1. 从零开始为什么选择TagUI与Robocorp这对组合如果你正在寻找一个既能快速上手、又具备企业级扩展潜力的RPA机器人流程自动化入门方案那么TagUI和Robocorp的组合绝对值得你花时间研究。我最初接触RPA时市面上工具繁多从闭源的商业软件到各种开源框架让人眼花缭乱。商业软件功能强大但价格不菲且存在厂商锁定风险而一些纯代码框架虽然灵活但学习曲线陡峭对非开发背景的同事不够友好。TagUI和Robocorp的出现恰好在这两者之间找到了一个绝佳的平衡点。TagUI现已更名为RPA for Python的一部分以其极低的入门门槛和直观的“自然语言”脚本语法著称。你可以用近乎口语化的英语如click ‘login_button’来编写自动化脚本这让业务分析师或初涉自动化的朋友也能快速构建原型。而Robocorp则提供了一个基于Python的、更加强大和结构化的开发与运行环境它集成了机器人开发、依赖管理、日志、错误处理以及云端部署等一系列生产级功能。简单来说TagUI是你的“快速原型画笔”而Robocorp是你的“工业化生产车间”。用TagUI快速验证一个流程的可行性捕捉网页元素理清操作步骤然后用Robocorp的框架将其重构加入健壮的错误处理、清晰的任务结构、便于维护的配置管理最终打包成一个可以在任何地方本地、虚拟机、容器、云端稳定运行的机器人。这个组合覆盖了从创意验证到生产部署的全链路对于想深入RPA领域的开发者而言是一个性价比极高的技术栈。2. 环境搭建与核心工具链解析在动手写代码之前我们需要把“画板”和“车间”都准备好。这个环节的配置直接决定了后续开发的顺畅度很多初学者遇到的“莫名其妙”的错误往往都源于环境问题。2.1 Python环境与Robocorp CLI的安装Robocorp的核心是Python。首先我强烈建议使用conda或venv创建一个独立的Python虚拟环境。这能避免与你系统上其他项目的依赖发生冲突。这里以conda为例如果你没有安装conda可以直接使用Python自带的venv模块。# 创建一个名为rpa-demo的Python 3.9环境 conda create -n rpa-demo python3.9 conda activate rpa-demo接下来安装Robocorp的命令行工具robocorp。这个工具是管理Robocorp项目的瑞士军刀。pip install robocorp安装完成后运行robocorp -h验证是否成功。这个CLI工具将用于创建项目模板、运行机器人、管理依赖等。2.2 创建你的第一个Robocorp机器人项目Robocorp通过项目模板来规范结构这能保证最佳实践。我们创建一个标准的机器人项目# 创建一个名为 my_first_rpa 的目录并初始化项目 robocorp init my_first_rpa执行命令后CLI会引导你选择模板。对于纯RPA任务选择“Standard Robot”模板即可。完成后进入项目目录你会看到一个结构清晰的项目文件夹my_first_rpa/ ├── robot.yaml # 机器人配置文件定义依赖、环境变量等 ├── conda.yaml # Conda环境依赖文件Robocorp也支持 ├── tasks.py # 任务入口文件定义机器人执行的工作流 ├── tasks.robot # 可选Robot Framework格式的任务文件 ├── devdata/ # 开发环境数据 ├── output/ # 机器人运行输出日志、截图等 └── src/ # 主要源代码目录 └── my_first_rpa/ # 你的Python包 ├── __init__.py └── tasks.py # 具体的任务实现与根目录tasks.py可能关联这个结构是Robocorp的精华之一。robot.yaml是机器人的“身份证”和“说明书”它声明了机器人需要什么环境、依赖哪些库、以及如何运行。我们稍后会修改它来引入TagUI。2.3 集成TagUIRPA for PythonTagUI的核心能力已经集成到了rpaframework这个库中具体是RPA.Browser.Selenium和RPA.Desktop等库。但为了使用TagUI原生的简洁语法我们需要安装tagui包。不过更现代且与Robocorp生态融合更好的方式是直接使用rpaframework。修改robot.yaml文件在dependencies部分加入RPA框架的依赖dependencies: - rpaframework24.0.0 # 这是一个RPA工具集合包含了基于Selenium的浏览器自动化等 - selenium4.0.0 # 明确的Selenium版本确保兼容性然后在项目根目录下运行以下命令让Robocorp根据配置文件安装所有依赖robocorp install这个命令会读取robot.yaml和conda.yaml为你创建一个隔离的、包含所有指定依赖的运行时环境。至此你的“车间”里已经备好了所有核心工具。注意网络环境可能会导致selenium下载浏览器驱动如chromedriver失败。rpaframework的RPA.Browser.Selenium库通常会尝试自动下载匹配的驱动但如果遇到问题你可能需要手动下载对应版本的 ChromeDriver 并放置到系统PATH或项目指定目录下。这是RPA浏览器自动化中一个经典的“坑”。3. 使用TagUI风格语法编写第一个自动化脚本环境就绪让我们先用TagUI直观的语法来感受一下快速原型的魅力。我们假设一个经典场景打开浏览器访问GitHub搜索Robocorp仓库并获取第一个结果的描述信息。在src/my_first_rpa/目录下我们创建一个新文件github_search.py。这里我们将使用rpaframework中类似TagUI的简洁API风格。实际上RPA.Browser.Selenium库的设计哲学与TagUI一脉相承力求简化操作。from RPA.Browser.Selenium import Selenium # 初始化浏览器库 browser_lib Selenium() def open_github_and_search(): # 1. 打开浏览器并导航至GitHub browser_lib.open_available_browser(https://github.com) # 2. 定位搜索框并输入关键词 - 使用TagUI式的“自然”定位思路 # 我们可以用CSS选择器、XPath或者更简单的包含特定文本或属性的元素 search_selector input[placeholderSearch GitHub] browser_lib.input_text(search_selector, Robocorp) browser_lib.press_keys(search_selector, ENTER) # 3. 等待结果加载 browser_lib.wait_until_element_is_visible(css:div.codesearch-results, timeout10) # 4. 获取第一个仓库的链接和描述 # 定位第一个仓库条目。这里使用一个更具体的CSS选择器避免抓到其他元素。 first_repo_selector css:div.codesearch-results ul.repo-list li:first-child a.v-align-middle # 检查元素是否存在 if browser_lib.is_element_visible(first_repo_selector): repo_name browser_lib.get_text(first_repo_selector) print(f第一个仓库名称: {repo_name}) # 获取仓库描述可能不存在需要处理 # 描述通常在仓库名称后面的p标签里但DOM结构可能变化这里是一个示例选择器 desc_selector fxpath://a[contains(text(), {repo_name})]/../../p if browser_lib.is_element_visible(desc_selector): repo_description browser_lib.get_text(desc_selector) print(f仓库描述: {repo_description}) else: print(未找到仓库描述。) else: print(未找到搜索结果。) # 5. 