從手動到自動：Python 辦公室自動化的 5 個關鍵啟示

簡報：

教學影片：

想像一下，你的工作週報表需要手動合併 25 個地區郵局的地址檔案，或者反過來將一個巨大的合併檔拆分回原始檔案。對於多數上班族而言，這種「重複性、低效率的手動操作」是精力的無謂消耗。如果原本需要耗費數小時的瑣碎點擊，透過 Python 只需要幾秒鐘就能完成，這不僅是效率的提升，更是工作方式的根本變革。

重點一：掌握「三行存檔法」——化繁為簡的程式美學

在 Python 的世界裡，處理檔案的核心邏輯可以被精煉為極致簡潔的三個動作：開啟檔案（Open）、寫入內容（Write）、以及關閉檔案（Close）。這種「三行存檔法」是辦公自動化的基礎，因為它排除了複雜的圖形介面，直接透過程式碼與系統進行底層對話。

作為技術顧問，我必須強調一個細節：在執行 write() 後，務必記得 close()。誠如原始碼所言：「如果你記不起來的話...三行的存檔，只是說它存的是文字。」但若未確實關閉檔案，檔案會持續佔用記憶體，導致無法移動或刪除，其行為就像「系統病毒」一樣鎖死檔案。

重點二：OS 模組是你的「數位祕書」——檔案管理的自動化之鑰

面對大量檔案，手動輸入檔名不僅緩慢且極易出錯。Python 內建的 os 模組是解決此問題的關鍵，透過 os.listdir() 指令，程式能瞬間將指定目錄下的所有檔名轉化為一個「清單 (List)」。

從「單一變數」到「清單」的轉變是自動化的分水嶺，因為清單能配合迴圈進行批次處理。技術實作時，請務必養成使用原始字串 r"C:\path\to\folder" 的習慣，利用前綴 r 來避免 Windows 路徑中反斜線造成的轉義錯誤，確保你的「數位祕書」能精準找到正確的路徑。

重點三：反向工程的藝術——精準切割與檔名自動擷取

自動化的高階應用在於「反向工程」，即從既有的資料規律中提取邏輯。例如，我們可以使用雙換行符號 \n\n 作為 split() 的切割點，將合併檔拆散。此時，利用字串切片 [15:17] 即可自動抓取地區名稱（如「三重」、「中壢」）作為新檔名。

邏輯思維： 這種切片技術之所以可行，是因為原始資料具備「固定寬度 (Fixed-width)」的規律。自動化並非魔術，而是建立在對資料模式的深度洞察之上，一旦識別出固定索引位，手動輸入便宣告終結。

專業警示： 執行 split('\n\n') 時，清單末尾常會產生一個空的字串元素，導致原本 25 個檔案變成 26 個項目。在寫入迴圈前，務必使用 len() - 1 或邏輯判斷排除最後一個空元素，否則程式會因為無法對「空資料」進行切片存檔而崩潰。

重點四：Excel 不只是試算表——它是可程式化的物件

在企業實務中，將 .txt 轉換為 .xlsx 是極具價值的流程。透過 openpyxl 模組，我們可以將 Excel 視為一種物件階層：一個「活頁簿 (Workbook)」包含多個「工作表 (Sheet)」。

透過 pip install openpyxl 安裝後，你可以使用 append() 方法寫入資料。但請注意一個技術細節：append() 需要的是「清單格式」。你不能直接把一整行長字串丟進去，必須先透過 split(' ') 將內容轉化為 List，Python 才能正確地將每個元素填入對應的儲存格列。

重點五：極致的細節控——自動化分頁與清理無用標籤

專業的自動化指令碼不應留下任何「副作用」。例如，當你為 25 個地區建立 25 個獨立工作表（使用 wb.create_sheet()）時，Excel 預設會保留一個名為 "Sheet" 的空白初始分頁。

為了產出最專業的成果，資深開發者會利用 remove() 或 del 指令，在存檔前將這個空白標籤刪除。這種對細節的控管，確保了交付給客戶或主管的 Excel 檔案清爽、準確且無需人工再次調整，這正是專業自動化方案與業餘腳本的區別。

