当前位置：首页>python>Coze代码组件用Python处理数据?不会代码也能玩明白

Coze代码组件用Python处理数据?不会代码也能玩明白

2026-07-01 15:31:30

先说一个让很多人望而却步的场景——

你在Coze工作流里遇到了一个问题：

大模型返回的数据里有一堆多余的空格和换行符，需要清理；

或者你有一个时间戳 1745678400，需要转成"2025年4月27日"给用户看；

或者你从知识库拿到了一段文字，想提取里面所有的数字；

或者你有一个列表，需要去重、排序、只取前五条……

这些操作，大模型节点做不精准，文本处理节点功能不够，变量聚合节点不适合……

你打开代码节点，看到一个空白的编辑框，第一反应是：

我不会写代码。关掉。

今天这期，我们就解决这个问题。

一、先破除一个迷信

"代码节点是给程序员用的"——这个想法，让很多人白白放弃了工作流里最灵活的一个工具。

官方文档这里写得有点绕，我帮你翻译一下：

代码节点本质上就是一个"按你的规则处理数据"的工位。

你不需要从零学编程，你需要的只是——把你的需求描述清楚，让AI帮你写代码，你粘贴进去，跑通就行。

这就是今天要讲的核心用法：代码节点 + AI生成代码 = 不会编程也能用的超级数据处理器。

说白了，你负责"提需求"，AI负责"写代码"，你负责"把代码搬进去"。

三步，搞定任何数据处理问题。

二、代码节点的基本结构，看一眼就记住

Coze代码节点支持Python和JavaScript两种语言，今天我们用Python。

不管你要做什么，Python代码节点的结构永远是这样的：

async def main(args: Args) -> Output:  params = args.params  # 你的处理逻辑写在这里  return Output(...)

你只需要记住三件事：

① 数据怎么进来

从工作流上游传进来的变量，通过 params.变量名来取：

# 比如上游传进来一个叫 inputText 的变量text = params.inputText

② 处理逻辑写在中间

就是你想对数据做什么操作，在这里写。

③ 结果怎么出去

处理完的结果，通过 return Output(...) 传出去：

return Output(result="处理完的内容")

就这三个部分，万变不离其宗。

记住这个结构，后面不管AI给你生成什么代码，你都能看懂往哪里嵌。

三、怎么让AI帮你写代码？

这是整篇文章最核心的技巧。

很多人问AI"帮我写个Python代码"，结果拿到一堆看不懂的东西，不知道怎么用。

原因在于：你的需求描述不够具体。

给AI描述代码需求，有一个公式：

"我有一个[数据类型]，内容是[具体例子]，我想要[具体操作]，输出[期望结果]，请写成Coze代码节点的Python格式，输入参数名是XXX，输出参数名是XXX。"

越具体越好，带上例子最佳。

举个实际的对话示例：

❌ 模糊版：帮我写个处理字符串的Python代码
✅ 具体版：我有一个字符串变量叫 inputText，内容比如是 " 你好，世界！ "，我想去掉首尾的空格，然后把所有标点符号替换成空字符串，输出清理后的文本，输出参数名叫 cleanText。请写成Coze代码节点的Python格式。

描述越精准，AI给你的代码越能直接用，越不需要你自己改。

四、八个最常用的数据处理场景

下面我把最高频的数据处理需求，逐一说清楚——包括场景描述、给AI的提示词、以及代码示例。

你收藏这一段，以后遇到对应需求，照着给AI说就行。

场景一：清理文本（去空格、去乱码、统一格式）

什么时候用：

大模型有时候输出内容里有多余的换行符、首尾空格、奇怪的符号。传给下一个节点之前，需要先清理干净。

给AI说这句话：

我有一个字符串变量 inputText，需要：去掉首尾空格、把多个连续空格压缩成一个、去掉所有换行符、去掉中文标点（句号逗号等），输出清理后的字符串，参数名 cleanText。Coze Python格式。

生成的代码大概长这样：

import reasync def main(args: Args) -> Output:  params = args.params  text = params.inputText  # 去首尾空格  text = text.strip()  # 多个空格压缩成一个  text = re.sub(r' +', ' ', text)  # 去掉换行符  text = text.replace('\n', '').replace('\r', '')  # 去掉中文标点  text = re.sub(r'[，。！？、；：""''【】（）]', '', text)  return Output(cleanText=text)

场景二：时间戳转可读日期

什么时候用：

API返回的时间通常是时间戳（一串数字），需要转成"2025年4月27日 15:30"这种人能看懂的格式。

给AI说这句话：

我有一个整数变量 timestamp，是Unix时间戳，比如 1745678400，需要转换成"2025年04月27日 15:30:00"格式的字符串，输出参数名 formattedDate。Coze Python格式。