为了演示等待几秒后关闭浏览器 browser_lib.sleep(3) browser_lib.close_all_browsers() if __name__ __main__: open_github_and_search()这段代码充分体现了TagUI的核心思想将自动化指令写得像简单的英语句子。open_available_browser,input_text,press_keys,wait_until_element_is_visible,get_text这些方法名几乎是不言自明的。即使你不懂复杂的CSS选择器通过浏览器的开发者工具复制元素选择器也能快速上手。实操心得网页元素定位是RPA中最不稳定的一环。网站前端稍作改动你的脚本就可能失效。因此不要使用绝对路径的XPath或依赖固定索引的CSS选择器。优先使用具有稳定id或name属性的元素其次是用包含关键字的placeholder、aria-label或相对稳定的CSS类。在RPA.Browser.Selenium中wait_until_element_is_visible是你的好朋友它能有效避免因网络延迟或动态加载导致的元素找不到错误。4. 将脚本升级为Robocorp机器人结构化与健壮性刚才的脚本是一个简单的原型但它缺乏错误处理、配置管理和可调度性。现在我们把它改造为一个真正的Robocorp机器人。这涉及到利用Robocorp框架的几个核心特性任务定义、上下文管理、日志和错误处理。4.1 定义机器人任务 (tasks.py)首先我们修改项目根目录下的tasks.py这是机器人的主入口。我们将定义一个名为GitHub Search Example的任务。from robocorp.tasks import task from robocorp import log from my_first_rpa.github_search import open_github_and_search task def github_search_example(): 一个示例任务打开GitHub搜索‘Robocorp’并打印第一个结果。 此任务展示了如何将简单的TagUI风格脚本集成到Robocorp框架中。 log.info(开始执行GitHub搜索示例任务。) try: # 调用我们之前写好的函数 open_github_and_search() log.info(任务执行成功) except Exception as e: # Robocorp框架会自动捕获异常并记录但我们可以进行自定义处理 log.error(f任务执行失败: {e}) # 可以在这里添加截图、发送通知等清理或上报操作 raise # 重新抛出异常让框架知道任务失败task装饰器是Robocorp框架的关键。它告诉框架这是一个可执行的任务。框架会为这个任务的执行自动配置日志、管理生命周期如开始、结束、清理。robocorp.log模块提供了结构化的日志输出比简单的print更强大日志会自动输出到output/log.html等文件中便于事后审计。4.2 增强的脚本实现集成配置与资源管理现在我们回头重构src/my_first_rpa/github_search.py使其更健壮、更可配置。from RPA.Browser.Selenium import Selenium from robocorp import log, workitems from robocorp.tasks import get_output_dir import os from datetime import datetime class GitHubSearchRobot: def __init__(self): self.browser_lib Selenium() # 可以从环境变量、work item或配置文件中读取搜索关键词 self.search_keyword Robocorp self.output_dir get_output_dir() def open_github_and_search(self): 主业务流程 log.info(f使用关键词 {self.search_keyword} 开始搜索。) try: # 1. 打开浏览器 - 可配置headless模式 headless os.getenv(RPA_HEADLESS_MODE, False).lower() true browser_args [--start-maximized] if headless: browser_args.append(--headlessnew) self.browser_lib.open_available_browser( https://github.com, browser_selectionchrome, argumentsbrowser_args ) # 2. 执行搜索 search_selector input[placeholderSearch GitHub] self.browser_lib.input_text(search_selector, self.search_keyword) self.browser_lib.press_keys(search_selector, ENTER) # 3. 等待并验证结果页 results_locator css:div.codesearch-results self.browser_lib.wait_until_element_is_visible(results_locator, timeout15) # 4. 捕获结果并记录 self._capture_search_results() # 5. 在出错或成功时都截图用于审计和调试 screenshot_path os.path.join(self.output_dir, ffinal_state_{datetime.now().strftime(%H%M%S)}.png) self.browser_lib.screenshot(filenamescreenshot_path) log.info(f最终状态截图已保存至: {screenshot_path}) except Exception as e: # 发生异常时截图 error_screenshot os.path.join(self.output_dir, ferror_{datetime.now().strftime(%H%M%S)}.png) self.browser_lib.screenshot(filenameerror_screenshot) log.error(f流程执行出错错误截图已保存。错误信息: {e}) raise # 将异常向上传递 finally: # 无论成功与否确保关闭浏览器 self.browser_lib.close_all_browsers() log.info(浏览器已关闭。) def _capture_search_results(self): 提取并记录搜索结果 first_repo_selector css:div.codesearch-results ul.repo-list li:first-child a.v-align-middle if not self.browser_lib.is_element_visible(first_repo_selector, timeout5): log.warn(未在页面上找到预期的第一个仓库元素。) # 可以尝试备用选择器或记录整个页面HTML用于分析 return repo_name self.browser_lib.get_text(first_repo_selector) log.info(f找到的第一个仓库: {repo_name}) # 尝试获取描述 - 使用更灵活的XPath基于找到的仓库名元素 repo_link self.browser_lib.get_element_attribute(first_repo_selector, href) # 构建一个相对可靠的描述定位器在同一列表项(li)内寻找p标签 desc_selector fxpath://a[href{repo_link}]/ancestor::li//p if self.browser_lib.is_element_visible(desc_selector, timeout2): repo_description self.browser_lib.get_text(desc_selector) log.info(f仓库描述: {repo_description}) # 可以将结果存储为结构化的数据例如写入JSON文件或发送到下一个流程 result_data { keyword: self.search_keyword, first_repo_name: repo_name, first_repo_description: repo_description, timestamp: datetime.now().isoformat() } # 这里可以调用 workitems.output.create() 将结果输出给下一个机器人 log.info(f提取的结果数据: {result_data}) else: log.info(f仓库 {repo_name} 没有描述文本。)