向以前接触过BASIC的学生教授良好的编程几乎是不可能的  ：作为潜在的程序员，他们在精神上受到肢解，无法重生。

埃格斯·迪克斯特拉

在Dikstra时代，就像今天的RPA一样，计算是新兴的利基市场。从计算机科学家，BASIC或其最新版本的角度来看，Visual Basic在这两种情况下都在损害年轻人的意识。但是，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，以从这个快速增长的市场中受益。

RPA蓬勃发展

RPA尚处于初期阶段。最早的RPA公司Blue Prism成立于2001年，但是该行业的显着增长始于2010年代。

但是，人们对RPA的兴趣正在蓬勃发展。根据Gartner的研究，RPA是  全球企业软件市场中增长最快的部分，所有行业分析家都希望它能够保持增长。如果您需要更多有关RPA增长的说服力，请随时阅读我们对RPA感兴趣程度的文章。

基于Python的RPA平台正在兴起

最初的RPA平台建立在.Net框架上，并利用了与Windows OS的紧密集成。但是，鉴于Python的日益普及，在Python之上构建新的RPA平台也就不足为奇了：

公司

有允许代码货币化的市场

财富500强用户

在职员工人数

源代码

github上的贡献者数量(截至10 / Aug / 2019)

上次提交(截至2019年8月10日)

阿尔戈斯实验室

真正

软银，SK电讯，丰田等

28

专有权

汽车杂志

假

不适用

2

开源的

4

12/06/2019

机器人框架基金会

假

不适用

6

开源的

82

2019/09/08

Python开发人员可以通过3种方式从不断增长的RPA市场中受益

1-为市场构建可重用的插件

Python开发人员可以为这些RPA平台构建可重复使用的插件，以从不断增长的RPA市场中获得声誉和经济回报方面的好处。

尽管RPA平台提供了构建机器人的基本功能，但是此基本功能受到限制。在大多数平台中，有300-400个功能可帮助最终用户操纵UI和数据。除此之外，用户还需要依赖可以访问数千种不同功能的市场。

根据我们对现有RPA市场的分析和RPA案例研究，这些是可以使用Python库构建广泛使用的RPA插件的主要领域：

文档处理是大多数重复业务流程的重要组成部分，发票自动化是我们在研究RPA案例研究时遇到的最常见的RPA示例。因此，用于OCR的插件和用于文档数据提取的更先进的技术可能对RPA用户有利。例如，为基于文本的PDF提供表提取的Camelot库可能是一个有用的插件。

从文档中提取数据后，需要NLP工具来分析文本。Python可能拥有最大的NLP库集，包括spaCy，Gensim和NLTK，它们在github上的星标都超过5k。

将机器学习与RPA机器人集成是一个越来越受关注的领域，因为专利识别可以使机器人做出决策并执行更复杂的任务。TensorFlow和PyTorch是深度/机器学习中的一些领先库

其他领域包括OpenCV和Numpy是主要库的图像处理和Scrapy和Selenium是主要库的Web抓取。

根据他们发布的白皮书，Argos Labs正在为Python开发人员建立唯一的RPA市场。与他们联系以获得早期访问。将插件提交到市场的过程相对简单：

插件已提交给

私有存储库，之后该存储库可用作Argos Labs的RPA +机器人中的插件。这使插件对您的公司不公开

公共存储库，然后检查其安全性和对RPA +平台的合规性。检查完成后，该插件将可供所有RPA +用户使用

以下是对同一过程的更直观的说明：