在 n8n Code 节点中高效编写 Python 脚本 #

解决在 n8n 工作流中需要复杂逻辑处理的问题：通过掌握 Python Code 节点的特定语法和限制，实现高效的数据转换、过滤与统计分析。

为什么需要这个技能 #

虽然 n8n 提供了大量内置节点，但在面对复杂的数学计算、正则提取或特定的数据清洗需求时，可视化节点往往难以胜任。

n8n 的 Code 节点允许用户直接编写 Python 代码。但由于其运行在沙箱环境中，与标准 Python 环境存在显著差异（如无法安装第三方库、必须遵守特定的输入输出格式）。掌握这些特性可以避免工作流在执行时因 KeyError 或格式错误而崩溃。

适用场景 #

• 复杂数据转换：使用列表推导式快速清洗大规模 JSON 数据。
• 统计分析：利用 statistics 标准库计算均值、中位数等指标。
• 文本解析：使用 re 模块从非结构化文本中提取关键信息。
• 数据验证：在数据进入数据库前进行多字段的合法性校验。

核心工作流 #

1. 选择执行模式 #

• Run Once for All Items（推荐）：代码仅执行一次，通过 _input.all() 处理所有输入项，适用于聚合、过滤。
• Run Once for Each Item：代码为每个输入项独立执行一次，通过 _input.item 访问当前项。

2. 数据访问语法 #

• 全量获取：items = _input.all()
• 单项获取：first_item = _input.first()
• 跨节点引用：_node["Node Name"]["json"]
• Webhook 特别注意：Webhook 传入的数据统一在 _json["body"] 之下，而非直接在 _json 中。

3. 遵守输出规范 #

n8n 要求 Python 节点必须返回一个字典列表，且每个字典必须包含 json 键。

# 正确的返回格式
return [
    {"json": {"id": 1, "status": "success"}},
    {"json": {"id": 2, "status": "pending"}}
]

4. 库限制与替代方案 #

• 禁用：无法使用 requests, pandas, numpy 等第三方库。
• 可用：仅支持标准库（如 json, datetime, re, base64, hashlib, math, statistics）。
• 方案：如需发送 HTTP 请求，请在 Code 节点前使用 HTTP Request 节点。

下载和安装 #

下载 n8n-code-python 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