2020年面向Python开发人员的主流 RPA平台：AIMultiple提供的指南

几乎不可能教会之前接触过 BASIC的学生优秀的编程能力：作为半吊子的程序员，他们的编程思维被Basic严重影响，很难纠正。

Edsger W. Dijkstra

在Dikstra的时代，计算是一个新兴领域，就像今天的RPA一样。从计算机科学家的角度来看，BASIC或其最新的替代品Visual Basic一直都在残害年轻人的编程思维。然而，在Python上出现了新兴的RPA平台，因此Python开发人员不再需要使用.Net来开发RPA解决方案，以便可以受益于这个快速增长的市场。

RPA正在蓬勃发展

RPA还处于初期阶段。蓝棱镜公司（Blue Prism）成立于2001年，是最古老的RPA公司，但该行业在2010年才开始出现显著增长。

然而，人们对RPA的兴趣正在快速上升。根据Gartner提供的数据，RPA是全球企业软件市场中 增长最快的细分市场 ，所有行业分析师预计，RPA将继续增长。如果您需要了解RPA增长方面更具说服力的信息，请随意阅读我们这篇讨论RPA受关注程度的文章。

基于Python的RPA平台正在出现

最初的RPA平台上基于.Net框架构建的，利用了其与Windows操作系统的紧密集成。然而，鉴于Python的日益普及，新的RPA平台在Python之上构建也就不足为奇了：

Python开发人员可以通过3种方式从不断增长的RPA市场中获益

1- 为市场构建可重用的插件

Python开发人员可以为这些RPA平台构建可重用的插件，以从不断增长的RPA 市场中获益，无论是在个人声誉方面还是在财务回报方面。

虽然RPA平台提供了构建自动程序的基本功能，但此基本功能是有限的。在大多数平台上，有300-400个函数可帮助终端用户操作UI和数据。除此之外，用户需要依靠市场，在那里他们可以获取到数千种不同功能的插件或应用。

根据我们对现有RPA市场和 RPA案例研究, 的分析，以下是可使用Python库来构建广泛使用的RPA插件的主要领域：

• 文档处理是大多数重复的业务流程中的重要组成部分，发票自动化处理是我们在研究 RPA案例研究时最常遇到的RPA用例。因此，用于OCR的插件和用于文档数据提取的更高级技术对于RPA用户可能是有益的。例如，为基于文本的PDF提供表格提取的Camelot库就是一个有用的插件。
• 从文档中提取数据后，需要用NLP工具来分析文本。Python可能拥有最大的NLP 库集合，包括spaCy、Gensim和NLTK，这些库在github上都获得了超过5000颗星。
• 将机器学习集成到RPA机器人是一个受到越来越多关注的领域，因为模式识别可以使机器人做出决策并承担更复杂的任务。TensorFlow和PyTorch是深度/机器学习领域的一些主要库。
• 其他领域还包括图像处理，其中OpenCV和Numpy是该领域主要的库，还有网页数据抽取，其主要的库是Scrapy和Selenium。

根据Argos Labs发布的 白皮书，他们正在为Python开发人员构建唯一的RPA 市场。您可以联系他们以便能尽早访问。向市场提交插件的过程比较简单：

• 插件可提交到
  • 私有存储库中，之后它便作为Argos实验室的RPA+机器人程序的插件可被使用。这样就可以保证插件为您的公司所私有。
  • 公共存储库，之后将检查在RPA+平台中的安全性和合规性。检查完成后，RPA+的所有用户都可以使用该插件。

下面是该过程更直观的解释：

这是从Python开发人员的角度对RPA市场进行的总结。阅读我们关于 可重用 RPA插件和RPA市场相关的文章，了解有关更多RPA相关内容。

2- 加入基于Python的RPA产品开发团队

加入Python RPA产品的开发团队可以使您通过Python在RPA领域中发展自己的职业生涯，但是，鉴于专利平台的数量很少，对于相对小部分的开发人员来说，这是一个机会。

3- 为开源RPA项目做出贡献

我们选定了一些开源RPA项目。为这些开源项目作出贡献可以使开发人员提高他们在开源界和RPA领域的声誉。

我们已经总结了Python开发人员如何为RPA的发展做出贡献并从其快速增长中获益。如果您了解Python开发人员开发RPA解决方案的其他方法，请自由发表评论。