3、Python基础速通（下）：条件判断、循环与函数

好，咱们接着聊。上一节我们把Python的数据类型和运算符过了一遍，算是把"食材"备齐了。这一节，咱们要学的是"烹饪技巧"——怎么让代码根据不同的情况做不同的事，怎么重复做同一件事，以及怎么把一段逻辑打包成"工具"随时调用。

说实话，这三个东西是写RPA脚本的命根子。你想想看，一个自动化流程里，90%的逻辑都离不开判断和循环。我刚开始写RPA脚本的时候，就是因为没搞懂循环的边界条件，结果让脚本把同一个文件处理了100遍……嗯，那天的日志文件看得我头皮发麻。

3.1 条件判断：让代码学会"看人下菜碟"

条件判断，说白了就是让程序在岔路口做选择。Python里最常用的就是if、elif、else三兄弟。

基本写法很简单：

score = 85

if score >= 90:
    print("优秀")
elif score >= 60:
    print("及格")
else:
    print("不及格")

这里有个细节我特别想强调——缩进。Python用缩进来表示代码块，不像其他语言用花括号。我见过太多新手因为缩进不对，程序跑出来的结果完全不是自己想要的。我个人习惯用4个空格，千万别混用Tab和空格，否则你会疯的。

再来看一个RPA场景里的实际用法。比如你要判断一个文件是否存在，再决定要不要处理它：

import os

file_path = "data/report.xlsx"

if os.path.exists(file_path):
    print("文件找到了，开始处理")
    # 这里可以写处理文件的代码
else:
    print("文件不存在，跳过本次任务")

为什么会这样设计？因为RPA脚本经常要处理不确定的情况。文件可能被删了、网络可能断了、数据可能格式不对——没有条件判断，脚本一遇到异常就直接崩了。

3.2 循环：让重复劳动交给机器

循环是RPA的灵魂。你想啊，人工处理100个文件，累得要死；用循环，几行代码搞定。

3.2.1 for循环：遍历一切

for循环在Python里用得最多。它可以遍历列表、字符串、字典、文件行……几乎任何可迭代的东西。

# 遍历列表
files = ["a.txt", "b.txt", "c.txt"]
for file in files:
    print(f"正在处理：{file}")

# 遍历数字范围
for i in range(5):
    print(f"第{i+1}次循环")

这里range()函数要重点说一下。它生成一个整数序列，range(5)生成0到4，range(1, 5)生成1到4，range(1, 10, 2)生成1,3,5,7,9。我在项目中经常用range()来控制循环次数，比如每隔5秒检查一次文件是否生成。

3.2.2 while循环：条件满足就一直干

while循环适合那种"不知道要循环多少次，但知道什么时候停"的场景。

count = 0
while count < 5:
    print(f"当前计数：{count}")
    count += 1  # 别忘了这一行，否则死循环

3.2.3 break和continue：循环里的"刹车"和"跳过"

这两个关键字很实用。break是直接跳出整个循环，continue是跳过当前这一次，继续下一次。

for i in range(10):
    if i == 3:
        continue  # 跳过3
    if i == 7:
        break     # 到7就停
    print(i)
# 输出：0,1,2,4,5,6

3.3 函数定义：把逻辑打包成"工具"

函数是什么？说白了就是把一段代码起个名字，以后想用就调用这个名字。我习惯把函数想象成一个"黑盒子"——你给它输入，它给你输出，中间怎么实现的你不用管。

定义函数用def关键字：

def greet(name):
    """这个函数用来打招呼"""
    return f"你好，{name}！"

# 调用函数
message = greet("小明")
print(message)  # 输出：你好，小明！

函数的好处有三个：

• 复用：写一次，用N次
• 可读：函数名本身就是注释
• 易维护：改一个地方，所有调用都生效

3.4 实战：用循环批量处理文件

好了，理论讲完了，咱们来点真格的。假设你有一个文件夹，里面有100个CSV文件，你需要把每个文件的第一行（表头）提取出来，合并到一个新文件里。这就是典型的RPA场景。

import os

def extract_headers(folder_path, output_file):
    """
    批量提取CSV文件的第一行（表头）
    :param folder_path: 文件夹路径
    :param output_file: 输出文件路径
    """
    # 获取文件夹下所有CSV文件
    csv_files = [f for f in os.listdir(folder_path) if f.endswith('.csv')]
    
    # 打开输出文件
    with open(output_file, 'w', encoding='utf-8') as out:
        # 循环处理每个文件
        for file_name in csv_files:
            file_path = os.path.join(folder_path, file_name)
            try:
                with open(file_path, 'r', encoding='utf-8') as f:
                    first_line = f.readline().strip()
                    out.write(f"{file_name}: {first_line}\n")
                    print(f"已处理：{file_name}")
            except Exception as e:
                print(f"处理{file_name}时出错：{e}")

# 调用函数
extract_headers("./data", "headers_summary.txt")

这段代码里，我把三个知识点全用上了：

• 函数：把整个逻辑封装成extract_headers
• for循环：遍历所有CSV文件
• 条件判断：用if f.endswith('.csv')筛选文件

你想想看，如果人工做这件事，100个文件一个个打开、复制、粘贴，至少得半小时。用这个脚本，几秒钟搞定。这就是RPA的价值。

下一节，咱们要聊Python的"瑞士军刀"——字符串和文件操作。到时候你会看到，怎么用几行代码搞定Excel、Word、PDF的自动化处理。嗯，那才是RPA真正发力的地方。