Automação

Automação Python: Guia Completo 2025

📅 18 de janeiro de 2025 ✍️ Felipe Zanoni

📚 Série: Automação com Python → Zapier | RPA | N8N

O que é Automação Python?

Automação Python usa scripts e libraries (Selenium, BeautifulSoup, Pandas, Schedule) para executar tarefas repetitivas de TI (web scraping, processamento arquivos, envio emails, testes QA) que antes exigiam horas de trabalho manual. Python = linguagem ideal para automação por sintaxe simples + 300k+ packages PyPI cobrindo QUALQUER caso uso. Empresas economizam 20-40h/semana automatizando data entry, reports, backups e integrações vs trabalho manual ou ferramentas SaaS limitadas.

Diferença vs no-code (Zapier/Make): Python = 100% customizável (qualquer lógica complexa) vs no-code = templates prontos (mais rápido setup, menos flexibilidade).

Por Que Python para Automação?

Vantagens Python:

Sintaxe Simples:

# Enviar email (3 linhas)
import smtplib
server = smtplib.SMTP('smtp.gmail.com', 587)
server.sendmail('from@email.com', 'to@email.com', 'Mensagem')

Libraries para TUDO:

Web scraping: Selenium, BeautifulSoup, Scrapy
Data processing: Pandas, NumPy
Automação desktop: PyAutoGUI, Pywin32
APIs: Requests, FastAPI
Schedule: APScheduler, Cron

Cross-platform:

Roda Linux, Windows, macOS (mesmo código)
Deploy em servidor (cron/systemd)

Gratuito + Open-Source:

Zero licença (vs UiPath $2k/ano)
Comunidade gigante (Stack Overflow)

Top 10 Libraries Automação Python

1. Selenium - Web Automation

Uso: Automatizar navegador (login, forms, scraping dinâmico)

from selenium import webdriver
from selenium.webdriver.common.by import By

# Abrir navegador
driver = webdriver.Chrome()
driver.get("https://site.com/login")

# Preencher form
driver.find_element(By.ID, "username").send_keys("user")
driver.find_element(By.ID, "password").send_keys("pass")
driver.find_element(By.ID, "submit").click()

# Extrair dados após login
dados = driver.find_element(By.CLASS_NAME, "dashboard").text

Casos uso:

Testes QA automatizados
Web scraping sites com JavaScript
Bot WhatsApp Web
Preenchimento forms repetitivos

Install: pip install selenium

2. Pandas - Data Processing

Uso: Manipular Excel/CSV (ler, transformar, salvar)

import pandas as pd

# Ler Excel
df = pd.read_excel('vendas.xlsx')

# Filtrar (vendas >R$ 1k)
df_filtrado = df[df['valor'] > 1000]

# Agrupar por vendedor
resumo = df.groupby('vendedor')['valor'].sum()

# Salvar resultado
resumo.to_excel('resumo_vendedores.xlsx')

Casos uso:

Relatórios automatizados
Limpeza dados
Merge múltiplos arquivos
Data analysis

Install: pip install pandas openpyxl

3. Requests - API Calls

Uso: Integrar com APIs REST (GET/POST)

import requests

# GET request
response = requests.get('https://api.com/users')
users = response.json()

# POST request (criar recurso)
data = {"name": "João", "email": "joao@email.com"}
requests.post('https://api.com/users', json=data)

Casos uso:

Integração CRM/ERP
Web scraping APIs
Webhook envio/recebimento
Testar endpoints

Install: pip install requests

4. Schedule - Agendar Tarefas

Uso: Executar scripts em horários específicos

import schedule
import time

def tarefa():
    print("Executando backup...")
    # código backup aqui

# Agendar
schedule.every().day.at("02:00").do(tarefa)  # Todo dia 2am
schedule.every().monday.at("09:00").do(tarefa)  # Segundas 9am
schedule.every(30).minutes.do(tarefa)  # A cada 30min

