- Notes de publication
- Démarrage
- Installation
- Prérequis logiciels et matériels
- Installation du serveur
- Mise à jour de la licence
- Déploiement du profileur d'UiPath Process Mining
- Déploiement d’un connecteur(.mvp)
- Mise à jour d'UiPath Process Mining
- Mettre à jour une version personnalisée d'une application ou d'un accélérateur de découverte
- Installation d'un environnement de formation
- Configuration
- Intégrations
- Authentification
- Working with Apps and Discovery Accelerators
- Menus et tableaux de bord AppOne
- Configuration d'AppOne
- TemplateOne 1.0.0 menus et tableaux de bord
- Configuration de TemplateOne 1.0.0
- TemplateOne menus and dashboards
- Configuration de TemplateOne 2021.4.0
- Menus et tableaux de bord de l’accélérateur de découverte Purchase to Pay
- Configuration de Discovery Accelerator de l’achat au paiement
- Menus et tableaux de bord de l’accélérateur de découverte Order-to-Cash
- Configuration de Order to Cash Discovery Accelerator
- Basic Connector for AppOne
- Déploiement du connecteur de base<br />
- Présentation du connecteur de base
- Tables d'entrée du connecteur de base
- Ajout de balises
- Ajout d’estimations d’automatisation
- Ajout de dates d'échéance
- Ajout de modèles de référence
- Configuration d'Actionable Insights
- Réglage des graphiques réductibles
- Utilisation de l’ensemble de données de sortie dans AppOne
- Output tables of the Basic Connector
- SAP Connectors
- Introduction to SAP Connector
- Entrée SAP
- Vérification des données dans le connecteur SAP
- Ajout de balises spécifiques à un processus au connecteur SAP pour AppOne
- Ajout de dates d'échéance spécifiques aux processus au connecteur SAP pour AppOne
- Ajout d’estimations d’automatisation au connecteur SAP pour AppOne
- Ajout d'attributs au connecteur SAP pour AppOne
- Ajout d’activités au connecteur SAP pour AppOne
- Ajout d’entités au connecteur SAP pour AppOne
- Connecteur SAP Order to Cash pour AppOne
- Connecteur SAP Purchase to Pay pour AppOne
- Connecteur SAP pour Purchase to Pay Discovery Accelerator
- Connecteur SAP pour l’accélérateur de découverte Order-to-Cash
- Superadmin
- L'onglet Espaces de travail (Workspaces)
- L'onglet Données de développement (Development Data)
- L'onglet Versions (Releases)
- L'onglet Données publiées (Released data)
- The Builds tab
- L'onglet Données du serveur (Server data)
- Onglet Paramètres (Settings)
- L'onglet Utilisateurs Superadmin
- L'onglet Statut (Status)
- Onglet Licence (License)
- Création de versions
- Afficher l'historique de la branche
- Creating Apps
- Modules
- Tableaux de bord et graphiques
- Tables et éléments de table
- Intégrité de l'application
- How to ....
- Rebrand and restyle Apps and Discovery Accelerators
- Utilisez la partitionnement dans vos applications
- Example: Creating a Python Script
- Example: Creating an R Script
- Créer un ensemble de données anonymisé
- Configurer des actualisations de données automatisées
- Utilisez une matrice d'accès pour activer l'accès aux données basé sur les rôles
- Travailler avec les connecteurs SQL
- Introduction to SQL connectors
- Setting up a SQL connector
- CData Sync extractions
- Running a SQL connector
- Editing transformations
- Libération d'un connecteur SQL
- Scheduling data extraction
- Structure of transformations
- Using SQL connectors for released apps
- Generating a cache with scripts
- Setting up a local test environment
- Separate development and production environments
- Ressources utiles
Process Mining
Example: Creating a Python Script
Cet exemple explique comment interfacer la plate-forme UiPath Process Mining avec des scripts Python externes pour implémenter un traitement de données externe.
