额'].sum()
+ growth = (summary['总销售额'] - yesterday_sales) / yesterday_sales * 100
+ summary['环比增长'] = f"{growth:+.1f}%"
+ else:
+ summary['环比增长'] = 'N/A'
+
+ return summary
+```
+
+### 添加预测功能
+
+```python
+def predict_tomorrow(self):
+ """预测明日销售"""
+ from sklearn.linear_model import LinearRegression
+ import numpy as np
+
+ # 加载历史数据
+ history = pd.read_excel('D:/CRM/orders.xlsx')
+ history['日期'] = pd.to_datetime(history['日期'])
+
+ # 按天聚合
+ daily_sales = history.groupby('日期')['金额'].sum().reset_index()
+ daily_sales['day_num'] = range(len(daily_sales))
+
+ # 训练模型
+ X = daily_sales[['day_num']].values
+ y = daily_sales['金额'].values
+
+ model = LinearRegression()
+ model.fit(X, y)
+
+ # 预测明日
+ tomorrow = len(daily_sales)
+ predicted = model.predict([[tomorrow]])[0]
+
+ return predicted
+```
+
+## 六、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [Excel 批量合并技巧](../excel/batch-merge.md) - 数据汇总
+- [邮件自动化](../python/email-automation.md) - 自动发送
+- 📺 视频课程：[自动化办公50讲](https://www.python-office.com/course/50-python-office.html)
+- 👥 读者交流：[加入微信群](https://www.python4office.cn/wechat-group/)
+
+## 总结
+
+通过Python自动化销售日报流程，我们实现了：
+- ⏰ 每天节省1.5小时
+- ✅ 数据准确率100%
+- 📊 报表样式统一
+- 📧 邮件自动发送
+
+**核心思路**：用 python-office 简化操作，用 pandas 处理数据，用 schedule 实现定时，用邮件实现推送。结合AI还能做智能分析和异常告警。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/web-crawler-advanced.md b/docs-pages/vuepress/tips/best-practices/web-crawler-advanced.md
new file mode 100644
index 0000000..45f4815
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/web-crawler-advanced.md
@@ -0,0 +1,409 @@
+# 网络爬虫实战：从零开始构建企业级数据采集系统
+
+网络爬虫是Python的重要应用领域。本文从基础到实战，介绍如何用Python构建稳定、高效、合规的爬虫系统。
+
+## 一、爬虫应用场景
+
+| 场景 | 描述 |
+|------|------|
+| 电商价格监控 | 抓取竞品价格 |
+| 新闻聚合 | 收集行业新闻 |
+| 招聘数据 | 分析职位趋势 |
+| 金融数据 | 股票、基金信息 |
+| 学术研究 | 文献数据采集 |
+
+## 二、python-office 一行代码方案
+
+```python
+import python-office
+
+# 一键爬取网页数据
+python-office.crawler.simple(
+ url='https://example.com',
+ output='D:/爬取结果.json'
+)
+
+# 一键爬取表格
+python-office.crawler.table(
+ url='https://example.com/data',
+ output='D:/数据.xlsx'
+)
+```
+
+## 三、自定义爬虫实现
+
+### 安装依赖
+
+```bash
+pip install requests beautifulsoup4 selenium pandas python-office
+```
+
+### 基础爬虫
+
+```python
+import requests
+from bs4 import BeautifulSoup
+import pandas as pd
+import time
+import random
+
+class BasicCrawler:
+ """基础爬虫"""
+
+ def __init__(self, base_url, headers=None):
+ self.base_url = base_url
+ self.session = requests.Session()
+ self.session.headers.update(headers or {
+ 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
+ })
+
+ def get(self, url, **kwargs):
+ """GET请求"""
+ response = self.session.get(url, timeout=10, **kwargs)
+ response.raise_for_status()
+ return response
+
+ def parse(self, html, selector):
+ """解析HTML"""
+ soup = BeautifulSoup(html, 'lxml')
+ return soup.select(selector)
+
+ def crawl(self, urls, parse_func):
+ """批量爬取"""
+ results = []
+ for i, url in enumerate(urls, 1):
+ try:
+ response = self.get(url)