这个升级版的类GitHubSearchRobot体现了生产级机器人的几个关键点配置化搜索关键词可以从环境变量 (RPA_HEADLESS_MODE) 或未来的work items中读取而不是硬编码。健壮的错误处理使用try...except...finally结构确保浏览器资源在任何情况下都能被正确关闭。发生错误时自动截图极大方便了远程调试。结构化日志使用log.info/log.warn/log.error替代print日志会自动分级、着色并输出到HTML报告。资源管理使用get_output_dir()获取框架管理的输出目录用于存放截图和日志避免路径混乱。可扩展性将核心业务逻辑_capture_search_results封装成独立方法便于未来修改或复用。结果数据被组织成字典为后续的数据持久化或流程衔接做好准备。4.3 运行与调试你的机器人现在我们可以用Robocorp CLI来运行这个机器人了。在项目根目录下执行robocorp run默认情况下CLI会查找tasks.py中的task装饰函数并运行它们。你会看到控制台输出结构化的日志同时所有日志和截图都会保存在output/目录下。运行结束后打开output/log.html你会得到一个格式美观、包含所有步骤详情和时间戳的HTML日志报告这对于审计和复盘至关重要。如果你想在无头模式下运行不显示浏览器界面以节省资源或在服务器上运行可以设置环境变量# 在Linux/macOS上 export RPA_HEADLESS_MODETrue robocorp run # 在Windows PowerShell上 $env:RPA_HEADLESS_MODETrue robocorp run5. 进阶处理更复杂的交互与数据一个真实的RPA流程很少只是简单的搜索和抓取。通常涉及登录、表单填写、文件下载、数据处理等。让我们扩展一下模拟一个需要登录使用假想网站并导出数据的场景展示TagUI/Robocorp如何处理更复杂的交互。假设我们需要登录一个内部仪表盘筛选某些数据然后点击“导出为CSV”按钮。这里的关键挑战是等待动态加载的元素和处理文件下载。我们在src/my_first_rpa/下创建另一个文件dashboard_automation.py。from RPA.Browser.Selenium import Selenium from RPA.HTTP import HTTP from robocorp import log, workitems import os import time from pathlib import Path class DashboardAutomation: def __init__(self, usernameNone, passwordNone): self.browser Selenium() self.http HTTP() self.username username or os.getenv(DASHBOARD_USERNAME) self.password password or os.getenv(DASHBOARD_PASSWORD) if not self.username or not self.password: log.error(未找到仪表盘登录凭据。请设置DASHBOARD_USERNAME和DASHBOARD_PASSWORD环境变量。) raise ValueError(Missing credentials) self.download_dir str(Path(os.getenv(ROBOT_ROOT, os.getcwd())) / output / downloads) os.makedirs(self.download_dir, exist_okTrue) def automate_dashboard_export(self): 自动化登录仪表盘并导出数据 log.info(开始仪表盘自动化流程。) try: # 1. 配置浏览器以下载文件到指定目录 prefs { download.default_directory: self.download_dir, download.prompt_for_download: False, plugins.always_open_pdf_externally: True } options { prefs: prefs, arguments: [--start-maximized] } self.browser.open_available_browser( https://example-internal-dashboard.com/login, # 示例URL browser_selectionchrome, optionsoptions ) # 2. 登录 self._perform_login() # 3. 导航到报表页面并筛选 self._navigate_and_filter() # 4. 触发导出并等待下载完成 exported_file self._trigger_export_and_wait() if exported_file: log.info(f文件下载成功: {exported_file}) # 此处可以添加处理文件的逻辑例如用RPA.FileSystem或pandas读取CSV # from RPA.FileSystem import FileSystem # lib FileSystem() # content lib.read_file(exported_file) else: log.warn(未检测到文件下载。) except Exception as e: log.error(f仪表盘自动化失败: {e}) raise finally: self.browser.close_all_browsers() def _perform_login(self): 处理登录逻辑 log.info(正在登录...) # 假设登录表单有id为‘username’和‘password’的字段 self.browser.input_text(id:username, self.username) self.browser.input_text(id:password, self.password) self.browser.click_button(css:button[typesubmit]) # 等待登录成功后的页面元素出现例如用户头像或仪表盘标题 self.browser.wait_until_element_is_visible(css:.user-avatar, timeout10) log.info(登录成功。) def _navigate_and_filter(self): 导航到目标页面并应用筛选器 log.info(导航至数据报表页面。) # 点击侧边栏菜单 self.browser.click_element(css:a[href/reports]) # 等待报表页面加载 self.browser.wait_until_page_contains_element(h1:Reports, timeout10) # 应用日期筛选器示例选择‘最近7天’ log.info(应用‘最近7天’筛选器。) self.browser.click_element(css:#date-filter-dropdown) self.browser.click_element(xpath://li[contains(text(), Last 7 days)]) # 等待数据刷新。