实用脚本有哪些提高工作效率的写法

wen 实用脚本 2026-07-25 3

从入门到精通的5个核心技巧

📖 目录导读

为什么你需要关注脚本的效率写法？
用“函数封装”代替“重复代码”
活用“批量处理”与“循环优化”
巧用“错误处理”与“日志记录”
借助“外部工具”与“系统命令”
模块化与参数化设计
常见问题解答（FAQ）

为什么你需要关注脚本的效率写法？

在日常工作中,脚本（Shell、Python、PowerShell等）是自动化重复任务的利器，但很多人写脚本只关注“能不能跑”，而忽略了“跑得快不快”和“改起来方不方便”。实用的脚本应该像瑞士军刀——小巧、多功能、易于改造。

实用脚本有哪些提高工作效率的写法

Q：为什么我的脚本经常跑着跑着就卡住，或者出现莫名其妙的问题？
A：最常见的原因是缺乏错误处理机制和模块化设计，比如直接硬编码路径、没有前置检查、循环中嵌套太多无关操作等，下面我们就从5个方面来拆解高效脚本的写法。

技巧一：用“函数封装”代替“重复代码”

核心思想： 任何出现超过两次的代码块，都应该封装成函数，这不仅是代码整洁，更直接关系到脚本的可维护性和执行效率。

错误示范：

# 重复的备份操作
cp /data/file1 /backup/file1_20250404
cp /data/file2 /backup/file2_20250404
cp /data/file3 /backup/file3_20250404

高效写法（Shell示例）：

backup_file() {
    local src=$1
    local dest_base="/backup"
    local timestamp=$(date +%Y%m%d)
    local filename=$(basename "$src")
    cp "$src" "${dest_base}/${filename}_${timestamp}"
    echo "[INFO] 已备份: $src"
}
# 调用
backup_file "/data/file1"
backup_file "/data/file2"

效果： 当需要修改备份路径或文件名格式时，只需改函数内部一行代码。

技巧二：活用“批量处理”与“循环优化”

核心思想： 手动处理多个相同格式的文件是效率杀手，利用for循环、find命令或数组，可以一键处理成百上千个文件。

Q：如何快速处理某个目录下所有.log文件？
A：使用find搭配循环，比逐个写文件名高效100倍。

高效写法（Shell示例）：

#!/bin/bash
# 批量压缩日志文件
find /var/log -name "*.log" -type f | while read logfile; do
    if [ -f "$logfile" ]; then
        gzip "$logfile" 2>/dev/null
        echo "压缩完成: $logfile"
    fi
done

优化点：

用find而不是ls，避免文件名含空格导致的错误。
使用while read逐行处理，兼容特殊字符。
添加-type f只处理文件，排除目录。

Python版本更简洁：

import glob
import gzip
import shutil
for log_path in glob.glob("/var/log/*.log"):
    with open(log_path, 'rb') as f_in:
        with gzip.open(f"{log_path}.gz", 'wb') as f_out:
            shutil.copyfileobj(f_in, f_out)
    print(f"压缩: {log_path}")

技巧三：巧用“错误处理”与“日志记录”

核心思想： 没有人希望脚本在半夜悄无声息地失败。始终假设“明天会跑失败”并做好预案。

Q：如何让脚本在出错时自动重试并通知我？
A：使用trap命令和重试逻辑。

高效写法（Shell示例）：

#!/bin/bash
MAX_RETRIES=3
RETRY_COUNT=0
LOG_FILE="/var/log/script.log"
log_message() {
    echo "$(date '+%Y-%m-%d %H:%M:%S') - $1" | tee -a "$LOG_FILE"
}
retry_command() {
    local cmd="$1"
    while [ $RETRY_COUNT -lt $MAX_RETRIES ]; do
        if eval "$cmd" 2>&1 | tee -a "$LOG_FILE"; then
            log_message "命令执行成功: $cmd"
            return 0
        else
            RETRY_COUNT=$((RETRY_COUNT + 1))
            log_message "命令失败，重试第 $RETRY_COUNT 次: $cmd"
            sleep 2
        fi
    done
    log_message "错误：命令最终失败，超出最大重试次数: $cmd"
    exit 1
}
# 使用
retry_command "curl -s https://api.example.com/data"

关键点：

用tee -a同时输出到终端和日志文件。
记录时间戳,方便排查问题产生的时间点。

技巧四：借助“外部工具”与“系统命令”

核心思想： 不要重复发明轮子。Linux系统自带的大量小工具（awk、sed、jq、parallel等）可以极大简化脚本逻辑。

Q：如何从JSON文件中提取特定字段并统计数量？
A：用jq一行搞定，比写几十行Python循环更简洁。

高效写法（Shell示例）：

# 统计所有用户中状态为active的数量
cat users.json | jq -r '.[] | select(.status=="active") | .name' | wc -l

另一个典型场景：并行处理

# 使用GNU parallel并行压缩文件（比串行快N倍）
find /data -name "*.csv" | parallel gzip {}

Q：什么时候适合用外部工具？
A：当你的任务包含文本解析、数据过滤、正则替换或批量并行操作时，优先考虑jq、yq、parallel等专用工具。

技巧五：模块化与参数化设计

核心思想： 一个脚本永远不要硬编码任何值，路径、用户名、端口号都应该通过参数传入。

Q：如何让脚本既能用于开发环境，又能用于生产环境？
A：使用配置文件和命令行参数。

高效写法（Python示例）：

import argparse
import configparser
import os
def load_config():
    parser = argparse.ArgumentParser(description='批量数据处理工具')
    parser.add_argument('--env', choices=['dev', 'prod'], default='dev',
                        help='运行环境')
    parser.add_argument('--config', default='config.ini',
                        help='配置文件路径')
    args = parser.parse_args()
    config = configparser.ConfigParser()
    config.read(args.config)
    section = args.env.upper()
    # 从配置中读取参数
    db_host = config.get(section, 'db_host', fallback='localhost')
    db_port = config.getint(section, 'db_port', fallback=3306)
    return db_host, db_port
if __name__ == '__main__':
    host, port = load_config()
    print(f"连接到数据库: {host}:{port}")
    # 实际业务逻辑...

效果： 只需修改config.ini文件中的[DEV]或[PROD]段，脚本即可切换环境。