+ data = parse_func(response.text)
+ results.append(data)
+ print(f"✓ [{i}/{len(urls)}] {url}")
+ except Exception as e:
+ print(f"✗ {url}: {e}")
+
+ # 礼貌爬取
+ time.sleep(random.uniform(1, 3))
+
+ return results
+
+# 使用
+crawler = BasicCrawler('https://news.example.com')
+
+def parse_news(html):
+ soup = BeautifulSoup(html, 'lxml')
+ articles = []
+ for item in soup.select('.news-item'):
+ title = item.select_one('.title').text.strip()
+ link = item.select_one('a')['href']
+ date = item.select_one('.date').text.strip()
+ articles.append({'title': title, 'link': link, 'date': date})
+ return articles
+
+urls = [f'https://news.example.com/page/{i}' for i in range(1, 11)]
+results = crawler.crawl(urls, parse_news)
+```
+
+## 四、电商价格监控
+
+```python
+class PriceMonitor:
+ """电商价格监控"""
+
+ def __init__(self):
+ self.crawler = BasicCrawler('https://shop.example.com')
+
+ def get_product_info(self, product_url):
+ """获取商品信息"""
+ response = self.crawler.get(product_url)
+ soup = BeautifulSoup(response.text, 'lxml')
+
+ info = {
+ '商品名': self.extract_text(soup, '.product-name'),
+ '价格': self.extract_price(soup, '.product-price'),
+ '库存': self.extract_text(soup, '.stock'),
+ '评分': self.extract_text(soup, '.rating'),
+ 'URL': product_url,
+ }
+ return info
+
+ def extract_text(self, soup, selector):
+ el = soup.select_one(selector)
+ return el.text.strip() if el else ''
+
+ def extract_price(self, soup, selector):
+ text = self.extract_text(soup, selector)
+ import re
+ m = re.search(r'(\d+\.?\d*)', text)
+ return float(m.group(1)) if m else 0.0
+
+ def monitor_competitor_prices(self, product_urls):
+ """监控竞品价格"""
+ results = []
+ for url in product_urls:
+ info = self.get_product_info(url)
+ results.append(info)
+ time.sleep(2)
+
+ df = pd.DataFrame(results)
+ return df
+
+ def price_change_alert(self, current_prices, threshold=0.1):
+ """价格变动提醒"""
+ alerts = []
+ for item in current_prices:
+ old_price = self.get_historical_price(item['URL'])
+ if old_price and abs(item['价格'] - old_price) / old_price > threshold:
+ change = (item['价格'] - old_price) / old_price * 100
+ alerts.append({
+ '商品': item['商品名'],
+ '旧价': old_price,
+ '新价': item['价格'],
+ '变动': f'{change:+.1f}%',
+ 'URL': item['URL']
+ })
+ return alerts
+
+# 使用
+monitor = PriceMonitor()
+products = [...] # 商品URL列表
+prices = monitor.monitor_competitor_prices(products)
+prices.to_excel('D:/价格监控.xlsx', index=False)
+```
+
+## 五、动态页面爬取（Selenium）
+
+```python
+from selenium import webdriver
+from selenium.webdriver.common.by import By
+from selenium.webdriver.support.ui import WebDriverWait
+from selenium.webdriver.support import expected_conditions as EC
+from selenium.webdriver.chrome.options import Options
+
+class SeleniumCrawler:
+ """Selenium动态爬虫"""
+
+ def __init__(self, headless=True):
+ options = Options()
+ if headless:
+ options.add_argument('--headless')
+ options.add_argument('--disable-gpu')
+ options.add_argument('--no-sandbox')
+
+ self.driver = webdriver.Chrome(options=options)