这是一个关键点需要等待加载动画消失或数据表格更新。 # 假设有一个加载指示器 loading_indicator css:.data-loading-spinner self.browser.wait_until_element_is_not_visible(loading_indicator, timeout30) log.info(数据筛选完成。) def _trigger_export_and_wait(self, timeout60): 点击导出按钮并等待文件下载完成 log.info(触发CSV导出。) export_button css:button.export-csv self.browser.click_element(export_button) # 方法轮询下载目录检查是否有新的.csv文件出现 log.info(f等待文件下载到: {self.download_dir}) initial_files set(os.listdir(self.download_dir)) start_time time.time() while (time.time() - start_time) timeout: time.sleep(2) # 每2秒检查一次 current_files set(os.listdir(self.download_dir)) new_files current_files - initial_files csv_files [f for f in new_files if f.lower().endswith(.csv)] if csv_files: # 通常最新的文件就是我们刚下载的 downloaded_file sorted(csv_files, keylambda f: os.path.getmtime(os.path.join(self.download_dir, f)))[-1] full_path os.path.join(self.download_dir, downloaded_file) # 额外检查文件是否已下载完全没有.crdownload临时文件 if not downloaded_file.endswith(.crdownload): log.info(f发现新CSV文件: {downloaded_file}) return full_path # 如果发现临时文件说明下载还在进行中 crdownload_files [f for f in new_files if f.endswith(.crdownload)] if crdownload_files: log.debug(下载仍在进行中...) log.error(f在{timeout}秒内未检测到完成的CSV文件下载。) return None这个进阶示例揭示了几个在真实RPA项目中必然会遇到的痛点及其解决方案凭据管理绝对不要将用户名密码硬编码在脚本中。我们通过环境变量 (DASHBOARD_USERNAME,DASHBOARD_PASSWORD) 来注入敏感信息。Robocorp Cloud等平台提供了更安全的Vault来存储机密。文件下载处理浏览器下载是RPA的常见需求。我们通过Chrome选项预设下载目录并禁用下载提示。最关键的是_trigger_export_and_wait方法中的轮询逻辑它主动检查目标文件夹等待预期的文件出现并确认其下载完成通过检查.crdownload临时文件是否消失。这是一种可靠且跨平台的方法。等待策略对于动态加载的页面简单的sleep是脆弱且低效的。我们组合使用了wait_until_element_is_visible和wait_until_element_is_not_visible。等待加载动画消失是判断页面“就绪”状态的黄金法则。模块化设计将登录、导航、导出等步骤拆分为私有方法 (_perform_login)使得主流程automate_dashboard_export清晰易懂也便于单独测试和维护。6. 项目打包、部署与流程编排初探开发调试完成后你可能需要将机器人部署到服务器或Robocorp Cloud上定期执行。Robocorp提供了完整的工具链。6.1 本地打包与运行首先确保你的robot.yaml配置完整。一个更完整的示例如下tasks: GitHub 搜索示例: shell: python -m my_first_rpa.github_search 仪表盘自动化: shell: python -m my_first_rpa.dashboard_automation environmentConfigs: - environment_windows_amd64_freeze.yaml - environment_linux_amd64_freeze.yaml artifactsDir: output ignoreFiles: - .gitignore - .git/**你可以通过CLI运行特定任务robocorp run -t “GitHub 搜索示例”为了创建可以在其他没有Python环境的机器上运行的包可以使用robocorp的打包功能通常与Robocorp Cloud结合更紧密。但本地也可以创建conda环境包。6.2 使用Robocorp Work Items进行数据驱动真正的生产流程往往是数据驱动的。例如从一个队列中读取需要搜索的关键词列表然后逐个执行。Robocorp的Work Items机制就是为此而生。你可以修改tasks.py使其从输入Work Item中读取数据from robocorp.tasks import task from robocorp import workitems from my_first_rpa.github_search import GitHubSearchRobot task def process_search_keywords(): 从输入Work Item中读取关键词并执行搜索 for item in workitems.inputs(): keyword item.payload.get(search_keyword, Robocorp) log.info(f处理关键词: {keyword}) robot GitHubSearchRobot() robot.search_keyword keyword # 动态传入关键词 try: robot.open_github_and_search() # 可以将结果保存到输出Work Item供下一个机器人使用 # result_payload {keyword: keyword, status: success} # workitems.outputs.create(payloadresult_payload) item.done() except Exception as e: log.error(f处理关键词 {keyword} 时失败: {e}) item.fail()然后你可以通过CLI或Robocorp Control Room云端管理平台向这个机器人发送包含{search_keyword: 某关键词}的Work Item实现流程的编排和复用。6.3 部署到Robocorp Cloud可选如果你需要调度、监控和集中管理机器人可以将项目推送到Robocorp Cloud。在 Robocorp Portal 上创建一个机器人工作区Workspace。使用robocorpCLI 登录robocorp cloud login。将你的机器人上传Push到云端robocorp cloud push。在Portal的Control Room中你可以配置机器人的运行环境如Windows/Linux、设置定时触发器Cron表达式、管理密钥、查看详细的运行日志和报告。这种模式将本地开发的灵活性与云端的运维能力结合了起来非常适合团队协作和商业项目。从在本地用TagUI风格的语法快速验证一个想法到用Robocorp框架将其重构为结构清晰、错误处理完善、配置灵活的模块化脚本再到考虑数据驱动、打包部署和云端协作这条路径清晰地展示了一个RPA爱好者如何一步步成长为能够交付生产级自动化解决方案的开发者。这个组合的魅力在于它既照顾了入门时的简单直观又为你铺好了通往复杂、健壮企业级应用的道路。 TagUI与Robocorp：从快速原型到企业级RPA机器人的完整实践指南
