本文同步自影刀社区 RPA 板块(文章),作者 【耐家军】DC:原文链接
一、前言
WPS 多维表格 AirScript 作为国产轻量化高效自动化接口,完美适配影刀 RPA 自动化流程,全套覆盖数据查询、新增、批量新增、数据更新、批量删除、图片文件获取六大业务场景,对应影刀标准化流程:
二、WPS AirScript 多维表格核心指令
AirScript 是 WPS 多维表格专属在线脚本引擎,兼容标准 JS 语法,配套影刀 Python 封装 SDK,一站式搞定多维表全流程自动化。
1. 多维表格核心业务指令
- 记录全量 CRUD:单条 / 批量新增、多条件筛选查询、更新、删除多维表数据
- 智能分页拉取:超大数据集自动分段循环查询,避免接口超时、页面卡顿
- 跨字段关联联动:多表数据自动匹配、汇总计算、实时同步
2. 高级拓展指令
- 云文档互通:跨多维表格、跨文档数据调用、文件归档管理
- HTTP 网络请求:对接第三方系统、Webhook 双向数据流转
- 自动化触发:定时任务、事件触发脚本,无人值守批量处理数据
- 附件图片管理:Base64 上传图片、获取文件永久下载链接
三、WPS VS 钉钉 & 飞书:三大碾压级核心优势
1. 接口永久免费,无额度、无会员门槛
- WPS 多维表格:AirScript 开放接口全免费使用,不限调用次数、不限数据量级,个人 / 企业均可零成本对接集成
- 飞书多维表格:高级 API、批量接口、Webhook 联动必须开通 VIP 付费,免费版严格限制接口频次与数据权限
- 钉钉多维表格:接口权限单独付费申请,免费版仅基础读写功能,大数据批量接口全面收费
2. 毫秒级极速响应,低延迟高并发不卡顿
WPS 自研分布式高性能引擎,日常接口响应极低,千级并发、多人协同依旧流畅不锁表。
钉钉、飞书同等数据规模下,接口响应延迟更高,频繁批量调用极易卡顿、请求超时。
3. 百万级大数据超强算力,实测仅 10 分 35 秒
同等百万行海量业务数据,WPS AirScript 获取百万数据仅耗时 10 分 35 秒
钉钉单表数据行数硬性上限极低,大数据处理严重受限;飞书百万数据处理耗时远高于 WPS,成本更高、稳定性更差。
WPS AirScript VS 钉钉 / 飞书多维表格核心优势
-
零成本永久免费
WPS 全量 AirScript 接口无调用次数限制、无数据量级门槛、无需开通付费 VIP;钉钉 / 飞书批量大数据、高级筛选、Webhook 联动全部单独收费,免费版严重限流限数据。
-
接口响应极速低延迟
原生分布式引擎,日常接口毫秒级响应,高并发调用不卡顿、不超时,远优于钉钉飞书高延迟接口。
-
百万数据超强算力
同等百万行全量业务数据,WPS 分页遍历全流程仅10 分 35 秒;钉钉单表行数硬性上限极低,飞书大数据处理耗时翻倍、极易接口崩溃。
-
影刀深度适配
完美匹配影刀 RPA 全流程自动化,6 大标准化 flow 模块开箱即用,不用二次开发即可落地企业全场景数据自动化。
WPS 多维表格 AirScript × 影刀 RPA 全套 Python 调用使用说明

每个自定义指令都要两个参数



webhook地址

key密钥地址

WPS 多维表格查询数据.flow

查询条件就是数据表筛选格式如下
[(“字段1”,“条件”,“条件内容”),(“字段2”,“条件2”,“条件2内容”)]
条件包含一下
等于
不等于
大于
大于等于
小于
小于等于
介于取等
介于不等
开头是
结尾是
包含
不包含
指定值
为空
不为空
案例展示:

[(“日期”,“等于”,“2026/04/23”),(“平台”,“等于”,“淘宝”),(“工厂名字”,“等于”,“领航”)]
获取数据表名称 日期字段为2026/04/23和平台为淘宝,工厂名称为领行的数据
WPS 多维表格更新数据.flow
先要获取修改数据的id可以通过查询筛选拿到

