n8n 的 Code 節點是解鎖自動化流程無限潛能的瑞士刀，它預設使用 JavaScript，讓你能用程式碼處理各種複雜的客製化邏輯。但如果你或你的團隊是 Python 的忠實擁護者呢？當你面對複雜的數據分析、資料清洗，或是想利用 Pandas、Requests 這類強大的 Python 函式庫時，難道只能望著 Code 節點興嘆，改用自己不熟悉的 JavaScript 嗎？
答案是：不用！n8n 其實隱藏著執行 Python 程式碼的強大功能！
是的，你沒看錯。雖然不是開箱即用的預設選項，但只要透過一個簡單的環境設定，你就能在 n8n 的 Code 節點中，從 JavaScript 切換到 Python，讓你用最熟悉的語言，在自動化工作流中大展拳腳。
這篇文章將是市面上最完整的 n8n Code 節點 Python 教學。我們將從最關鍵的環境設定開始，一步步帶你啟用 Python 執行模式，並詳細解釋 Python 環境下的資料傳遞邏輯，最後提供多個實戰程式碼範例，讓你真正釋放 n8n 結合 Python 的數據處理超能力。
關鍵第一步：如何為 n8n 啟用 Python 執行環境？
如果你直接在 n8n 的 Code 節點尋找，你會發現根本沒有切換語言的選項。這是因為 n8n 預設只會啟動它主要的核心執行緒，而這個執行緒是基於 Node.js 的，也就是 JavaScript。為了安全與穩定性，要執行其他語言，需要手動啟用一個獨立的執行模式。
認識 n8n 的執行模式
n8n 提供了不同的執行模式來處理工作流。簡單來說：
main模式: 這是 n8n 的主要核心程序，專門用來執行 JavaScript。isolated模式: 這是一個隔離的、獨立的程序，n8n 可以用它來安全地執行非 JavaScript 的程式碼，例如 Python。
我們的目標，就是告訴 n8n：「嘿，請幫我把 isolated 這個隔離的執行程序也準備好！」
設定環境變數：EXECUTIONS_PROCESS=main
啟用 Python 的魔法咒語，就是設定一個名為 EXECUTIONS_PROCESS 的環境變數。你需要在啟動 n8n 服務時，將這個變數的值設定為 main。
這看起來可能有點違反直覺，但它的意思是：「請將主要的執行模式設定為 main，並且也順便把隔離模式（isolated）給我準備好，以便我之後可以選用。」
Docker / Docker Compose 使用者設定教學
對於大多數使用 Docker 或 Docker Compose 來部署 n8n 的使用者，設定方法非常簡單。你只需要在你的設定檔中加入這個環境變數即可。
使用 docker-compose.yml 的設定範例：
在你的 docker-compose.yml 檔案中，找到 n8n 服務的 environment 區塊，在底下新增一行：
YAML
version: '3.7'
services:
n8n:
image: n8nio/n8n
restart: always
ports:
- "5678:5678"
environment:
# --- 在這裡加上底下這一行 ---
- EXECUTIONS_PROCESS=main
# --- 其他你的環境變數 ... ---
- GENERIC_TIMEZONE=Asia/Taipei
volumes:
- n8n_data:/home/node/.n8n
volumes:
n8n_data:
使用 docker run 指令的設定範例：
如果你是直接使用 docker run 指令啟動，則在指令中加入 -e EXECUTIONS_PROCESS=main 參數：
Bash
docker run -it --rm \
--name n8n \
-p 5678:5678 \
-v n8n_data:/home/node/.n8n \
-e EXECUTIONS_PROCESS=main \
n8nio/n8n
設定完成後，記得重新啟動你的 n8n 容器 (docker-compose up -d --force-recreate 或重新執行 docker run)。
驗證設定：在 Code 節點看見語言選項
成功重啟後，回到你的 n8n 工作流，新增一個 Code 節點。點開它的設定面板，你會驚喜地發現，在最上方多出了一個「Language」的下拉選單！點開它，你就能看到「Python」這個選項。
選取 Python 之後，底下的程式碼編輯區就會切換成 Python 的語法環境。恭喜你，你已經成功解鎖了 n8n 的 Python 模式！
n8n Python Code 節點：資料輸入與輸出邏輯
在 Python 環境中，資料的傳遞方式與 JavaScript 略有不同，但概念是相通的。
讀取輸入資料：Python 中的 items
在 Python 模式下，所有從上一個節點傳入的資料，同樣會被打包成一個名為 items 的變數。不過，它的結構是一個包含單一元素的 List，這個元素才包含了我們需要的資料。
items: 一個 Python List，通常你只需要處理第一個元素items[0]。items[0].json: 這是一個 Dictionary，裡面存放了你真正需要的資料，也就是上一個節點輸出的 JSON 內容。
回傳輸出資料：Python 的 return 語法
與 JavaScript 模式一樣，Python 模式的 Code 節點也必須回傳一個 n8n 能看得懂的資料結構，否則工作流會中斷。這個結構是一個 List of Dictionaries，格式如下： [{'json': { ... }}]
基礎程式碼結構
這是一個在 Python Code 節點中最基本的樣板，你可以直接複製使用：
Python
# 取得從上一個節點傳來的第一筆資料
input_item = items[0]
# 準備一個新的 list 來存放處理完的結果
output_items = []
# --- 你的主要 Python 邏輯寫在這裡 ---
# 範例：複製一份原始資料，避免直接修改
# 這樣做是個好習慣
processed_data = input_item.json.copy()
# 在資料中新增一個欄位
processed_data['message'] = 'This was processed by Python!'