1. 从零开始为什么选择TagUI与Robocorp这对组合如果你正在寻找一个既能快速上手、又具备企业级扩展潜力的RPA机器人流程自动化入门方案那么TagUI和Robocorp的组合绝对值得你花时间研究。我最初接触RPA时市面上工具繁多从闭源的商业软件到各种开源框架让人眼花缭乱。商业软件功能强大但价格不菲且存在厂商锁定风险而一些纯代码框架虽然灵活但学习曲线陡峭对非开发背景的同事不够友好。TagUI和Robocorp的出现恰好在这两者之间找到了一个绝佳的平衡点。TagUI现已更名为RPA for Python的一部分以其极低的入门门槛和直观的“自然语言”脚本语法著称。你可以用近乎口语化的英语如click ‘login_button’来编写自动化脚本这让业务分析师或初涉自动化的朋友也能快速构建原型。而Robocorp则提供了一个基于Python的、更加强大和结构化的开发与运行环境它集成了机器人开发、依赖管理、日志、错误处理以及云端部署等一系列生产级功能。简单来说TagUI是你的“快速原型画笔”而Robocorp是你的“工业化生产车间”。用TagUI快速验证一个流程的可行性捕捉网页元素理清操作步骤然后用Robocorp的框架将其重构加入健壮的错误处理、清晰的任务结构、便于维护的配置管理最终打包成一个可以在任何地方本地、虚拟机、容器、云端稳定运行的机器人。这个组合覆盖了从创意验证到生产部署的全链路对于想深入RPA领域的开发者而言是一个性价比极高的技术栈。2. 环境搭建与核心工具链解析在动手写代码之前我们需要把“画板”和“车间”都准备好。这个环节的配置直接决定了后续开发的顺畅度很多初学者遇到的“莫名其妙”的错误往往都源于环境问题。2.1 Python环境与Robocorp CLI的安装Robocorp的核心是Python。首先我强烈建议使用conda或venv创建一个独立的Python虚拟环境。这能避免与你系统上其他项目的依赖发生冲突。这里以conda为例如果你没有安装conda可以直接使用Python自带的venv模块。# 创建一个名为rpa-demo的Python 3.9环境 conda create -n rpa-demo python3.9 conda activate rpa-demo接下来安装Robocorp的命令行工具robocorp。这个工具是管理Robocorp项目的瑞士军刀。pip install robocorp安装完成后运行robocorp -h验证是否成功。这个CLI工具将用于创建项目模板、运行机器人、管理依赖等。2.2 创建你的第一个Robocorp机器人项目Robocorp通过项目模板来规范结构这能保证最佳实践。我们创建一个标准的机器人项目# 创建一个名为 my_first_rpa 的目录并初始化项目 robocorp init my_first_rpa执行命令后CLI会引导你选择模板。对于纯RPA任务选择“Standard Robot”模板即可。完成后进入项目目录你会看到一个结构清晰的项目文件夹my_first_rpa/ ├── robot.yaml # 机器人配置文件定义依赖、环境变量等 ├── conda.yaml # Conda环境依赖文件Robocorp也支持 ├── tasks.py # 任务入口文件定义机器人执行的工作流 ├── tasks.robot # 可选Robot Framework格式的任务文件 ├── devdata/ # 开发环境数据 ├── output/ # 机器人运行输出日志、截图等 └── src/ # 主要源代码目录 └── my_first_rpa/ # 你的Python包 ├── __init__.py └── tasks.py # 具体的任务实现与根目录tasks.py可能关联这个结构是Robocorp的精华之一。robot.yaml是机器人的“身份证”和“说明书”它声明了机器人需要什么环境、依赖哪些库、以及如何运行。我们稍后会修改它来引入TagUI。2.3 集成TagUIRPA for PythonTagUI的核心能力已经集成到了rpaframework这个库中具体是RPA.Browser.Selenium和RPA.Desktop等库。但为了使用TagUI原生的简洁语法我们需要安装tagui包。不过更现代且与Robocorp生态融合更好的方式是直接使用rpaframework。修改robot.yaml文件在dependencies部分加入RPA框架的依赖dependencies: - rpaframework24.0.0 # 这是一个RPA工具集合包含了基于Selenium的浏览器自动化等 - selenium4.0.0 # 明确的Selenium版本确保兼容性然后在项目根目录下运行以下命令让Robocorp根据配置文件安装所有依赖robocorp install这个命令会读取robot.yaml和conda.yaml为你创建一个隔离的、包含所有指定依赖的运行时环境。至此你的“车间”里已经备好了所有核心工具。注意网络环境可能会导致selenium下载浏览器驱动如chromedriver失败。rpaframework的RPA.Browser.Selenium库通常会尝试自动下载匹配的驱动但如果遇到问题你可能需要手动下载对应版本的 ChromeDriver 并放置到系统PATH或项目指定目录下。这是RPA浏览器自动化中一个经典的“坑”。3. 使用TagUI风格语法编写第一个自动化脚本环境就绪让我们先用TagUI直观的语法来感受一下快速原型的魅力。我们假设一个经典场景打开浏览器访问GitHub搜索Robocorp仓库并获取第一个结果的描述信息。在src/my_first_rpa/目录下我们创建一个新文件github_search.py。这里我们将使用rpaframework中类似TagUI的简洁API风格。实际上RPA.Browser.Selenium库的设计哲学与TagUI一脉相承力求简化操作。from RPA.Browser.Selenium import Selenium # 初始化浏览器库 browser_lib Selenium() def open_github_and_search(): # 1. 打开浏览器并导航至GitHub browser_lib.open_available_browser(https://github.com) # 2. 定位搜索框并输入关键词 - 使用TagUI式的“自然”定位思路 # 我们可以用CSS选择器、XPath或者更简单的包含特定文本或属性的元素 search_selector input[placeholderSearch GitHub] browser_lib.input_text(search_selector, Robocorp) browser_lib.press_keys(search_selector, ENTER) # 3. 等待结果加载 browser_lib.wait_until_element_is_visible(css:div.codesearch-results, timeout10) # 4. 获取第一个仓库的链接和描述 # 定位第一个仓库条目。这里使用一个更具体的CSS选择器避免抓到其他元素。 first_repo_selector css:div.codesearch-results ul.repo-list li:first-child a.v-align-middle # 检查元素是否存在 if browser_lib.is_element_visible(first_repo_selector): repo_name browser_lib.get_text(first_repo_selector) print(f第一个仓库名称: {repo_name}) # 获取仓库描述可能不存在需要处理 # 描述通常在仓库名称后面的p标签里但DOM结构可能变化这里是一个示例选择器 desc_selector fxpath://a[contains(text(), {repo_name})]/../../p if browser_lib.is_element_visible(desc_selector): repo_description browser_lib.get_text(desc_selector) print(f仓库描述: {repo_description}) else: print(未找到仓库描述。) else: print(未找到搜索结果。) # 5. 