# Loop infinito
while True:
    schedule.run_pending()
    time.sleep(60)

Casos uso:

Backups automáticos
Scraping periódico
Envio relatórios (diário/semanal)
Monitoramento

Install: pip install schedule

5. BeautifulSoup - HTML Parsing

Uso: Extrair dados HTML (scraping)

from bs4 import BeautifulSoup
import requests

# Baixar página
html = requests.get('https://site.com/produtos').text

# Parsear
soup = BeautifulSoup(html, 'html.parser')

# Extrair elementos
produtos = soup.find_all('div', class_='produto')
for produto in produtos:
    nome = produto.find('h2').text
    preco = produto.find('span', class_='preco').text
    print(f"{nome}: {preco}")

Casos uso:

Scraping preços competidores
Monitorar mudanças site
Extrair dados públicos
Agregação notícias

Install: pip install beautifulsoup4

6. Openpyxl - Excel Avançado

Uso: Manipular Excel (formatar, fórmulas, gráficos)

from openpyxl import load_workbook
from openpyxl.styles import Font

# Abrir Excel existente
wb = load_workbook('relatorio.xlsx')
ws = wb.active

# Adicionar dados
ws['A1'] = 'Vendedor'
ws['B1'] = 'Total'
ws['A1'].font = Font(bold=True)

# Adicionar fórmula
ws['B10'] = '=SUM(B2:B9)'

# Salvar
wb.save('relatorio_atualizado.xlsx')

Casos uso:

Relatórios formatados
Dashboards Excel
Fórmulas dinâmicas
Templates automatizados

Install: pip install openpyxl

7. PyAutoGUI - Desktop Automation

Uso: Controlar mouse/teclado (RPA simples)

import pyautogui
import time

# Clicar posição específica
pyautogui.click(x=100, y=200)

# Digitar texto
pyautogui.write('Hello World', interval=0.1)

# Pressionar teclas
pyautogui.press('enter')

# Screenshot
screenshot = pyautogui.screenshot()
screenshot.save('tela.png')

Casos uso:

Automação apps desktop (sem API)
Testes GUI
Preenchimento forms legados
Screenshots automáticos

Install: pip install pyautogui

8. Pathlib - File Management

Uso: Manipular arquivos/pastas (Python moderno)

from pathlib import Path

# Criar pasta
Path('relatorios/2025').mkdir(parents=True, exist_ok=True)

# Listar arquivos
for arquivo in Path('downloads').glob('*.pdf'):
    # Mover para pasta organizada
    arquivo.rename(f'pdfs/{arquivo.name}')

# Ler/escrever arquivo
Path('config.txt').write_text('configuração')
conteudo = Path('config.txt').read_text()

Casos uso:

Organização arquivos
Backup automático
File watching (monitorar pasta)
Batch rename

Install: Nativo Python 3.4+

9. Smtplib - Envio Emails

Uso: Enviar emails automaticamente

import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart

# Configurar
msg = MIMEMultipart()
msg['From'] = 'sender@email.com'
msg['To'] = 'recipient@email.com'
msg['Subject'] = 'Relatório Diário'

# Corpo email
body = "Anexo relatório vendas hoje."
msg.attach(MIMEText(body, 'plain'))

# Enviar
server = smtplib.SMTP('smtp.gmail.com', 587)
server.starttls()
server.login('sender@email.com', 'senha')
server.send_message(msg)
server.quit()

Casos uso:

Alertas automáticos
Relatórios agendados
Notificações sistema
Email marketing

Install: Nativo Python

10. Watchdog - File Watcher

Uso: Monitorar pasta (novos arquivos = trigger)

from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler

class Handler(FileSystemEventHandler):
    def on_created(self, event):
        if event.src_path.endswith('.csv'):
            print(f"Novo CSV: {event.src_path}")
            # Processar arquivo
            processar_csv(event.src_path)