数据字典:{“字段名称”:“字段内容”,“字段名称1”:“字段内容1”}
图文字典: {“文件字段名称”:“文件路径地址”,“文件字段名称1”:“文件路径地址1”}
WPS 多维表格获取图片或文件.flow

uploaid 可从查询数据源获取图片获取
WPS 多维表格批量删除.flow

通过查询数据拿到要删除的id列表实现批量删除
WPS 多维表格批量新增.flow

数据列表 批量上传数据字典即可
WPS 多维表格新增数据.flow

数据字典和图文字典和更新一致,数据字典为必填项,图文字典需要上传图片填写不上传图片不填写
对比钉钉、飞书多维表格接口,WPS AirScript接口永久免费无额度限制、响应速度更快、百万级海量数据处理实测仅需 10 分 35 秒,零成本即可实现企业全流程数据自动化对接。
js代码
function main(Context) { const { operateType, sheetName, // 用表名,不是 ID sheetId = 0, records = [], recordIds = [], imgbas64 = "", recordId = "", imgname = "", pagefy = "", filter = null, upId = "", maxRecords = undefined } = Context.argv;
// 根据表名获取正确 sheetId let realSheetId = sheetId; if (sheetName) { const allSheets = Application.Sheet.GetSheets(); for (let i = 0; i < allSheets.length; i++) { const s = allSheets[i]; if (s.name.trim() === sheetName.trim()) { realSheetId = s.id; break; } } }
// 只新增:根据表名获取索引 function getSheetIndexByName(name){ const sheets = Application.Sheet.GetSheets(); for(let i=0;i<sheets.length;i++){ if(sheets[i].name.trim() === name.trim()){ return i+1; // 索引从1开始 } } return 1; }
if (operateType === "query") { function fetchAllRecords() { let allRecords = []; let offset = pagefy ? pagefy : null; let pageCount = 0; // 计数,控制每次只查3页
// 最多查2页就停止,防止超时 while ((allRecords.length === 0 || offset) && pageCount < 2) { const queryParams = { SheetId: realSheetId, Offset: offset, PageSize: 1000, // 严格遵守最大1000,不动! MaxRecords: maxRecords }; if (filter) queryParams.Filter = filter; if (!maxRecords) delete queryParams.MaxRecords;
const recordsResult = Application.Record.GetRecords(queryParams); offset = recordsResult.offset; allRecords = allRecords.concat(recordsResult.records);
pageCount++; // 页数+1 if (!offset) break; }
// 返回当前查到的所有数据 + 下一页offset,给Python继续拉 return [offset, allRecords]; } return fetchAllRecords();}
// 上传图片(只修改这里:使用索引)其他完全不动 if (operateType === "ym") { return Application.Sheets(getSheetIndexByName(sheetName)).Views(1).RecordRange(recordId, `@${imgname}`).Value = Application.DBCellValue([{ fileData: imgbas64, fileName: `${recordId}.png` }]); }
// 获取图片下载地址 if (operateType === "xz") { return Application.Record.GetAttachmentURL({ UploadId: upId, Source: "upload_ks3" }); }
// 新建 if (operateType === "create") { return Application.Record.CreateRecords({ SheetId: realSheetId, Records: records }); }
// 删除 if (operateType === "delete") { return Application.Record.DeleteRecords({ SheetId: realSheetId, RecordIds: recordIds }); }
// 更新 if (operateType === "update") { return Application.Record.UpdateRecords({ SheetId: realSheetId, Records: [{ id: recordId, fields: records[0].fields }] }); }
throw new Error("不支持的操作类型:" + operateType);}
return main(Context);python代码
import xbotfrom xbot import print, sleepfrom . import packagefrom .package import variables as glvimport requestsimport base64import asyncioimport aiohttp
# ======================== 中文条件映射(官方标准) ========================CONDITION_MAP = { "等于": "Equals", "不等于": "NotEqu", "大于": "Greater", "大于等于": "GreaterEqu", "小于": "Less", "小于等于": "LessEqu", "介于取等": "GreaterEquAndLessEqu", "介于不等": "LessOrGreater", "开头是": "BeginWith", "结尾是": "EndWith", "包含": "Contains", "不包含": "NotContains", "指定值": "Intersected", "为空": "Empty", "不为空": "NotEmpty"}
# ======================== 同步统一请求 ========================def request_api(api_url, api_token, op_type, argv_data): HEADERS = { "Content-Type": "application/json", "AirScript-Token": api_token } res = requests.post( api_url, json={"Context": {"argv": {"operateType": op_type, **argv_data}}}, headers=HEADERS ) result = res.json() data = result.get("data", {}) err = result.get("error", "").strip() res_data = data.get("result") if res_data is None or err: if err != "运行超时": if err: raise Exception(err) return res_data
# ======================== 异步高性能请求(大数据提速专用) ========================async def _async_request_api(session, api_url, api_token, op_type, argv_data): HEADERS = { "Content-Type": "application/json", "AirScript-Token": api_token } async with session.post( api_url, json={"Context": {"argv": {"operateType": op_type, **argv_data}}}, headers=HEADERS ) as resp: result = await resp.json() data = result.get("data", {}) err = result.get("error", "").strip() res_data = data.get("result") if res_data is None or err: if err != "运行超时": if err: raise Exception(err) return res_data
# ======================== 