- Notas de versão
- Introdução
- Instalação
- Requisitos de hardware e software
- Instalação do servidor
- Atualizando a Licença
- Implantando o Profiler do UiPath Process Mining
- Implantando um conector (.mvp)
- Atualizando o UiPath Process Mining
- Atualizando uma versão personalizada de um aplicativo ou acelerador de descoberta
- Instalando um Ambiente de Treinamento
- Configuração
- Integrações
- Autenticação
- Working with Apps and Discovery Accelerators
- Menus e painéis do AppOne
- Configuração do AppOne
- Menus e painéis do TemplateOne 1.0.0
- Configuração do TemplateOne 1.0.0
- TemplateOne menus and dashboards
- Configuração do TemplateOne 2021.4.0
- Menus e painéis do Acelerador de Descoberta Purchase to Pay
- Configuração do acelerador Discovery de compra para pagamento
- Menus e painéis do Acelerador de Descoberta Order a Cash
- Order to Cash Discovery Accelerator Setup
- Basic Connector for AppOne
- Implantar o Conector Básico
- Introduction to Basic Connector
- Tabelas de entrada do Conector Básico
- Adicionando tags
- Adição de estimativas de automação
- Adicionando Datas de conclusão
- Adicionando modelos de referência
- Setting up Actionable Insights
- Configuração de gráficos recolhíveis
- Usando o conjunto de dados de saída no AppOne
- Output tables of the Basic Connector
- SAP Connectors
- Introduction to SAP Connector
- Entrada do SAP
- Verificando os dados no SAP Connector
- Adicionando tags específicas do processo ao SAP Connector para o AppOne
- Adição de datas de vencimento específicas do processo ao SAP Connector para o AppOne
- Adicionando estimativas de automação ao SAP Connector para o AppOne
- Adicionando atributos ao SAP Connector para o AppOne
- Adicionando atividades ao SAP Connector para o AppOne
- Adicionando entidades ao SAP Connector para o AppOne
- SAP Order to Cash Connector para AppOne
- SAP Purchase to Pay Connector para AppOne
- SAP Connector for Purchase to Pay Discovery Accelerator
- SAP Connector for Order-to-Cash Discovery Accelerator
- Superadmin
- Painéis e gráficos
- Tabelas e itens de tabela
- Integridade do aplicativo
- How to ....
- Rebrand and restyle Apps and Discovery Accelerators
- Use o Sharding em seus aplicativos
- Example: Creating a Python Script
- Example: Creating an R Script
- Crie um conjunto de dados anônimo
- Configurar Atualizações de Dados Automatizadas
- Use uma matriz de acesso para habilitar o acesso aos dados baseado em função
- Como trabalhar com conectores SQL
- Introduction to SQL connectors
- Setting up a SQL connector
- CData Sync extractions
- Running a SQL connector
- Editing transformations
- Lançamento de um conector 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
- Recursos úteis

Process Mining
Example: Creating a Python Script
linkIntrodução
linkEste exemplo explica como fazer a interface da plataforma UiPath Process Mining com scripts Python externos para implementar o processamento de dados externos.
Visão geral de alto nível
Um script Python é criado que:
- toma como entrada um arquivo
.CSV
, a ser especificado em sua linha de comando como o único argumento necessário, - multiplica o valor de Amount por dois,
- grava o resultado em seu canal de saída padrão.
Etapas
- Definir as configurações do servidor;
- Configurando o espaço de trabalho;
- Configurando uma fonte de dados de script;
- Configurando a fonte de dados;
- Escrevendo o roteiro.
Definição das configurações dos servidores
linkA fonte de dados de script genérico requer manipuladores para todos os processos externos que você deseja executar.
Siga estas etapas para adicionar um manipulador de script genérico.
Etapa |
Ação |
---|---|
1 |
Vá para a aba Configurações de Superadmin. |
2 |
Adicione um campo
GenericScriptHandlers com como valor um objeto com uma chave, “py”, que tem como valor o caminho para seu executável python. Por exemplo:
|
3 |
Clique em SALVAR. |
Configuração do espaço de trabalho
linkComece criando um script mínimo que ainda não faça nenhum processamento de dados. Este script será usado para verificar se a configuração do python está funcionando e se o script está sendo chamado da plataforma UiPath Process Mining .
Este script de exemplo mostra como gerar a saída que aparecerá no log de execução do script e como o código de saída de um script influencia o comportamento da plataforma UiPath Process Mining .
