【第二弹】企业微信的智能表格接收外部数据，通过http实现

上次只说了如何实现http实现已创建的智能表格追加数据，但是没有说怎么把我现有的数据转换成http请求体的数据格式

回顾

今天就来解决http里面的协议体，直接上代码

1.添加Python模块，把这个复制过去

# 使用提醒:
# 1. xbot包提供软件自动化、数据表格、Excel、日志、AI等功能
# 2. package包提供访问当前应用数据的功能，如获取元素、访问全局变量、获取资源文件等功能
# 3. 当此模块作为流程独立运行时执行main函数
# 4. 可视化流程中可以通过"调用模块"的指令使用此模块

import xbot
from xbot import print, sleep
from .import package
from .package import variables as glv

def main(args):
    # 1. 准备格式样例（就是您之前给的那个 JSON 对象）
    template = {
    "schema": {
        "f9VGvU": "数据来源",
        "fJGWk7": "地区公司",
        "fRvN4k": "项目",
        "fa2nec": "剩余库存数量",
        "fzatfC": "销售量",
        "fDT8zi": "日期"
    },
    "add_records": [
        {
        "values": {
            "f9VGvU": "测试文本",          # 文本
            "fJGWk7": "测试文本",          # 文本
            "fRvN4k": "测试文本",          # 文本
            "fa2nec": 1,                  # 数字
            "fzatfC": 44,                # 数字
            "fDT8zi": "1735660800000"     # 日期时间戳
        }
        }
    ]
    }

    # 2. 您的实际数据（二维列表）
    data = [
        ["数据来源", "地区公司", "项目", "剩余库存数量", "销售量", "日期"],
        ["优选", "湖南公司", "长沙", 2, 32, "2026-05-28"],
        ["优选", "辽宁公司", "沈阳", 21, 66, "2026-05-28"]
    ]

    # 3. 直接转换
    api_payload = prepare_smartsheet_payload(data, template)

    print(api_payload)

    # api_payload 的 schema 将与 template 中的完全一致，
    # add_records 中的值会自动转换为对应的类型

import pandas as pd
from datetime import datetime

def prepare_smartsheet_payload(data, template):
    """
    根据模板样例自动推断字段类型，将二维列表数据转换为智能表格 API 格式。

    :param data:     二维列表，首行表头，后续数据行
    :param template: 格式样例字典，包含 "schema" 和 "add_records" 
                     (至少一条示例记录，如您提供的完整 JSON 对象)
    :return: {"schema": ..., "add_records": [...]}
    """
    # 1. 提取 schema 和示例值
    schema = template.get("schema", {})
    example_vals = template.get("add_records", [{}])[0].get("values", {})
    if not schema or not example_vals:
        return None

    # 建立 标题->ID 映射
    title_to_id = {v.strip(): k for k, v in schema.items()}

    # 2. 根据示例值推断字段类型
    def infer_type(fid, title, ex_val):
        # 纯数字字符串且长度>=10 → 日期时间戳
        if isinstance(ex_val, str) and ex_val.isdigit() and len(ex_val) >= 10:
            return "date"
        # int/float → 数字
        if isinstance(ex_val, (int, float)):
            return "number"
        # 其他 → 文本
        return "text"

    field_types = {}
    for fid, title in schema.items():
        field_types[fid] = infer_type(fid, title, example_vals.get(fid))

    # 3. 数据清洗与转换
    if len(data) < 2:
        return None
    header = [str(c).strip() for c in data[0]]
    df = pd.DataFrame(data[1:], columns=header)

    # 只保留 schema 中存在的列
    available_titles = [t for t in title_to_id if t in df.columns]
    df = df[available_titles]

    def convert(val, fid):
        ftype = field_types[fid]
        if pd.isna(val) or val == "":
            return 0 if ftype == "number" else ""

        s = str(val).strip()

        # 日期字段：解析并输出毫秒时间戳字符串
        if ftype == "date":
            # 已经是时间戳数字字符串
            if s.isdigit():
                return s
            # 常见日期格式
            for fmt in ("%Y-%m-%d %H:%M:%S", "%Y-%m-%d"):
                try:
                    dt = datetime.strptime(s, fmt)
                    return str(int(dt.timestamp() * 1000))
                except ValueError:
                    continue
            try:
                dt = pd.to_datetime(s, errors='coerce')
                if pd.notna(dt):
                    return str(int(dt.timestamp() * 1000))
            except:
                pass
            return s  # 解析失败，原样返回

        # 数字字段：支持百分数、无效符号处理
        if ftype == "number":
            if s.endswith('%'):
                try:
                    num = float(s[:-1]) / 100.0
                    return int(num) if num.is_integer() else num
                except ValueError:
                    pass
            if s in ('-', '--', 'N/A', 'null', 'None'):
                return 0
            try:
                num = float(s)
                return int(num) if num.is_integer() else num
            except (ValueError, TypeError):
                return 0

        # 文本字段：直接返回字符串
        return s

    # 4. 构建 add_records
    add_records = []
    for _, row in df.iterrows():
        values = {}
        for title, fid in title_to_id.items():
            if title not in row:
                continue
            converted = convert(row[title], fid)
            # 保留数字0，跳过空字符串
            if field_types[fid] == "number" or converted != "":
                values[fid] = converted
        add_records.append({"values": values})
    print('结果')
    print({"schema": schema, "add_records": add_records})
    return {"schema": schema, "add_records": add_records}

2.调用prepare_smartsheet_payload函数，提供两个参数。

data：数据格式是二维列表，就是需要添加的数据记录

template：数据格式是字典，就是从企业微信粘贴过来的

注意：template第二个参数就直接复制智能表格的示例数据即可，记得把换行符替换掉。

3.把这个调用的结果输出给刚刚的http指令就可以了。

先把结果转换一下，传给http指令就可以了

【第一弹】参考：企业微信的智能表格接收外部数据，通过http

概述 - 文档 - 企业微信开发者中心