小明：你好，李老师，最近我在研究高校人事系统的优化问题，听说你对Python有深入的研究，能和我聊聊吗？

李老师：当然可以！你对高校人事系统有什么具体的问题吗？比如数据处理、自动化流程，还是系统集成方面的？

小明：主要是数据处理和自动化方面。我们学校的人事系统现在用的是一个老旧的数据库，很多信息更新不及时，而且手动操作太麻烦了。我想用Python来改善这个情况。

李老师：这确实是个很实际的问题。Python在数据处理和自动化方面非常强大。我们可以从几个方面入手，比如使用Python连接数据库、处理数据、生成报告，甚至实现一些自动化的任务。

小明：听起来很有意思。那你能给我举个例子吗？比如怎么用Python连接数据库？

李老师：当然可以。首先，我们需要安装Python的数据库连接库，比如`pyodbc`或`sqlalchemy`。下面是一个简单的示例代码，展示如何用Python连接到SQL Server数据库：

import pyodbc

# 连接字符串
conn_str = (
    'DRIVER={ODBC Driver 17 for SQL Server};'
    'SERVER=your_server;'
    'DATABASE=your_database;'
    'UID=your_username;'
    'PWD=your_password'
)

# 建立连接
conn = pyodbc.connect(conn_str)
cursor = conn.cursor()

# 查询数据
cursor.execute("SELECT * FROM employees")
rows = cursor.fetchall()

for row in rows:
    print(row)

# 关闭连接
cursor.close()
conn.close()
    

小明：这段代码看起来挺直观的。那如果我要把查询结果导出成Excel文件呢？

李老师：可以用`pandas`库来处理数据，并将其导出为Excel。下面是一个完整的例子：

import pandas as pd
import pyodbc

# 连接数据库
conn_str = (
    'DRIVER={ODBC Driver 17 for SQL Server};'
    'SERVER=your_server;'
    'DATABASE=your_database;'
    'UID=your_username;'
    'PWD=your_password'
)

conn = pyodbc.connect(conn_str)
cursor = conn.cursor()

# 查询数据
cursor.execute("SELECT * FROM employees")
rows = cursor.fetchall()

# 将数据转换为DataFrame
columns = [column[0] for column in cursor.description]
df = pd.DataFrame(rows, columns=columns)

# 导出为Excel
df.to_excel('employees.xlsx', index=False)

# 关闭连接
cursor.close()
conn.close()
    

小明：哇，这样就能直接生成Excel报表了，真的方便多了。那有没有办法把这些数据可视化呢？比如生成图表？

李老师：当然可以。我们可以用`matplotlib`或`seaborn`库来生成图表。比如，我们可以统计一下不同部门的员工数量，然后画出柱状图：

import pandas as pd
import matplotlib.pyplot as plt
import pyodbc

# 连接数据库
conn_str = (
    'DRIVER={ODBC Driver 17 for SQL Server};'
    'SERVER=your_server;'
    'DATABASE=your_database;'
    'UID=your_username;'
    'PWD=your_password'
)

conn = pyodbc.connect(conn_str)
cursor = conn.cursor()

# 查询数据
cursor.execute("SELECT department, COUNT(*) AS count FROM employees GROUP BY department")
rows = cursor.fetchall()

# 转换为DataFrame
columns = [column[0] for column in cursor.description]
df = pd.DataFrame(rows, columns=columns)

# 绘制柱状图
plt.figure(figsize=(10, 5))
plt.bar(df['department'], df['count'])
plt.xlabel('Department')
plt.ylabel('Number of Employees')
plt.title('Employee Count by Department')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

# 关闭连接
cursor.close()
conn.close()
    

小明：太棒了！这样不仅能够分析数据，还能直观地看到结果。那如果我想把这些功能封装成一个脚本，定时运行呢？

李老师：这是一个非常好的想法。我们可以使用`schedule`库来设置定时任务。例如，每天早上8点执行一次数据提取和报表生成任务。

import schedule
import time
import pandas as pd
import pyodbc

def generate_report():
    # 连接数据库
    conn_str = (
        'DRIVER={ODBC Driver 17 for SQL Server};'
        'SERVER=your_server;'
        'DATABASE=your_database;'
        'UID=your_username;'
        'PWD=your_password'
    )

    conn = pyodbc.connect(conn_str)
    cursor = conn.cursor()