为了演示等待几秒后关闭浏览器 browser_lib.sleep(3) browser_lib.close_all_browsers() if __name__ __main__: open_github_and_search()这段代码充分体现了TagUI的核心思想将自动化指令写得像简单的英语句子。open_available_browser,input_text,press_keys,wait_until_element_is_visible,get_text这些方法名几乎是不言自明的。即使你不懂复杂的CSS选择器通过浏览器的开发者工具复制元素选择器也能快速上手。实操心得网页元素定位是RPA中最不稳定的一环。网站前端稍作改动你的脚本就可能失效。因此不要使用绝对路径的XPath或依赖固定索引的CSS选择器。优先使用具有稳定id或name属性的元素其次是用包含关键字的placeholder、aria-label或相对稳定的CSS类。在RPA.Browser.Selenium中wait_until_element_is_visible是你的好朋友它能有效避免因网络延迟或动态加载导致的元素找不到错误。4. 将脚本升级为Robocorp机器人结构化与健壮性刚才的脚本是一个简单的原型但它缺乏错误处理、配置管理和可调度性。现在我们把它改造为一个真正的Robocorp机器人。这涉及到利用Robocorp框架的几个核心特性任务定义、上下文管理、日志和错误处理。4.1 定义机器人任务 (tasks.py)首先我们修改项目根目录下的tasks.py这是机器人的主入口。我们将定义一个名为GitHub Search Example的任务。from robocorp.tasks import task from robocorp import log from my_first_rpa.github_search import open_github_and_search task def github_search_example(): 一个示例任务打开GitHub搜索‘Robocorp’并打印第一个结果。 此任务展示了如何将简单的TagUI风格脚本集成到Robocorp框架中。 log.info(开始执行GitHub搜索示例任务。) try: # 调用我们之前写好的函数 open_github_and_search() log.info(任务执行成功) except Exception as e: # Robocorp框架会自动捕获异常并记录但我们可以进行自定义处理 log.error(f任务执行失败: {e}) # 可以在这里添加截图、发送通知等清理或上报操作 raise # 重新抛出异常让框架知道任务失败task装饰器是Robocorp框架的关键。它告诉框架这是一个可执行的任务。框架会为这个任务的执行自动配置日志、管理生命周期如开始、结束、清理。robocorp.log模块提供了结构化的日志输出比简单的print更强大日志会自动输出到output/log.html等文件中便于事后审计。4.2 增强的脚本实现集成配置与资源管理现在我们回头重构src/my_first_rpa/github_search.py使其更健壮、更可配置。from RPA.Browser.Selenium import Selenium from robocorp import log, workitems from robocorp.tasks import get_output_dir import os from datetime import datetime class GitHubSearchRobot: def __init__(self): self.browser_lib Selenium() # 可以从环境变量、work item或配置文件中读取搜索关键词 self.search_keyword Robocorp self.output_dir get_output_dir() def open_github_and_search(self): 主业务流程 log.info(f使用关键词 {self.search_keyword} 开始搜索。) try: # 1. 打开浏览器 - 可配置headless模式 headless os.getenv(RPA_HEADLESS_MODE, False).lower() true browser_args [--start-maximized] if headless: browser_args.append(--headlessnew) self.browser_lib.open_available_browser( https://github.com, browser_selectionchrome, argumentsbrowser_args ) # 2. 执行搜索 search_selector input[placeholderSearch GitHub] self.browser_lib.input_text(search_selector, self.search_keyword) self.browser_lib.press_keys(search_selector, ENTER) # 3. 等待并验证结果页 results_locator css:div.codesearch-results self.browser_lib.wait_until_element_is_visible(results_locator, timeout15) # 4. 捕获结果并记录 self._capture_search_results() # 5. 在出错或成功时都截图用于审计和调试 screenshot_path os.path.join(self.output_dir, ffinal_state_{datetime.now().strftime(%H%M%S)}.png) self.browser_lib.screenshot(filenamescreenshot_path) log.info(f最终状态截图已保存至: {screenshot_path}) except Exception as e: # 发生异常时截图 error_screenshot os.path.join(self.output_dir, ferror_{datetime.now().strftime(%H%M%S)}.png) self.browser_lib.screenshot(filenameerror_screenshot) log.error(f流程执行出错错误截图已保存。错误信息: {e}) raise # 将异常向上传递 finally: # 无论成功与否确保关闭浏览器 self.browser_lib.close_all_browsers() log.info(浏览器已关闭。) def _capture_search_results(self): 提取并记录搜索结果 first_repo_selector css:div.codesearch-results ul.repo-list li:first-child a.v-align-middle if not self.browser_lib.is_element_visible(first_repo_selector, timeout5): log.warn(未在页面上找到预期的第一个仓库元素。) # 可以尝试备用选择器或记录整个页面HTML用于分析 return repo_name self.browser_lib.get_text(first_repo_selector) log.info(f找到的第一个仓库: {repo_name}) # 尝试获取描述 - 使用更灵活的XPath基于找到的仓库名元素 repo_link self.browser_lib.get_element_attribute(first_repo_selector, href) # 构建一个相对可靠的描述定位器在同一列表项(li)内寻找p标签 desc_selector fxpath://a[href{repo_link}]/ancestor::li//p if self.browser_lib.is_element_visible(desc_selector, timeout2): repo_description self.browser_lib.get_text(desc_selector) log.info(f仓库描述: {repo_description}) # 可以将结果存储为结构化的数据例如写入JSON文件或发送到下一个流程 result_data { keyword: self.search_keyword, first_repo_name: repo_name, first_repo_description: repo_description, timestamp: datetime.now().isoformat() } # 这里可以调用 workitems.output.create() 将结果输出给下一个机器人 log.info(f提取的结果数据: {result_data}) else: log.info(f仓库 {repo_name} 没有描述文本。)