--------------------------------------------------------------------------------

總結：AI 時代的必備素養——與機器溝通的能力

在 ChatGPT 等 AI 工具普及的今天，寫程式的技術門檻已大幅降低，但這並不代表人類不需要學習 Python。相反地，唯有具備基礎的程式素養，你才能提出正確的需求（Prompting），並識別出 AI 生成程式碼中的潛在邏輯錯誤。

理解資料型態、路徑邏輯與模組架構，是現代上班族與機器有效溝通的基礎。當你掌握了這套語言，你便能指揮機器為你代勞。

結語問題： 在下一次面對繁瑣的重複工作時，你會選擇繼續低效勞動，還是花十分鐘寫出一段能為你節省數小時的 Python 程式碼？

 

告別加班！Excel VBA 隱藏技巧大公開：如何用「錄製巨集」打造一鍵生成的自動化報表

簡報：

教學影片：

1. 序言：重複勞動的終結者

在辦公室裡，你是否每天都在重複同樣的操作：打開原始資料、插入樞紐分析表、調整欄位、設定折線圖格式？這些看似細碎的動作，累積起來就是無止盡的加班。我常跟學生說，如果你每天花 30 分鐘做同樣的事，一年就是 120 小時的浪費。

Excel VBA（Visual Basic for Applications）自 1993 年誕生至今，已經引領了超過 30 年的生產力革命。對於非工程師背景的辦公室族群來說，你不必從底層語法學起，「錄製巨集」就是你最強大的助手。想像一下，只要按下一個按鈕，所有的報表與圖表在一秒內自動歸位，這不僅是技術的展現，更是職業尊嚴的解放。

2. 啟動第一步：開發人員標籤與「小寫檢查法」

在開始任何自動化之前，必須先解鎖 Excel 的隱藏面板。如果沒有這一步，後面講的一切都是空談。

• 開啟工具箱： 點擊「檔案」>「選項」>「自訂功能區」，在右側清單中勾選「開發人員」。這就是你通往自動化世界的入口。

作為一名實戰 30 年的專家，我分享一個獨門的「經驗法則」：在撰寫或微調代碼時，養成用小寫輸入關鍵字的習慣。例如，你輸入 sheets("工作表1").select，只要單字拼寫正確，當你移開游標時，VBA 會自動將其首字母大寫化為 Sheets。如果它沒變大寫，就代表你拼錯了。這是我對抗 Bug 最簡單也最有效的防線。

3. 第一大亮點：錄製巨集——你的程式設計「學步車」

錄製巨集的本質，是將你的滑鼠與鍵盤操作，自動轉換為「物件導向」的程式語言。你會看到 Excel 檔案變成了 Workbook，分頁變成了 Worksheet，儲存格則是 Range。

「錄製巨集這個功能對於完全不會寫程式的人來說，是很好的協助。我以前很多地方寫不出來，若沒有錄製功能，可能就直接開天窗了。」

錄製功能就像是學步車，讓你透過「閱讀與分析」電腦產生的代碼來學習。透過觀察錄製出來的內容，你會發現電腦運行的邏輯，從中掌握控制 Excel 物件的權力，而不必死記硬背教科書。

4. 第二大亮點：別拿開發 AI 的牛刀來殺自動化的雞

現在很多人流行問 AI（如 ChatGPT，或我戲稱的「龍蝦」LLM）來寫程式。AI 確實強大，但在解決細微的辦公室自動化問題時，有時反而「隔了好幾層」。

當你直接對著 Excel 錄製時，你是在直接觸碰「物件」；當你問 AI 時，你需要花大量時間精準描述你的試算表架構，如果描述稍有偏差，AI 給出的代碼往往無法直接運行。

「殺雞不用牛刀。你請那個龍蝦幫你做最後的事情，有時候反而有點像隔好幾層。選對工具，往往比追求最新科技更重要。」

5. 第三大亮點：樞紐分析表錄製成功的「反直覺」秘訣

錄製樞紐分析表是最多人「翻車」的地方。這是因為 Excel 在後台會建立一個名為 PivotCache（樞紐快取）的空間，如果沒處理好，程式就會崩潰。

• 戰前清場： 錄製前，請確保除了原始資料外，刪除所有其他工作表，避免舊的快取污染你的程式碼。
• 反直覺的操作順序： 這是實戰換來的血汗經驗。一般人習慣先拉「列（Rows）」再拉「值（Values）」，但在錄製巨集時，請務必先拉「值」，再拉「列」。
• 專業視覺優化： 在錄製時，記得將資料進行 Z 到 A（由大到小）排序，這樣生成的樞紐圖才會具備專業報表的水準。