# Monitorar pasta
observer = Observer()
observer.schedule(Handler(), path='downloads', recursive=False)
observer.start()

# Rodar infinito
try:
    while True:
        time.sleep(1)
except KeyboardInterrupt:
    observer.stop()

Casos uso:

Processar uploads automático
Sync pastas
Hot reload development
Import automático

Install: pip install watchdog

10 Projetos Automação Python Práticos

Projeto 1: Scraping Preços Competidores

Objetivo: Monitorar preços 3 e-commerces diariamente

import requests
from bs4 import BeautifulSoup
import pandas as pd
from datetime import datetime

sites = {
    'Site A': 'https://sitea.com/produto-x',
    'Site B': 'https://siteb.com/produto-x',
    'Site C': 'https://sitec.com/produto-x'
}

precos = []
for nome, url in sites.items():
    html = requests.get(url).text
    soup = BeautifulSoup(html, 'html.parser')
    preco = soup.find('span', class_='preco').text
    precos.append({
        'site': nome,
        'preco': preco,
        'data': datetime.now()
    })

# Salvar Excel
df = pd.DataFrame(precos)
df.to_excel(f'precos_{datetime.now().date()}.xlsx', index=False)

ROI: E-commerce - Competitividade preços 24/7

Projeto 2: Relatório Email Automático

Objetivo: Enviar relatório vendas diário 8am

import pandas as pd
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.base import MIMEBase
from email import encoders

def gerar_relatorio():
    df = pd.read_excel('vendas.xlsx')
    resumo = df.groupby('vendedor')['valor'].sum()
    resumo.to_excel('relatorio_diario.xlsx')
    return 'relatorio_diario.xlsx'

def enviar_email(arquivo):
    msg = MIMEMultipart()
    msg['From'] = 'sender@email.com'
    msg['To'] = 'gerente@empresa.com'
    msg['Subject'] = f'Relatório Vendas - {datetime.now().date()}'
    
    # Anexar arquivo
    with open(arquivo, 'rb') as f:
        part = MIMEBase('application', 'octet-stream')
        part.set_payload(f.read())
        encoders.encode_base64(part)
        part.add_header('Content-Disposition', f'attachment; filename={arquivo}')
        msg.attach(part)
    
    # Enviar
    server = smtplib.SMTP('smtp.gmail.com', 587)
    server.starttls()
    server.login('sender@email.com', 'senha')
    server.send_message(msg)
    server.quit()

# Agendar diariamente 8am
import schedule
schedule.every().day.at("08:00").do(lambda: enviar_email(gerar_relatorio()))

while True:
    schedule.run_pending()
    time.sleep(60)

ROI: Gerência - Visibilidade vendas diária automática

Projeto 3: Backup Automático Google Drive

Objetivo: Backup pasta local → Google Drive diariamente

from pydrive.auth import GoogleAuth
from pydrive.drive import GoogleDrive
from pathlib import Path

# Autenticar
gauth = GoogleAuth()
gauth.LocalWebserverAuth()
drive = GoogleDrive(gauth)

def backup_pasta(pasta_local, pasta_drive_id):
    for arquivo in Path(pasta_local).rglob('*'):
        if arquivo.is_file():
            file_drive = drive.CreateFile({
                'title': arquivo.name,
                'parents': [{'id': pasta_drive_id}]
            })
            file_drive.SetContentFile(str(arquivo))
            file_drive.Upload()
            print(f'Backup: {arquivo.name}')

# Agendar backup diário 2am
schedule.every().day.at("02:00").do(
    lambda: backup_pasta('documentos', 'ID_PASTA_DRIVE')
)

ROI: Backup 100% automático (zero risco perda dados)

Projeto 4: Bot WhatsApp Resposta Automática

Objetivo: Responder mensagens WhatsApp fora horário

from selenium import webdriver
from selenium.webdriver.common.by import By
import time

driver = webdriver.Chrome()
driver.get('https://web.whatsapp.com')
input("Escaneie QR Code e pressione Enter...")