+ self.wait = WebDriverWait(self.driver, 10)
+
+ def get(self, url):
+ """访问URL"""
+ self.driver.get(url)
+
+ def wait_for_element(self, selector):
+ """等待元素加载"""
+ return self.wait.until(
+ EC.presence_of_element_located((By.CSS_SELECTOR, selector))
+ )
+
+ def click(self, selector):
+ """点击元素"""
+ element = self.wait.until(
+ EC.element_to_be_clickable((By.CSS_SELECTOR, selector))
+ )
+ element.click()
+
+ def scroll_to_bottom(self):
+ """滚动到页面底部"""
+ last_height = self.driver.execute_script("return document.body.scrollHeight")
+ while True:
+ self.driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
+ time.sleep(2)
+ new_height = self.driver.execute_script("return document.body.scrollHeight")
+ if new_height == last_height:
+ break
+ last_height = new_height
+
+ def extract_data(self, container_selector, fields):
+ """提取数据"""
+ items = []
+ for container in self.driver.find_elements(By.CSS_SELECTOR, container_selector):
+ item = {}
+ for field_name, selector in fields.items():
+ try:
+ el = container.find_element(By.CSS_SELECTOR, selector)
+ item[field_name] = el.text.strip()
+ except:
+ item[field_name] = ''
+ items.append(item)
+ return items
+
+ def close(self):
+ self.driver.quit()
+
+# 使用
+crawler = SeleniumCrawler(headless=True)
+crawler.get('https://dynamic-website.com')
+
+# 等待加载
+crawler.wait_for_element('.item-list')
+
+# 滚动加载所有内容
+crawler.scroll_to_bottom()
+
+# 提取数据
+fields = {
+ 'title': '.title',
+ 'price': '.price',
+ 'rating': '.rating',
+}
+data = crawler.extract_data('.item', fields)
+
+df = pd.DataFrame(data)
+df.to_excel('D:/爬取结果.xlsx', index=False)
+crawler.close()
+```
+
+## 六、爬虫最佳实践
+
+### 1. 礼貌爬取
+
+```python
+class PoliteCrawler:
+ """礼貌爬虫"""
+
+ def __init__(self, delay_range=(1, 3), max_per_minute=20):
+ self.delay_range = delay_range
+ self.max_per_minute = max_per_minute
+ self.request_times = []
+
+ def wait_if_needed(self):
+ """根据频率限制等待"""
+ now = time.time()
+ # 清理1分钟前的记录
+ self.request_times = [t for t in self.request_times if now - t < 60]
+
+ if len(self.request_times) >= self.max_per_minute:
+ sleep_time = 60 - (now - self.request_times[0])
+ print(f"达到频率限制，等待 {sleep_time:.1f} 秒")
+ time.sleep(sleep_time)
+
+ # 随机延迟
+ delay = random.uniform(*self.delay_range)
+ time.sleep(delay)
+ self.request_times.append(time.time())
+
+# 使用
+polite = PoliteCrawler(delay_range=(2, 5), max_per_minute=15)
+```
+
+### 2. 反爬策略
+
+```python
+class AntiBlockCrawler:
+ """反爬策略"""
+
+ USER_AGENTS = [
+ 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0',
+ 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15',
+ 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36',
+ ]
+
+ def __init__(self):
+ self.session = requests.Session()
+
+ def get_random_headers(self):
+ return {
+ 'User-Agent': random.choice(self.USER_AGENTS),
+ 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
+ 'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8',
+ 'Accept-Encoding': 'gzip, deflate, br',