Un script Python est créé qui :
- prend en entrée un fichier
.CSV
, à spécifier sur sa ligne de commande comme seul argument requis, - multiplie la valeur du montant par deux,
- écrit le résultat sur son canal de sortie standard.
La source de données de script générique nécessite des gestionnaires pour tous les processus externes que vous souhaitez exécuter.
Suivez ces étapes pour ajouter un gestionnaire de script générique.
Étape |
Action |
---|---|
1 |
Accédez à l'onglet Paramètres du Superadmin (Superadmin Settings). |
2 |
Ajoutez un champ
GenericScriptHandlers avec comme valeur un objet avec une clé, « py », qui a pour valeur le chemin d'accès à votre exécutable python. Par exemple :
|
3 |
Cliquez sur ENREGISTRER (SAVE). |
Commencez par créer un script minimal qui n'effectue encore aucun traitement de données. Ce script sera utilisé pour vérifier que votre configuration python fonctionne et que votre script est appelé depuis la plate-forme UiPath Process Mining .
Cet exemple de script montre comment générer une sortie qui apparaîtra dans le journal d'exécution du script et comment le code de sortie d'un script influence le comportement de la plate-forme UiPath Process Mining .
Étape |
Action |
---|---|
1 |
Dans votre éditeur préféré, démarrez un fichier texte vierge. |
2 |
Saisissez le texte suivant :
Remarque : la commande
debug(“Hello world!”) est un exemple d'utilisation du canal d'erreur standard pour sortir des messages et déboguer la sortie.
|
3 |
Enregistrez le fichier texte sous le nom
script.py .
|
4 |
Téléchargez le fichier
script.py dans votre espace de travail.
|
Ce script n’imprime qu’un message « Hello world ! message. L'interface de script utilise une sortie standard pour la communication de données entre le script et la plate-forme UiPath Process Mining . Si vous souhaitez inclure des messages d'état dans votre script, vous devez plutôt les écrire dans une erreur standard .
Ensuite, configurez une table de source de données dans l'application qui appellera le script. Commencez avec des données factices, car votre script ne traitera pas encore les données. À ce stade, il sera vérifié que le script est exécuté comme prévu, c'est-à-dire que vous pouvez voir le message « Hello world! message.
Étape |
Action |
---|---|
1 |
Ouvrez l'application dans votre environnement de développement. |
2 |
Accédez à l'onglet Données (Data) et créez une nouvelle table de chaînes de connexion. |
3 |
Renommez
New_table en PythonExample .
|
4 |
Cliquez avec le bouton droit sur la table
PythonExample et sélectionnez Avancé > Options….
|
5 |
Dans la boîte de dialogue Options de la table , définissez l' étendue de la table sur Espace de travail. |
6 |
Double-cliquez sur la table
PythonExample pour ouvrir la fenêtre Modifier la table de chaînes de connexion ( Edit Connection String Table) .
|
7 |
Entrez ce qui suit comme chaîne de connexion: ``'driver={mvscript |
8 |
Entrez ce qui suit en tant que requête: ``''
Le « #10 » dans l’exemple inputData indique des caractères de nouvelle ligne. C'est-à-dire nous définissons les données CSV factices suivantes :
|
9 |
Cliquez sur OK. |
10 |
Cliquez sur OUI (YES). |
L'actualisation de la table échoue et le message « Hello World ! message
L'emplacement du fichier de script est déterminé par l'étendue de la table. Cela peut être défini sur Serveur (Server), Espace de travail ( Workspace) ou Aucun(Aucun). S'il est défini sur Aucun, le chemin d'accès au fichier de script est absolu. S'il est défini sur Serveur ou Espacede travail , l'emplacement du script est interprété comme un chemin d'accès relatif.
.CSV
ultérieurement afin que le script python puisse le lire.
Pour cet exemple, nous avons une application avec une table Cases (Cas) et une table Events (Événements). Voir l'illustration ci-dessous.
Suivez ces étapes.