# 將處理完的資料包裝成 n8n 的 item 格式，並加入到輸出的 list 中
output_items.append({'json': processed_data})
# ------------------------------------
# 最後，回傳這個 list
return output_items
實戰範例一：使用 Python 進行數據清洗與計算
目標： 假設有一批客戶資料，phone 欄位格式混亂（可能包含 +886-、0、- 等）。我們要用 Python 清理電話號碼，只保留數字，並計算客戶姓名 name 的長度。
輸入資料範例： [{'json': {'name': '陳小明', 'phone': '0912-345-678'}}]
Python Code 節點程式碼：
Python
import re # 匯入 Python 的正規表示式模組
items_in = items[0]
output_items = []
# 複製一份資料來處理
data = items_in.json.copy()
# 1. 清洗電話號碼
original_phone = data.get('phone', '') # 使用 .get() 避免欄位不存在時出錯
# 使用正規表示式，只保留數字
cleaned_phone = re.sub(r'\D', '', original_phone)
data['cleaned_phone'] = cleaned_phone
# 2. 計算姓名長度
name = data.get('name', '')
name_length = len(name)
data['name_length'] = name_length
output_items.append({'json': data})
return output_items
實戰範例二：利用 Pandas 進行簡單的數據分析
這絕對是 Python 使用者最期待的功能！n8n 的 Python 環境預先安裝了一些常用的函式庫，其中就包括數據分析神器 Pandas。
目標： 接收多筆銷售數據（多個 Items），使用 Pandas DataFrame 計算總銷售額和平均單價，並回傳一筆彙總結果。
輸入資料範例 (來自上游節點的多個 Items): [{'json': {'product': 'A', 'amount': 1500}}, {'json': {'product': 'B', 'amount': 2500}}, {'json': {'product': 'C', 'amount': 800}}]
Python Code 節點程式碼：
Python
import pandas as pd
# 由於上游節點可能傳來多個 Items，我們需要將它們全部轉換
# items 變數本身就是一個 List of Items
all_data = [item['json'] for item in items]
# 將資料轉換成 Pandas DataFrame
df = pd.DataFrame(all_data)
# 進行數據分析
total_sales = df['amount'].sum()
average_price = df['amount'].mean()
transaction_count = len(df)
# 建立一個新的 dictionary 來存放我們的分析結果
summary = {
'total_sales': int(total_sales), # 轉換成 Python 原生 int
'average_price': float(average_price), # 轉換成 float
'transaction_count': transaction_count
}
# n8n Code 節點期望回傳一個 List，所以我們將結果包裝起來
return [{'json': summary}]
Python vs. JavaScript：我該在 Code 節點用哪個？
既然兩個都能用，該如何選擇？你可以根據以下幾點來判斷：
選擇 Python 的理由：
- 團隊熟悉度： 如果你的團隊或你自己是 Python 技術棧，那麼用 Python 能夠大幅降低學習成本，提升開發效率。
- 數據科學函式庫： 當你需要使用 Pandas、NumPy 進行複雜的數據處理、分析，或是未來可能需要串接機器學習模型時，Python 是不二之選。
- 豐富的生態系： Python 在網路爬蟲 (Requests, BeautifulSoup)、API 串接等方面有著非常成熟且豐富的函式庫生態。
選擇 JavaScript 的理由：
- 開箱即用： 不需要任何額外環境設定，是 n8n 的預設語言，隨開即用。
- 執行效能： 因為是在 n8n 的
main主程序中執行，通常 JavaScript 的執行速度會比透過isolated程序執行的 Python 來得快一些，適合處理需要快速反應的輕量級任務。 - 語法一致性： 與 n8n 內建的 Expressions 語法（同樣基於 JavaScript）更為接近，學習曲線更平滑。
結語
啟用 Python 功能，就像是為你的 n8n 工作流裝上了一顆來自不同宇宙的強大引擎。它為習慣 Python 的開發者與數據分析師們，打開了一扇通往更深層次自動化的大門，尤其是在處理複雜數據方面，Python 的優勢無可取代。
請記住，解鎖這項功能的關鍵，就是在啟動 n8n 時設定好 EXECUTIONS_PROCESS=main 這個環境變數。一旦設定完成，你就可以將你所有的 Python 技能無縫對接到 n8n 的視覺化流程中。現在，就動手去設定，然後試著用你最熟悉的 Python 語法，開始打造真正屬於你的、無所不能的自動化工作流吧！
延伸閱讀
n8n IF 節點教學：掌握 True/False 條件判斷，打造更智慧的自動化工作流
n8n Switch 節點教學：告別複雜 IF 巢狀結構，優雅實現多重條件判斷
n8n Merge 節點教學：合併多個資料來源，告別手動複製貼上
n8n Code 節點終極教學：釋放 JavaScript 的力量，打造無極限自動化
n8n Code 節點 Python 教學：啟用並執行 Python 程式碼，釋放數據處理超能力
n8n Wait 節點教學：讓工作流學會「等待」，完美解決 API 限制與定時任務
n8n Set 節點教學：你的資料瑞士刀，新增、修改、篩選欄位一次搞定
n8n NoOp 節點教學：一個「什麼都不做」的節點，為何是整理工作流的神器？
