- 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
- Menus e painéis do TemplateOne
- 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
Example: Creating a Python Script
Este exemplo explica como fazer a interface da plataforma UiPath Process Mining com scripts Python externos para implementar o processamento de dados externos.
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.
A 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. |
Comece 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 .
Em 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.
.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.
Em 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.