Etapa |
Ação |
---|---|
1 |
Em seu editor favorito, inicie um arquivo de texto em branco. |
2 |
Digite o texto a seguir:
Nota: O comando
debug(“Hello world!”) é um exemplo de como usar o canal de erro padrão para enviar mensagens e depurar a saída.
|
3 |
Salve o arquivo de texto como
script.py .
|
4 |
Carregue o arquivo
script.py em seu espaço de trabalho.
|
Este script apenas imprime um "Hello world!" mensagem. A interface de script usa saída padrão para comunicação de dados do script para a plataforma UiPath Process Mining . Se você deseja incluir mensagens de status em seu script, deve escrevê-las no erro padrão .
Configuração de uma fonte de dados de scripts
linkEm seguida, configure uma tabela de fonte de dados no aplicativo que chamará o script. Comece com alguns dados fictícios, pois seu script ainda não processará os dados. Nesta etapa, será verificado se o script está sendo executado conforme o esperado, ou seja, se é possível visualizar a mensagem “Hello world!” mensagem.
Etapa |
Ação |
---|---|
1 |
Abra o aplicativo em seu ambiente de desenvolvimento. |
2 |
Vá para a guia Dados e crie uma nova tabela de strings de conexão. |
3 |
Renomeie o
New_table para PythonExample .
|
4 |
Clique com o botão direito do mouse na tabela
PythonExample e selecione Avançado > Opções….
|
5 |
Na caixa de diálogo Table Options , defina o Table scope como Workspace. |
6 |
Clique duas vezes na tabela
PythonExample para abrir a janela Editar tabela de cadeia de conexão .
|
7 |
Digite o seguinte como string de conexão: ``'driver={mvscript |
8 |
Digite o seguinte como Consulta: ``''
O “#10” no exemplo inputData indica caracteres de nova linha. ou seja definimos os seguintes dados CSV fictícios:
|
9 |
Clique em OK. |
10 |
Clique em SIM. |
A atualização da tabela falha e, no log de erros, você deve ver a mensagem “Hello World!” mensagem
A localização do arquivo de script é determinada pelo escopo da tabela. Isso pode ser definido como Servidor ou Espaço de trabalhoou Nenhum. Se definido como None, o caminho para o arquivo de script é absoluto. Se for definido como Server ou Workspace, o local do script será interpretado como um caminho relativo.
Configuração da fonte de dados
link.CSV
posteriormente para que o script python possa lê-la.
Para este exemplo, temos uma aplicação com uma tabela Cases e uma tabela Events . Veja a ilustração abaixo.
Siga estas etapas.
Etapa |
Ação |
---|---|
1 |
Crie uma nova tabela Global ,
PythonInputData .
|
2 |
Adicione um novo atributo de expressão,
PythonInputData_Amount .
|
3 |
Defina o tipo como pesquisa. |
4 |
Defina a tabela de entrada como Cases_base. |
5 |
Defina a expressão como
listtojson(text(double(records.Amount))) .
|
6 |
Defina o nível de expressão como root. |
7 |
Clique em OK. |
8 |
Adicione outro atributo de expressão de pesquisa para Case_ID. Defina a expressão como
listtojson(text(double(records.Case_ID))) .
|
csvtable()
será usada para transformar os dados no formato .CSV
, que espera uma lista de registros (texto).
listtojson()
requer que sua entrada seja do tipo texto, o formato dos registros no arquivo CSV resultante depende do tipo do atributo selecionado (neste caso, Valor é do tipo Moeda) e a exibição ativa no momento formatar. Aqui, o tipo de moeda é convertido em double, para facilitar a análise dos registros posteriormente no script python.
Escrever o script
linkEm seu editor de texto, atualize o arquivo script.py com o seguinte código.
#!/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)
Siga as etapas abaixo.
Etapa |
Ação |
---|---|
1 |
Carregue o novo script no Workspace, sobrescrevendo o arquivo existente e volte para o aplicativo. |
2 |
Clique com o botão direito do mouse na tabela
PythonExample e selecione Editar….
|
3 |
Modifique o parâmetro
inputData da string de consulta para a tabela PythonExample :
Veja a ilustração abaixo. |
4 |
Clique em OK. |
5 |
Clique em SIM (2x). |
6 |
Clique em OK. |
PythonExample
agora tem dois atributos de fonte de dados, Amount e Case_ID. Veja a ilustração abaixo.
A inspeção do atributo Valor revela que todos os valores foram multiplicados por dois. Veja na ilustração abaixo um exemplo da saída gerada pelo script python.