代码：

from datetime import datetimeasync def main(args: Args) -> Output:  params = args.params  timestamp = params.timestamp  # 时间戳转datetime对象  dt = datetime.fromtimestamp(int(timestamp))  # 格式化成字符串  formatted = dt.strftime('%Y年%m月%d日 %H:%M:%S')  return Output(formattedDate=formatted)

场景三：从文本里提取数字

什么时候用：

用户输入"我想要3个方案"、"预算大概50000块"，你需要把里面的数字单独取出来做计算或判断。

给AI说这句话：

我有一个字符串变量 inputText，比如 "预算大概50000块，需要3个方案"，需要提取出所有数字（整数和小数都要），返回一个数字列表，输出参数名 numbers。Coze Python格式。

代码：

import reasync def main(args: Args) -> Output:  params = args.params  text = params.inputText  # 提取所有数字（包括小数）  numbers = re.findall(r'\d+\.?\d*', text)  # 转成浮点数列表  numbers = [float(n) for n in numbers]  return Output(numbers=numbers)

场景四：列表去重 + 排序 + 截取前N条

什么时候用：

从多个地方收集来的数据有重复，需要去重；或者有一堆结果，只需要前五条最相关的。

给AI说这句话：

我有一个字符串列表变量 inputList，比如 ["苹果","香蕉","苹果","橙子","香蕉","葡萄"]，需要去重、按字母顺序排序、只保留前3条，输出参数名 resultList。Coze Python格式。

代码：

async def main(args: Args) -> Output:  params = args.params  input_list = params.inputList  # 去重（保持Python内部顺序）  unique_list = list(dict.fromkeys(input_list))  # 排序  unique_list.sort()  # 只取前3条  result = unique_list[:3]  return Output(resultList=result)

场景五：JSON字符串解析，提取指定字段

什么时候用：

HTTP请求节点返回的body是一个JSON字符串，需要取出里面某个字段的值传给下一个节点。

这是代码节点最高频的使用场景之一。

给AI说这句话：

我有一个字符串变量 jsonStr，内容是JSON格式，比如 '{"city":"北京","weather":"晴","temperature":28,"humidity":45}'，需要分别提取 city、weather、temperature 三个字段，输出三个独立参数。Coze Python格式。

代码：

import jsonasync def main(args: Args) -> Output:  params = args.params  json_str = params.jsonStr  # 解析JSON字符串  data = json.loads(json_str)  # 提取字段，用get避免KeyError  city = data.get('city', '')  weather = data.get('weather', '')  temperature = data.get('temperature', 0)  return Output(    city=city,    weather=weather,    temperature=temperature    )

场景六：计算和数学处理

什么时候用：

需要做一些数学计算：算平均值、算总和、算百分比、四舍五入……大模型做数学不可靠，代码节点做数学100%准确。

给AI说这句话：

我有一个数字列表变量 scores，比如 [85, 92, 78, 96, 88]，需要计算平均分（保留一位小数）、最高分、最低分、总分，输出四个参数。Coze Python格式。

代码：

async def main(args: Args) -> Output:  params = args.params  scores = params.scores  total = sum(scores)  average = round(total / len(scores), 1)  highest = max(scores)  lowest = min(scores)  return Output(    total=total,    average=average,    highest=highest,    lowest=lowest  )

场景七：字符串分割和重组

什么时候用：

大模型输出了一段用特定符号分隔的内容，需要把它切开变成列表；或者有一个列表，需要按照特定格式拼成一段话。

给AI说这句话：

我有一个字符串变量 inputStr，内容是用"|"分隔的多个词，比如 "人工智能|机器学习|深度学习|自然语言处理"，需要切成列表，然后给每个词加上序号和"·"前缀，重新拼成一段文字，每个词换行，输出参数名 formattedText。Coze Python格式。

代码：

async def main(args: Args) -> Output:  params = args.params  input_str = params.inputStr  # 按|切割  items = input_str.split('|')  # 给每个词加序号和前缀，换行拼接  formatted_lines = [f"{i+1}· {item.strip()}" for i, item inenumerate(items)]  formatted_text = '\n'.join(formatted_lines)  return Output(formattedText=formatted_text)

输出结果：

人工智能
机器学习
深度学习
自然语言处理

场景八：条件判断和数据分类

什么时候用：

你有一个分数或者数值，需要根据范围判断等级；或者根据输入内容的某个特征，把它归到不同的类别里。

给AI说这句话：

我有一个数字变量 score，需要根据分数区间输出等级：90以上是"优秀"，75-89是"良好"，60-74是"及格"，60以下是"不及格"。输出参数名 grade。Coze Python格式。

代码：

async def main(args: Args) -> Output:  params = args.params  score = params.score  if score >= 90:    grade = "优秀"  elif score >= 75:    grade = "良好"  elif score >= 60:    grade = "及格"  else:    grade = "不及格"  return Output(grade=grade)