    # 查询数据
    cursor.execute("SELECT * FROM employees")
    rows = cursor.fetchall()

    # 转换为DataFrame
    columns = [column[0] for column in cursor.description]
    df = pd.DataFrame(rows, columns=columns)

    # 导出为Excel
    df.to_excel('employees.xlsx', index=False)

    # 关闭连接
    cursor.close()
    conn.close()

# 设置定时任务
schedule.every().day.at("08:00").do(generate_report)

# 启动调度器
while True:
    schedule.run_pending()
    time.sleep(1)
    

小明：这简直太完美了！这样就实现了自动化，省去了人工操作。那如果我们要把这些数据上传到云端或者发送邮件给管理员呢？

李老师：这也是可以实现的。比如，我们可以用`smtp`库发送邮件，或者用`boto3`将文件上传到AWS S3等云存储服务。

小明：那我可以先尝试发送邮件，你觉得怎么样？

李老师：好的，下面是一个发送邮件的简单示例。你需要配置好邮箱的SMTP服务器信息，比如QQ邮箱或163邮箱的SMTP地址和端口。

import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.base import MIMEBase
from email import encoders

# 邮件信息
sender_email = "your_email@example.com"
receiver_email = "admin@example.com"
subject = "每日员工报表"
body = "请查收今天的员工报表。"

# 创建邮件对象
msg = MIMEMultipart()
msg['From'] = sender_email
msg['To'] = receiver_email
msg['Subject'] = subject

# 添加正文
msg.attach(MIMEText(body, 'plain'))

# 添加附件
filename = "employees.xlsx"
attachment = open(filename, "rb")

part = MIMEBase('application', 'octet-stream')
part.set_payload((attachment).read())
encoders.encode_base64(part)
part.add_header('Content-Disposition', "attachment; filename= %s" % filename)
msg.attach(part)

# 发送邮件
server = smtplib.SMTP('smtp.example.com', 587)
server.starttls()
server.login(sender_email, "your_password")
text = msg.as_string()
server.sendmail(sender_email, receiver_email, text)
server.quit()
    

小明：这样就可以把报表自动发送给管理员了，真是高效！那接下来，我还想看看能不能把整个流程整合到一个Web界面中，让管理人员可以直接查看数据。

李老师：这需要使用Web框架，比如Flask或Django。我们可以创建一个简单的网页，展示员工信息，并允许搜索和筛选。

小明：那我可以先用Flask试试看，你能给我一个简单的例子吗？

李老师：当然可以。下面是一个使用Flask的简单示例，展示如何从数据库中获取数据并显示在网页上：

from flask import Flask, render_template
import pyodbc

app = Flask(__name__)

# 数据库连接
conn_str = (
    'DRIVER={ODBC Driver 17 for SQL Server};'
    'SERVER=your_server;'
    'DATABASE=your_database;'
    'UID=your_username;'
    'PWD=your_password'
)

@app.route('/')
def index():
    conn = pyodbc.connect(conn_str)
    cursor = conn.cursor()
    cursor.execute("SELECT * FROM employees")
    rows = cursor.fetchall()
    columns = [column[0] for column in cursor.description]
    cursor.close()
    conn.close()
    return render_template('index.html', columns=columns, rows=rows)

if __name__ == '__main__':
    app.run(debug=True)
    

小明：那模板文件该怎么写呢？

李老师：我们可以创建一个名为`index.html`的模板文件，放在`templates`目录下。下面是简单的HTML代码：

    


    
员工信息列表
    
            {% for column in columns %}
                
            {% endfor %}
        
        {% for row in rows %}
            
                {% for item in row %}
                    
                {% endfor %}
            
        {% endfor %}
    

        
{{ column }}
{{ item }}


    

小明：这样就完成了一个简单的Web界面，真是太棒了！看来Python在高校人事系统中的应用真的非常广泛。

李老师：没错，Python不仅提升了数据处理的效率，还增强了系统的可扩展性和用户体验。如果你有兴趣，还可以进一步学习Python的机器学习或大数据处理相关技术，用于更高级的数据分析。

小明：谢谢您，李老师！今天学到了很多，以后我会继续深入学习Python在高校人事系统中的应用。

李老师：不客气，随时欢迎你来交流。祝你项目顺利！