Étape |
Action |
---|---|
1 |
Créez une table globale ,
PythonInputData .
|
2 |
Ajoutez un nouvel attribut d'expression,
PythonInputData_Amount .
|
3 |
Définissez le Type sur Recherche (Lookup). |
4 |
Définissez la table d' entrée sur Base_cas. |
5 |
Définissez l'expression sur
listtojson(text(double(records.Amount))) .
|
6 |
Définissez le niveau d'expression sur root. |
7 |
Cliquez sur OK. |
8 |
Ajoutez un autre attribut d'expression de recherche pour Case_ID. Définissez l'expression sur
listtojson(text(double(records.Case_ID))) .
|
csvtable()
sera utilisée pour transformer les données au format .CSV
, qui attend une liste d'enregistrements (textes).
listtojson()
nécessite que son entrée soit de type texte, le format des enregistrements dans le fichier CSV résultant dépend du type de l'attribut sélectionné (dans ce cas, Montant est de type Devise) et de l'affichage actuellement actif formater. Ici, le type de devise est converti en double, pour faciliter l'analyse ultérieure des enregistrements dans le script python.
Dans votre éditeur de texte, mettez à jour le fichier script.py avec le code suivant.
#!/usr/bin/python
import csv
import sys
def debug(message):
sys.stderr.write(message)
# Read the CSV header. This is used so that the script will output the fields
# in the same order that they were read in. This step is optional.
column_order = [];
with open(sys.argv[1]) as csv_file:
reader = csv.reader(csv_file, delimiter=';')
column_order = next(reader)
# Process the input file
with open(sys.argv[1]) as csv_file:
reader = csv.DictReader(csv_file, delimiter=';')
# Construct the output writer.
writer = csv.DictWriter(
sys.stdout,
column_order,
delimiter=';',
restval='',
quoting=csv.QUOTE_ALL
)
writer.writeheader()
for row in reader:
# Get data from row
case_id = row['Case_ID']
amount = int(row['Amount'])
# Do computation
amount = amount * 2
# Write results
writer.writerow({'Case_ID': case_id, 'Amount': amount})
# Exit indicating success
exit(0)
#!/usr/bin/python
import csv
import sys
def debug(message):
sys.stderr.write(message)
# Read the CSV header. This is used so that the script will output the fields
# in the same order that they were read in. This step is optional.
column_order = [];
with open(sys.argv[1]) as csv_file:
reader = csv.reader(csv_file, delimiter=';')
column_order = next(reader)
# Process the input file
with open(sys.argv[1]) as csv_file:
reader = csv.DictReader(csv_file, delimiter=';')
# Construct the output writer.
writer = csv.DictWriter(
sys.stdout,
column_order,
delimiter=';',
restval='',
quoting=csv.QUOTE_ALL
)
writer.writeheader()
for row in reader:
# Get data from row
case_id = row['Case_ID']
amount = int(row['Amount'])
# Do computation
amount = amount * 2
# Write results
writer.writerow({'Case_ID': case_id, 'Amount': amount})
# Exit indicating success
exit(0)
Suivez les étapes ci-dessous :
Étape |
Action |
---|---|
1 |
Téléchargez le nouveau script dans l ' Espacede travail , en écrasant le fichier existant et revenez à l'application. |
2 |
Cliquez avec le bouton droit sur la table
PythonExample et sélectionnez Modifier….
|
3 |
Modifiez le paramètre
inputData de la chaîne de requête de la table PythonExample :
Voir illustration ci-dessous. |
4 |
Cliquez sur OK. |
5 |
Cliquez sur OUI (2x). |
6 |
Cliquez sur OK. |
PythonExample
comporte désormais deux attributs de source de données, Amount et Case_ID. Voir l'illustration ci-dessous.
L'inspection de l'attribut Amount révèle que tous les montants ont été multipliés par deux. Consultez l'illustration ci-dessous pour voir un exemple de la sortie générée par le script python.