这个升级版的类GitHubSearchRobot体现了生产级机器人的几个关键点配置化搜索关键词可以从环境变量 (RPA_HEADLESS_MODE) 或未来的work items中读取而不是硬编码。健壮的错误处理使用try...except...finally结构确保浏览器资源在任何情况下都能被正确关闭。发生错误时自动截图极大方便了远程调试。结构化日志使用log.info/log.warn/log.error替代print日志会自动分级、着色并输出到HTML报告。资源管理使用get_output_dir()获取框架管理的输出目录用于存放截图和日志避免路径混乱。可扩展性将核心业务逻辑_capture_search_results封装成独立方法便于未来修改或复用。结果数据被组织成字典为后续的数据持久化或流程衔接做好准备。4.3 运行与调试你的机器人现在我们可以用Robocorp CLI来运行这个机器人了。在项目根目录下执行robocorp run默认情况下CLI会查找tasks.py中的task装饰函数并运行它们。你会看到控制台输出结构化的日志同时所有日志和截图都会保存在output/目录下。运行结束后打开output/log.html你会得到一个格式美观、包含所有步骤详情和时间戳的HTML日志报告这对于审计和复盘至关重要。如果你想在无头模式下运行不显示浏览器界面以节省资源或在服务器上运行可以设置环境变量# 在Linux/macOS上 export RPA_HEADLESS_MODETrue robocorp run # 在Windows PowerShell上 $env:RPA_HEADLESS_MODETrue robocorp run5. 进阶处理更复杂的交互与数据一个真实的RPA流程很少只是简单的搜索和抓取。通常涉及登录、表单填写、文件下载、数据处理等。让我们扩展一下模拟一个需要登录使用假想网站并导出数据的场景展示TagUI/Robocorp如何处理更复杂的交互。假设我们需要登录一个内部仪表盘筛选某些数据然后点击“导出为CSV”按钮。这里的关键挑战是等待动态加载的元素和处理文件下载。我们在src/my_first_rpa/下创建另一个文件dashboard_automation.py。from RPA.Browser.Selenium import Selenium from RPA.HTTP import HTTP from robocorp import log, workitems import os import time from pathlib import Path class DashboardAutomation: def __init__(self, usernameNone, passwordNone): self.browser Selenium() self.http HTTP() self.username username or os.getenv(DASHBOARD_USERNAME) self.password password or os.getenv(DASHBOARD_PASSWORD) if not self.username or not self.password: log.error(未找到仪表盘登录凭据。请设置DASHBOARD_USERNAME和DASHBOARD_PASSWORD环境变量。) raise ValueError(Missing credentials) self.download_dir str(Path(os.getenv(ROBOT_ROOT, os.getcwd())) / output / downloads) os.makedirs(self.download_dir, exist_okTrue) def automate_dashboard_export(self): 自动化登录仪表盘并导出数据 log.info(开始仪表盘自动化流程。) try: # 1. 配置浏览器以下载文件到指定目录 prefs { download.default_directory: self.download_dir, download.prompt_for_download: False, plugins.always_open_pdf_externally: True } options { prefs: prefs, arguments: [--start-maximized] } self.browser.open_available_browser( https://example-internal-dashboard.com/login, # 示例URL browser_selectionchrome, optionsoptions ) # 2. 登录 self._perform_login() # 3. 导航到报表页面并筛选 self._navigate_and_filter() # 4. 触发导出并等待下载完成 exported_file self._trigger_export_and_wait() if exported_file: log.info(f文件下载成功: {exported_file}) # 此处可以添加处理文件的逻辑例如用RPA.FileSystem或pandas读取CSV # from RPA.FileSystem import FileSystem # lib FileSystem() # content lib.read_file(exported_file) else: log.warn(未检测到文件下载。) except Exception as e: log.error(f仪表盘自动化失败: {e}) raise finally: self.browser.close_all_browsers() def _perform_login(self): 处理登录逻辑 log.info(正在登录...) # 假设登录表单有id为‘username’和‘password’的字段 self.browser.input_text(id:username, self.username) self.browser.input_text(id:password, self.password) self.browser.click_button(css:button[typesubmit]) # 等待登录成功后的页面元素出现例如用户头像或仪表盘标题 self.browser.wait_until_element_is_visible(css:.user-avatar, timeout10) log.info(登录成功。) def _navigate_and_filter(self): 导航到目标页面并应用筛选器 log.info(导航至数据报表页面。) # 点击侧边栏菜单 self.browser.click_element(css:a[href/reports]) # 等待报表页面加载 self.browser.wait_until_page_contains_element(h1:Reports, timeout10) # 应用日期筛选器示例选择‘最近7天’ log.info(应用‘最近7天’筛选器。) self.browser.click_element(css:#date-filter-dropdown) self.browser.click_element(xpath://li[contains(text(), Last 7 days)]) # 等待数据刷新。