+ 'Connection': 'keep-alive',
+ 'Upgrade-Insecure-Requests': '1',
+ }
+
+ def smart_request(self, url, max_retries=3):
+ """智能请求（带重试）"""
+ for i in range(max_retries):
+ try:
+ self.session.headers.update(self.get_random_headers())
+ response = self.session.get(url, timeout=15)
+ response.raise_for_status()
+ return response
+ except requests.exceptions.RequestException as e:
+ if i < max_retries - 1:
+ wait = 2 ** i # 指数退避
+ print(f"请求失败，{wait}秒后重试: {e}")
+ time.sleep(wait)
+ else:
+ raise
+```
+
+### 3. 数据存储
+
+```python
+import json
+import sqlite3
+from sqlalchemy import create_engine
+
+class DataStorage:
+ """数据存储"""
+
+ @staticmethod
+ def to_excel(data, output_path):
+ df = pd.DataFrame(data)
+ df.to_excel(output_path, index=False)
+
+ @staticmethod
+ def to_json(data, output_path):
+ with open(output_path, 'w', encoding='utf-8') as f:
+ json.dump(data, f, ensure_ascii=False, indent=2)
+
+ @staticmethod
+ def to_sqlite(data, db_path, table_name):
+ df = pd.DataFrame(data)
+ engine = create_engine(f'sqlite:///{db_path}')
+ df.to_sql(table_name, engine, if_exists='append', index=False)
+
+ @staticmethod
+ def to_mysql(data, host, user, password, database, table):
+ df = pd.DataFrame(data)
+ engine = create_engine(f'mysql+pymysql://{user}:{password}@{host}/{database}')
+ df.to_sql(table, engine, if_exists='append', index=False)
+```
+
+## 七、合规与法律
+
+### 爬虫注意事项
+
+1. **遵守robots.txt**：尊重网站的爬虫协议
+2. **限制频率**：不要给服务器造成压力
+3. **保护隐私**：不爬取和存储个人隐私
+4. **数据用途**：仅用于合法用途
+5. **尊重版权**：注明数据来源
+
+```python
+import urllib.robotparser
+
+def check_robots_txt(url):
+ """检查robots.txt"""
+ rp = urllib.robotparser.RobotFileParser()
+ rp.set_url(url + '/robots.txt')
+ rp.read()
+ return rp.can_fetch('*', url)
+```
+
+## 八、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [数据可视化进阶](./data-visualization-advanced.md) - 爬取数据后可视化
+- [定时任务调度](./workflow-automation.md) - 定时爬取
+- 📺 视频课程：[网络爬虫100讲](https://www.bilibili.com/video/BV1y54y1y74F)
+- 👥 技术交流：[加入读者群](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+Python爬虫的核心技能：
+- 🕷️ requests + BeautifulSoup 适合静态页面
+- 🌐 Selenium 处理动态页面
+- 🤖 礼貌爬取、频率控制
+- 💾 多样化数据存储
+- ⚖️ 遵守法律和robots.txt
+
+**核心思路**：先分析网站结构，再选择合适工具，最后用pandas处理数据。结合 AI 做数据分析和决策，能创造更大价值。
\ No newline at end of file
diff --git a/docs-pages/vuepress/tips/best-practices/wechat-bot.md b/docs-pages/vuepress/tips/best-practices/wechat-bot.md
new file mode 100644
index 0000000..171ae94
--- /dev/null
+++ b/docs-pages/vuepress/tips/best-practices/wechat-bot.md
@@ -0,0 +1,287 @@
+# 微信机器人自动化：用Python实现微信消息自动回复
+
+微信已经成为工作和生活的重要沟通工具。本文介绍如何用Python实现微信机器人，让它帮你自动处理消息、群管理、信息收集等任务。
+
+## 一、场景应用
+
+| 场景 | 描述 |
+|------|------|
+| 自动回复 | 关键词触发回复 |
+| 群管理 | 自动踢人、欢迎新人 |
+| 信息收集 | 收集群成员信息 |
+| 定时提醒 | 会议、日程提醒 |
+| 文件备份 | 自动下载重要文件 |
+
+## 二、python-office 一行代码方案
+
+```python
+import python-office
+
+# 一行代码发送消息
+python-office.wechat.send(
+ who='文件传输助手',
+ msg='Hello from Python!'
+)
+
+# 一键群发
+python-office.wechat.group_send(
+ group='技术交流群',
+ msg='今日技术分享...'