6. 第四大亮點：破解「執行階段錯誤 1004」的整潔代碼法

錄製器產生的原始碼通常帶有「汙垢」，最常見的就是「硬編碼（Hardcoding）」。它會把工作表名稱寫死（例如 工作表1!），導致你在其他分頁執行時跳出「錯誤 1004」。

你需要對代碼進行「去汙」手術：

• 定位參數： 找到 TableDestination（目標位置）那一行。
• 切除贅肉： 刪除工作表名稱與其後的驚嘆號。

修復範例：

• 原本（錯誤）： TableDestination:="工作表1!R3C3"
• 修正（通用）： TableDestination:="R3C3" (這裡的 R3C3 指的是 A3 儲存格)

這樣修改後，程式碼就能在任何當下的分頁中靈活運行，不再被特定名稱綁死。

7. 第五大亮點：模組化思考——「電影剪輯式」的自動化

錄製一整套複雜報表時，千萬不要試圖「一鏡到底」。如果中間出了一個錯，整段錄製就作廢了。

專家建議採用「分而治之」的模組化策略：

1. 單獨錄製一個 Sub 樞紐表()。
2. 單獨錄製一個 Sub 樞紐圖()。
3. 建立一個主程序，利用 Call 指令將它們串聯。

這就像拍電影一樣，分場景拍攝，最後再剪輯在一起。這樣如果圖表有問題，你只需要重拍（重錄）圖表那一幕，而不需要動到辛苦做好的報表。

8. 第六大亮點：萬用的「防呆一行文」——讓 Bug 消弭於無形

在自動化刪除舊資料時，最怕遇到「找不到對象」。例如你的程式指令是先刪除「舊報表」分頁，但如果這份檔案是第一次跑，根本沒有「舊報表」，程式就會當掉。

這時你需要這行神級代碼：On Error Resume Next。

這不是懶惰，而是「戰略性忽略」。它告訴電腦：如果遇到錯誤（比如找不到要刪除的工作表），別管它，繼續跑下一行。

「只要程式有 Bug，你就加這一行。以前我們當工程師的時候，每個工程師都很耐用，就每個地方都寫這個，程式就再也不會報錯了。」

9. 結語：從「打怪」中累積的不可替代性

VBA 不僅僅是工具，它更像是一場「打怪」的冒險。書本上的範例永遠是完美的，但真實世界的報表滿是坑洞。

擁有「解決書本沒講的問題」的經驗，才是你在 AI 時代最核心的籌碼。當別人還在苦惱 AI 給的代碼為什麼不能跑時，你已經能透過錄製、微調、模組化，精準地解決眼前的難題。這種實戰經驗累積出來的商業價值，才是你職場升遷與議價的真正實力。從今天起，打開你的「開發人員」標籤，開始錄製你的第一個自動化劇本吧！

 

從 AI 輔助到自動化報表：Python 初學者必知的 5 個超直覺關鍵思維

簡報：

教學影片：

前言

為什麼現在學習寫程式不再像以前那樣艱辛？回想起過去，我們可能需要去圖書館翻閱厚重的書籍，面對每本書寫法都不盡相同的困境，即便帶回家苦讀依然看不懂，那段學習歷程確實非常辛苦。然而，現在我們正處於一個「AI 輔助開發」與「邏輯思維」結合的新時代。

想像一下，如果你能讓程式自動幫你統計成績、處理成千上萬筆資料，並直接產出 Excel 報表，你的工作效率會提升多少？學習 Python 的重點已不再是死背語法，而是理解如何指揮工具為你服務。

重點一：別怕出錯，讓 AI 成為你的邏輯調校師

當你在 while 迴圈的迷宮裡打轉，或是為了判斷何時該結束輸入而苦惱時，千萬不要灰心。我常跟學生說：「看懂比寫出來更重要」。與其死磕語法，不如學習如何與 AI 協作。