全表数据查询(自动分页循环) ========================def query_all(api_url, api_token, sheet_name): async def run(): all_data = [] page = "" async with aiohttp.ClientSession() as session: while True: res = await _async_request_api( session, api_url, api_token, "query", {"sheetName": sheet_name, "pagefy": page} ) offset, records = res all_data += records if not offset: break page = offset return all_data return asyncio.run(run())
# ======================== 单条件筛选查询 ========================def query_filter(api_url, api_token, sheet_name, field, cn_op, value): op_en = CONDITION_MAP[cn_op] filters = { "mode": "AND", "criteria": [{"field": field, "op": op_en, "values": [value]}] }
async def run(): all_data = [] page = "" async with aiohttp.ClientSession() as session: while True: res = await _async_request_api( session, api_url, api_token, "query", { "sheetName": sheet_name, "pagefy": page, "filter": filters } ) offset, records = res all_data += records if not offset: break page = offset return all_data return asyncio.run(run())
# ======================== 多条件组合筛选查询 ========================def query_filter_multi(api_url, api_token, sheet_name, conditions, mode="AND"): criteria = [] filters = {} if conditions: if len(conditions) != 0: for field, cn_op, value in conditions: op_en = CONDITION_MAP[cn_op] criteria.append({"field": field, "op": op_en, "values": [value]})
filters = {"mode": mode, "criteria": criteria}
async def run(): all_data = [] page = "" async with aiohttp.ClientSession() as session: while True: res = await _async_request_api( session, api_url, api_token, "query", { "sheetName": sheet_name, "pagefy": page, "filter": filters } ) offset, records = res all_data += records if not offset: break page = offset return all_data return asyncio.run(run())
# 单条新增数据def create_data(api_url, api_token, sheet_name, fields): return request_api(api_url, api_token, "create", { "sheetName": sheet_name, "records": [{"fields": fields}] })
# 批量新增海量数据def batch_create(api_url, api_token, sheet_name, records_list): formatted_records = [{"fields": item} for item in records_list] return request_api(api_url, api_token, "create", { "sheetName": sheet_name, "records": formatted_records })
# 更新单行数据def update_data(api_url, api_token, sheet_name, record_id, fields): return request_api(api_url, api_token, "update", { "sheetName": sheet_name, "recordId": record_id, "records": [{"fields": fields}] })
# 单条删除def delete_data(api_url, api_token, sheet_name, record_id): return request_api(api_url, api_token, "delete", {"sheetName": sheet_name, "recordIds": [record_id]})
# 批量删除多行数据def batch_delete(api_url, api_token, sheet_name, record_ids): return request_api(api_url, api_token, "delete", { "sheetName": sheet_name, "recordIds": record_ids })
# 上传本地图片至多维表格def upload_img(api_url, api_token, sheet_name, record_id, field_name, img_path): with open(img_path, "rb") as f: b64 = base64.b64encode(f.read()).decode() return request_api(api_url, api_token, "ym", { "sheetName": sheet_name, "recordId": record_id, "imgname": field_name, "imgbas64": f"data:image/png;base64,{b64}" })
# 获取图片文件下载地址def get_image_url(api_url, api_token, sheet_name, upload_id, source="upload_ks3"): return request_api(api_url, api_token, "xz", { "sheetName": sheet_name, "upId": upload_id, "source": source })
# 新增数据同时附带多张图片def create_with_imgs(api_url, api_token, sheet_name, fields, img_dict): rid = create_data(api_url, api_token, sheet_name, fields)[0]["id"] for field, path in img_dict.items(): for i in range(3): try: upload_img(api_url, api_token, sheet_name, rid, field, path) break except Exception as e: pass
# 更新数据同时替换多张附件图片def update_with_imgs(api_url, api_token, sheet_name, rid, fields, img_dict): update_data(api_url, api_token, sheet_name, rid, fields) for field, path in img_dict.items(): for i in range(3): try: upload_img(api_url, api_token, sheet_name, rid, field, path) break except Exception as e: pass
# ===================== 实战调用示例 =====================def main(args): # 读取影刀全局变量配置 API_URL = glv["hook"] API_TOKEN = glv["密钥"]
# 多条件筛选:查询所有带有图片附件的数据 conditions = [ ("图片和附件", "不等于", ""), ] data = query_filter_multi(API_URL, API_TOKEN, "测试", conditions, mode="AND") print([i["fields"]["图片和附件"][0]["uploadId"] for i in data]) print(get_image_url(API_URL, API_TOKEN, "测试", [i["fields"]["图片和附件"][0]["uploadId"] for i in data][1]))开发者可自行封装免费开源,自定义指令已手搓完成需要找DC哥获取!