这是一个关键点需要等待加载动画消失或数据表格更新。 # 假设有一个加载指示器 loading_indicator css:.data-loading-spinner self.browser.wait_until_element_is_not_visible(loading_indicator, timeout30) log.info(数据筛选完成。) def _trigger_export_and_wait(self, timeout60): 点击导出按钮并等待文件下载完成 log.info(触发CSV导出。) export_button css:button.export-csv self.browser.click_element(export_button) # 方法轮询下载目录检查是否有新的.csv文件出现 log.info(f等待文件下载到: {self.download_dir}) initial_files set(os.listdir(self.download_dir)) start_time time.time() while (time.time() - start_time) timeout: time.sleep(2) # 每2秒检查一次 current_files set(os.listdir(self.download_dir)) new_files current_files - initial_files csv_files [f for f in new_files if f.lower().endswith(.csv)] if csv_files: # 通常最新的文件就是我们刚下载的 downloaded_file sorted(csv_files, keylambda f: os.path.getmtime(os.path.join(self.download_dir, f)))[-1] full_path os.path.join(self.download_dir, downloaded_file) # 额外检查文件是否已下载完全没有.crdownload临时文件 if not downloaded_file.endswith(.crdownload): log.info(f发现新CSV文件: {downloaded_file}) return full_path # 如果发现临时文件说明下载还在进行中 crdownload_files [f for f in new_files if f.endswith(.crdownload)] if crdownload_files: log.debug(下载仍在进行中...) log.error(f在{timeout}秒内未检测到完成的CSV文件下载。) return None这个进阶示例揭示了几个在真实RPA项目中必然会遇到的痛点及其解决方案凭据管理绝对不要将用户名密码硬编码在脚本中。我们通过环境变量 (DASHBOARD_USERNAME,DASHBOARD_PASSWORD) 来注入敏感信息。Robocorp Cloud等平台提供了更安全的Vault来存储机密。文件下载处理浏览器下载是RPA的常见需求。我们通过Chrome选项预设下载目录并禁用下载提示。最关键的是_trigger_export_and_wait方法中的轮询逻辑它主动检查目标文件夹等待预期的文件出现并确认其下载完成通过检查.crdownload临时文件是否消失。这是一种可靠且跨平台的方法。等待策略对于动态加载的页面简单的sleep是脆弱且低效的。我们组合使用了wait_until_element_is_visible和wait_until_element_is_not_visible。等待加载动画消失是判断页面“就绪”状态的黄金法则。模块化设计将登录、导航、导出等步骤拆分为私有方法 (_perform_login)使得主流程automate_dashboard_export清晰易懂也便于单独测试和维护。6. 项目打包、部署与流程编排初探开发调试完成后你可能需要将机器人部署到服务器或Robocorp Cloud上定期执行。Robocorp提供了完整的工具链。6.1 本地打包与运行首先确保你的robot.yaml配置完整。一个更完整的示例如下tasks: GitHub 搜索示例: shell: python -m my_first_rpa.github_search 仪表盘自动化: shell: python -m my_first_rpa.dashboard_automation environmentConfigs: - environment_windows_amd64_freeze.yaml - environment_linux_amd64_freeze.yaml artifactsDir: output ignoreFiles: - .gitignore - .git/**你可以通过CLI运行特定任务robocorp run -t “GitHub 搜索示例”为了创建可以在其他没有Python环境的机器上运行的包可以使用robocorp的打包功能通常与Robocorp Cloud结合更紧密。但本地也可以创建conda环境包。6.2 使用Robocorp Work Items进行数据驱动真正的生产流程往往是数据驱动的。例如从一个队列中读取需要搜索的关键词列表然后逐个执行。Robocorp的Work Items机制就是为此而生。你可以修改tasks.py使其从输入Work Item中读取数据from robocorp.tasks import task from robocorp import workitems from my_first_rpa.github_search import GitHubSearchRobot task def process_search_keywords(): 从输入Work Item中读取关键词并执行搜索 for item in workitems.inputs(): keyword item.payload.get(search_keyword, Robocorp) log.info(f处理关键词: {keyword}) robot GitHubSearchRobot() robot.search_keyword keyword # 动态传入关键词 try: robot.open_github_and_search() # 可以将结果保存到输出Work Item供下一个机器人使用 # result_payload {keyword: keyword, status: success} # workitems.outputs.create(payloadresult_payload) item.done() except Exception as e: log.error(f处理关键词 {keyword} 时失败: {e}) item.fail()然后你可以通过CLI或Robocorp Control Room云端管理平台向这个机器人发送包含{search_keyword: 某关键词}的Work Item实现流程的编排和复用。6.3 部署到Robocorp Cloud可选如果你需要调度、监控和集中管理机器人可以将项目推送到Robocorp Cloud。在 Robocorp Portal 上创建一个机器人工作区Workspace。使用robocorpCLI 登录robocorp cloud login。将你的机器人上传Push到云端robocorp cloud push。在Portal的Control Room中你可以配置机器人的运行环境如Windows/Linux、设置定时触发器Cron表达式、管理密钥、查看详细的运行日志和报告。这种模式将本地开发的灵活性与云端的运维能力结合了起来非常适合团队协作和商业项目。从在本地用TagUI风格的语法快速验证一个想法到用Robocorp框架将其重构为结构清晰、错误处理完善、配置灵活的模块化脚本再到考虑数据驱动、打包部署和云端协作这条路径清晰地展示了一个RPA爱好者如何一步步成长为能够交付生产级自动化解决方案的开发者。这个组合的魅力在于它既照顾了入门时的简单直观又为你铺好了通往复杂、健壮企业级应用的道路。