特別是在處理「輸入 -1 結束」這種邏輯時，初學者常被複雜的條件式搞瘋。我推薦一種更直覺的「標準寫法」：利用「無窮迴圈」while True 搭配一個明確的出口 if input == -1: break。這種寫法閱讀起來最符合人類邏輯，也最不容易出錯。如果你發現邏輯轉不直，就把問題丟給 AI 吧！

如果你投進去想半天還想不出來這個時候，你也可以把問題先丟給 AI，他會給你一個方向，然後你慢慢再去思考。

這並非依賴，而是一種調校思維的過程。程式寫錯了再改就好，AI 的即時回饋能讓你更直覺地掌握邏輯結構。

重點二：F-string 是輸出格式化的「神之括弧」

過去在輸出包含文字與數字的結果時，我們必須繁瑣地使用 str() 進行轉型，並用加號（+）串接，代碼看起來既凌亂又難以維護。身為過來人，我強烈建議你直接學會 f-string（在字串前加上小寫 f，搭配大括弧 {}）。

這套語法在未來開發中會頻繁使用。例如，當你需要將平均成績顯示到小數點第二位時，只需在括弧內加入 :.2f 即可輕鬆達成。這種寫法極其直觀，能大幅提升代碼的可讀性，讓你一眼就看出輸出的內容與格式。

重點三：串列 (List) 其實就是 Python 裡的動態 Excel 欄位

「串列」是 Python 中最重要的資料型態，你可以直接將它類比為 Excel 裡的一個單一欄位。當面對不確定數量的資料輸入（例如不知道班級有幾位學生）時，最佳實踐是先建立一個空的串列，然後利用 append() 函數動態地將數據一筆一筆新增進去，就像是在 Excel 表格下方不斷新增資料列。

一旦資料存入串列，Python 內建的強大函數就能立即派上用場：

• len()：一秒計算資料總數（學生人數）。
• sum()：瞬間完成加總。
• max() 與 min()：快速找出最高分與最低分。

重點四：文字切割 (Split) 與轉型是自動化的第一步

真正的自動化，是從「讀取檔案」開始的。當我們讀取一個名為 eng.txt 的檔案時，得到的往往是一長串被逗點隔開的「文字」。這時，split(',') 函數就像是 Excel 的「資料剖析」，能幫你將長字串切開並轉化為串列。

但這裡有一個新手最容易掉進去的 Bug：文字是不具備計算能力的。從檔案讀進來的「"95"」跟數字「95」是兩回事。你必須透過迴圈，將串列中的每個元素進行轉型。我建議使用 float() 而非 int()，因為成績往往會有小數點。將文字精煉為數字後，你才算真正掌握了數據的控制權。

重點五：一秒變 Excel：副檔名的魔法補丁

很多人以為要產出報表需要安裝複雜的函式庫，其實有一種極簡且具備成本效益的解決方案：CSV 格式。只要在程式輸出檔案時，將副檔名從 .txt 改為 .csv，並確保資料間以逗點分隔，這份檔案就能直接被 Excel 開啟。

什麼事都不用做，你只需要把副檔名改成 .csv... 他預設的開啟程式就是 Excel。

這種方法不需要任何額外的技術門檻，對於處理小型辦公室的自動化需求來說，是最直覺且高效的報表解決方案。

技術地雷區：解開幾十年的編碼老問題

在讀取外部檔案（例如從 Google Drive 或 Colab 下載的文件）時，你可能會撞上一道「隱形的牆」——編碼報錯。由於 Windows 系統預設編碼與網路通用的 UTF-8 標準長期存在衝突，這連 AI 有時都救不了你。

請養成一個好習慣：在調用 open() 指令時，務必手動指定 encoding='utf-8'。這是一個決定性的細節，能幫你省下無數在螢幕前對著亂碼發呆的時間。

結語

從基礎的 while 邏輯、串列的運用，到最後將分析結果輸出成 CSV 報表，這就是一條完整的 Python 自動化路徑。我常告訴學生，程式不需要死背，關鍵在於理解邏輯。建議大家嘗試「不看答案自己做一遍」，唯有親自動手，才能將技術轉化為解決問題的超能力。

思考題： 既然你已經學會了如何讓 Python 讀取並分析一個檔案，下一次，你會嘗試讓它自動處理你桌面上哪一個重複性最高、最讓你心煩的繁瑣文件呢？