+)
+```
+
+## 三、自定义微信机器人
+
+### 安装依赖
+
+```bash
+pip install itchat python-office
+```
+
+### 基础机器人
+
+```python
+import itchat
+from itchat.content import TEXT, PICTURE, FILE
+
+@itchat.msg_register(TEXT)
+def text_reply(msg):
+ """文本自动回复"""
+ text = msg['Text']
+ user = msg['FromUserName']
+
+ # 关键词回复
+ if '你好' in text or 'hello' in text.lower():
+ return '你好！我是python-office机器人，有什么可以帮你？'
+
+ if 'python' in text.lower():
+ return '推荐学习 python-office 库，一行代码实现自动化办公！'
+
+ if '课程' in text:
+ return 'AI+自动化办公35讲，原价499现价299，详情查看：https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA'
+
+ # 默认回复
+ return f'收到你的消息：{text}'
+
+@itchat.msg_register(PICTURE)
+def image_reply(msg):
+ """图片自动保存"""
+ msg['Text'](msg['FileName']) # 下载图片
+ return '图片已保存！'
+
+# 登录
+itchat.auto_login(hotReload=True)
+itchat.run()
+```
+
+### 群管理机器人
+
+```python
+import itchat
+from itchat.content import TEXT, NOTE
+import time
+
+class GroupBot:
+ """群管理机器人"""
+
+ def __init__(self):
+ self.welcome_msg = """欢迎 @{nickname} 加入群聊！
+
+ 群规：
+ 1. 禁止广告
+ 2. 禁止人身攻击
+ 3. 鼓励技术交流
+
+ 群精华：https://www.python-office.com
+ """
+
+ def welcome_new_member(self, msg):
+ """欢迎新成员"""
+ if msg['Status'] == 4: # 入群
+ welcome_text = self.welcome_msg.format(nickname=msg['ActualNickName'])
+ itchat.send_msg(welcome_text, msg['FromUserName'])
+
+ def detect_ad(self, msg):
+ """检测广告"""
+ ad_keywords = ['加微信', '代理', '兼职', '刷单', 'http', '点击']
+ for kw in ad_keywords:
+ if kw in msg['Text']:
+ return True
+ return False
+
+ def auto_remove_ads(self, msg):
+ """自动处理广告"""
+ if self.detect_ad(msg):
+ # 撤回消息
+ itchat.delete_member(msg['FromUserName'], msg['ActualUserName'])
+ return '检测到广告，已处理'
+
+# 注册
+@itchat.msg_register(TEXT, isGroupChat=True)
+def group_text(msg):
+ bot = GroupBot()
+
+ # 处理广告
+ result = bot.auto_remove_ads(msg)
+ if result:
+ return result
+
+ return None
+
+@itchat.msg_register(NOTE, isGroupChat=True)
+def group_note(msg):
+ bot = GroupBot()
+ bot.welcome_new_member(msg)
+
+itchat.auto_login(hotReload=True)
+itchat.run()
+```
+
+## 四、定时任务机器人
+
+```python
+import schedule
+import time
+import itchat
+
+class ScheduledBot:
+ """定时任务机器人"""
+
+ def __init__(self, target_group):
+ self.target_group = target_group
+
+ def daily_news(self):
+ """每日新闻推送"""
+ # 实际应用中接入新闻API
+ news = """
+ 📰 今日早报
+
+ 1. Python 3.13 正式发布
+ 2. AI办公自动化成为新趋势
+ 3. 程序员晚枫新课上线
+
+ 详情查看：https://www.python-office.com
+ """
+ itchat.send_msg(news, self.target_group)
+
+ def weather_reminder(self):
+ """天气提醒"""
+ weather = """
+ 🌤️ 今日天气
+
+ 北京: 晴 25°C
+ 上海: 多云 28°C
+ 广州: 雷阵雨 30°C
+
+ 出行记得带伞！
+ """
+ itchat.send_msg(weather, self.target_group)
+