def verificar_novas_mensagens():
    mensagens = driver.find_elements(By.CLASS_NAME, 'message-in')
    if mensagens:
        ultima = mensagens[-1].text
        if not_respondido(ultima):
            enviar_resposta("Obrigado pela mensagem! Horário atendimento: 9h-18h.")

def enviar_resposta(texto):
    caixa_texto = driver.find_element(By.XPATH, '//div[@contenteditable="true"]')
    caixa_texto.send_keys(texto)
    botao_enviar = driver.find_element(By.XPATH, '//button[@aria-label="Enviar"]')
    botao_enviar.click()

# Loop verificar mensagens
while True:
    verificar_novas_mensagens()
    time.sleep(30)  # Checar a cada 30seg

ROI: Atendimento 24/7 (expectativa cliente gerenciada)

Projeto 5: Merge 100 Planilhas

Objetivo: Consolidar vendas 100 filiais em 1 Excel

import pandas as pd
from pathlib import Path

# Ler todas planilhas pasta
dfs = []
for arquivo in Path('vendas_filiais').glob('*.xlsx'):
    df = pd.read_excel(arquivo)
    df['filial'] = arquivo.stem  # Adicionar coluna filial
    dfs.append(df)

# Concatenar todas
df_consolidado = pd.concat(dfs, ignore_index=True)

# Calcular totais
totais = df_consolidado.groupby('filial')['valor'].sum()

# Salvar
df_consolidado.to_excel('vendas_consolidado.xlsx', index=False)
totais.to_excel('totais_filiais.xlsx')

ROI: 100 arquivos processados em 10 segundos vs 3h manual

Python vs No-Code (Zapier/Make)

Aspecto	Python	Zapier/Make
Curva aprendizado	Alta (programação)	Baixa (visual)
Flexibilidade	100% (qualquer lógica)	70% (limitado templates)
Custo	Grátis	$20-100/mês
Performance	Rápido (local)	Médio (cloud delays)
Manutenção	Código (você)	Interface (vendor)
Integrações	Infinitas (APIs)	7k apps prontos
Deploy	Servidor/cron	Cloud automático

Usar Python quando:

Lógica complexa (loops, condições aninhadas)
Performance crítica (processar 1M rows)
Budget limitado (grátis)
Customização total (APIs proprietárias)

Usar No-Code quando:

Time não-técnico
Setup rápido (minutos vs horas)
Integrações padrão (Gmail, Slack, CRM)
Manutenção simplificada

Deploy Automação Python (Produção)

Opção 1: Cron (Linux/macOS)

Setup:

# Editar crontab
crontab -e

# Adicionar job (diário 8am)
0 8 * * * /usr/bin/python3 /caminho/script.py

# Logs (debugar erros)
0 8 * * * /usr/bin/python3 /caminho/script.py >> /var/log/automation.log 2>&1

Opção 2: Task Scheduler (Windows)

Setup:

Abrir Task Scheduler
Create Basic Task
Trigger: Daily, 8:00 AM
Action: Start program
- Program: python.exe
- Arguments: C:\scripts\automation.py

Opção 3: Docker Container

Dockerfile:

FROM python:3.11-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY script.py .

CMD ["python", "script.py"]

Deploy:

docker build -t automation .
docker run -d --restart always automation

Opção 4: Cloud (AWS Lambda, GCP Functions)

Serverless - pagar apenas execução

Limitações:

Timeout max (AWS: 15min)
RAM limitada
Cold start latency

Próximos passos

Explore automação com outras ferramentas:

Zapier - No-code (fácil para não-devs)
RPA - Desktop automation
N8N - Open-source workflows
Automação Processos - Business processes
Selenium Tutorial - Web automation

Precisa desenvolver automações Python? A Agência Café Online já criou 200+ scripts para clientes (economia média 25h/semana). Consultoria grátis.

Sobre o autor: Felipe Zanoni programa automações Python há 8 anos, com 500+ scripts em produção economizando 10.000+ horas/ano para clientes.