+ def lunch_reminder(self):
+ """午餐提醒"""
+ itchat.send_msg('🍱 午饭时间到啦！记得按时吃饭～', self.target_group)
+
+ def off_work_reminder(self):
+ """下班提醒"""
+ msg = """
+ 🌆 下班时间到！
+
+ 今日工作汇报：
+ 1. 完成代码review
+ 2. 修复了3个bug
+ 3. 发布了新版本
+
+ 明日计划：
+ 1. 开发新功能
+ 2. 性能优化
+
+ 加油！💪
+ """
+ itchat.send_msg(msg, self.target_group)
+
+ def start(self):
+ """启动定时任务"""
+ schedule.every().day.at('08:00').do(self.daily_news)
+ schedule.every().day.at('07:30').do(self.weather_reminder)
+ schedule.every().day.at('12:00').do(self.lunch_reminder)
+ schedule.every().day.at('18:00').do(self.off_work_reminder)
+
+ # 登录
+ itchat.auto_login(hotReload=True)
+
+ # 主循环
+ while True:
+ schedule.run_pending()
+ itchat.run(blockThread=False) # 不阻塞
+ time.sleep(60)
+
+# 使用
+bot = ScheduledBot('技术交流群')
+bot.start()
+```
+
+## 五、信息收集机器人
+
+```python
+class InfoCollector:
+ """信息收集机器人"""
+
+ def __init__(self, source_group, target_user):
+ self.source_group = source_group
+ self.target_user = target_user
+ self.collected = []
+
+ def collect_resume(self, msg):
+ """收集群里的简历信息"""
+ keywords = ['简历', '求职', '面试', '招聘']
+ if any(kw in msg['Text'] for kw in keywords):
+ self.collected.append({
+ 'time': time.time(),
+ 'sender': msg['ActualNickName'],
+ 'content': msg['Text'],
+ })
+
+ def send_daily_report(self):
+ """发送每日收集报告"""
+ if not self.collected:
+ return
+
+ report = f"📊 今日收集 {len(self.collected)} 条信息\n\n"
+ for item in self.collected:
+ report += f"【{item['sender']}】\n{item['content']}\n\n"
+
+ itchat.send_msg(report, self.target_user)
+ self.collected.clear()
+
+# 注册到群消息
+@itchat.msg_register(TEXT, isGroupChat=True)
+def collect_info(msg):
+ collector.collect_resume(msg)
+
+# 定时发送
+schedule.every().day.at('20:00').do(collector.send_daily_report)
+```
+
+## 六、相关资源
+
+- [python-office 官方文档](https://www.python-office.com) - Python自动化办公库
+- [AI + 自动化办公课程](https://mp.weixin.qq.com/s/Z3WhrmYeavrCw_FOXgiDPA) - 35讲AI办公自动化实战
+- [邮件自动化](../python/email-automation.md) - 邮件机器人
+- [定时任务调度](./workflow-automation.md) - 任务自动化
+- 📺 视频课程：[微信机器人10讲](https://www.python-office.com/course-002/10-PyOfficeRobot/10-PyOfficeRobot.html)
+- 👥 技术交流：[加入讨论](https://www.python4office.cn/wechat-qrcode/)
+
+## 总结
+
+通过Python微信机器人：
+- 💬 自动回复消息
+- 👥 智能群管理
+- ⏰ 定时任务提醒
+- 📊 信息自动收集
+
+**注意事项**：
+- 个人微信有封号风险，建议使用企业微信
+- 遵守微信使用规范
+- 不要频繁发送消息
+
+**核心思路**：用 itchat 监听消息，用关键词匹配触发回复，用 schedule 实现定时。打造属于你的私人微信助理。
\ No newline at end of file
diff --git a/docs-pages/vuepress/video/video.md b/docs-pages/vuepress/video/video.md
index 3bb2bee..45d8344 100644
--- a/docs-pages/vuepress/video/video.md
+++ b/docs-pages/vuepress/video/video.md
@@ -34,11 +34,11 @@ sidebar: auto
-
-
+
