> 持续流程改进 > 记录到报告：日记账分录 > BlackLine > 数据模板

您的记录到报告（日记账分录）数据模板

BlackLine

← 返回改进指南

记录到报告（日记账分录）属性 (19) 记录到报告（日记账分录）活动 (12) 数据提取指南 (2)

您的记录到报告（日记账分录）数据模板

此模板将指导您收集分析记录到报告（日记账分录）流程所需的数据，列出应收集的关键属性、应跟踪的主要活动，以及从BlackLine提取这些信息的实用方法。借助此资源，确保收集到有效开展流程挖掘所需的全部数据。

建议收集的属性
要跟踪的关键活动
数据提取指南

刚接触事件日志？了解如何创建流程挖掘事件日志.

下载模板

记录到报告（日记账分录）属性

以下是建议纳入事件日志的数据字段，可用于全面分析记录到报告（日记账分录）流程。

5 必填 6 建议填写 8 选填

	名称	说明
	开始时间 EventTime	标明特定活动或事件发生时间的精确时间戳。
说明事件时间记录业务事件发生的日期和时间，是流程的时间基准，用于确定所有活动的顺序和时长。此时间戳对于所有基于时间的流程挖掘分析都至关重要，可用于计算周期时间、等待时间和活动间隔时长，帮助识别瓶颈、分析绩效变化，并评估是否遵守服务级别协议。重要性此时间戳是所有绩效指标的基础，包括周期时间和瓶颈分析，并可用于按时间顺序还原流程。获取途径此信息记录在BlackLine事件日志或交易记录的时间戳字段中。示例 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	日记账分录ID JournalEntryId	用于唯一标识单条日记账分录，是跟踪其生命周期的主要案例标识符。
说明日记账分录ID可唯一标识记入总账的每组财务交易。它是关联创建、审核、审批和过账等相关活动的核心键。在流程挖掘中，此ID对于关联属于同一日记账分录案例的所有事件至关重要。根据此标识符分析流程，可还原从发起到最终对账的端到端过程，并详细分析周期时间、瓶颈和流程差异。重要性这是核心案例标识符，可用于追踪单条日记账分录的完整生命周期并分析其绩效。获取途径这是BlackLine日记账分录表或数据导出中的主键。具体字段名称请参阅BlackLine文档。示例 JE2024-001234JE2024-001235JE2024-001236
	活动 ActivityName	日记账分录流程中某一时点发生的具体业务事件名称。
说明此属性描述日记账分录生命周期中的单个步骤或任务，例如“日记账分录已创建”“日记账分录已批准”或“日记账分录已过账”。每项活动都代表流程中的一个独立事件。分析这些活动的顺序，有助于直观呈现并理解流程。它是发现流程差异、衡量步骤间的转换时间以及识别返工循环的基础，例如日记账分录被拒绝后重新提交的情况。重要性此属性定义流程步骤，是呈现流程图、分析流程走向以及识别偏差或瓶颈的基础。获取途径通常根据BlackLine中的事件日志、状态变更记录或审计跟踪生成。可能需要将系统状态代码映射为便于用户理解的活动名称。示例日记账分录已创建日记账分录已提交日记账分录已批准日记账分录已过账
	数据最近更新时间 LastDataUpdate	指示上次从来源系统刷新或提取数据时间的时间戳。
说明此属性标记最近一次提取数据的日期和时间，可作为数据新鲜度的参考，帮助用户了解数据的时效性。这是流程挖掘仪表板或分析中一项重要的元数据，可让用户了解分析结果的时效性，并判断视图是否包含最新交易。重要性此属性让数据新鲜度一目了然，帮助用户了解流程分析反映的最新情况。获取途径执行数据提取工具或ETL流程时，系统会生成此时间戳并将其添加到数据集中。示例 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	源系统 SourceSystem	提取日记账分录数据的记录系统。
说明此属性标识事件数据的来源系统。在此场景中，通常为“BlackLine”；如果流程从上游ERP系统开始，也可能包含该系统的数据。识别来源系统有助于数据治理和理解流程背景，尤其是在整合多个系统数据的环境中。它还能帮助排查数据摄取问题并验证数据沿袭。重要性此属性提供重要的数据来源背景，确保可追溯性，并有助于管理不同平台间的数据集成。获取途径通常在数据提取和转换过程中添加一个固定值，用于标记数据集的来源。示例 BlackLineSAP S/4HANAOracle NetSuite
	公司代码 CompanyCode	用于唯一标识创建日记账分录的法人实体或公司。
说明公司代码代表企业集团中的特定法人实体，是财务会计中的基本组织单元，可确保交易记入正确的实体。在流程挖掘中，公司代码是重要的筛选和比较维度。它支持跨实体分析流程绩效，帮助发现区域或实体特有的瓶颈、合规差异，以及全球流程标准化的机会。它还直接支持“审批至过账延迟分析”仪表板。重要性此属性支持跨不同法人实体或业务单元比较绩效，并推动流程标准化。获取途径这是BlackLine日记账分录表头中的关键字段，通常与底层ERP系统同步。示例 1000US01DE012500
	拒绝原因 RejectionReason	审核人拒绝日记账分录时提供的原因。
说明日记账分录退回更正时，审批人通常会说明拒绝原因。此属性记录该原因，可以是预设代码，也可以是自由文本。此属性对于返工根因分析至关重要。通过分析最常见的拒绝原因，企业可以发现系统性问题，例如培训不足、政策不明确或支持文件存在问题。它直接支持“日记账分录拒绝与返工分析”仪表板，并有助于降低总体拒绝率。重要性此属性对于分析流程返工的根因至关重要，有助于找出日记账分录被拒绝的原因，并据此有针对性地改进。获取途径用户在BlackLine中执行“Reject”操作时，通常会在备注或原因代码字段中记录此数据。示例科目代码错误缺少支持文件超过限额重复分录
	日记账分录状态 JournalEntryStatus	日记账分录生命周期中的当前状态，例如“In Progress”“Approved”或“Posted”。
说明此属性表示提取数据时日记账分录案例的当前状态，反映分录在整个流程中的位置。流程挖掘会根据活动还原流程走向，而最终状态则便于筛选和创建高层级汇总仪表板。它有助于快速找出当前待审批或停滞在特定状态的分录，便于分析积压工作。重要性此属性反映分录的当前状态，有助于分析积压工作并了解进行中的工作。获取途径这是BlackLine日记账分录中的标准状态字段。示例处理中待审批已批准已过账已拒绝
	日记账分录类型 JournalEntryType	日记账分录的分类，例如标准、定期或冲销。
说明日记账分录类型根据分录的性质或用途进行分类。常见类型包括标准手工分录、系统自动生成的分录、用于月末计提的定期分录，以及会在下一期间自动冲销的冲销分录。此属性对于细分和比较分析至关重要。您可以按不同分录类型比较流程绩效，例如周期时间或拒绝率，从而判断某些类型的分录是否更容易出现问题或效率低下，并据此有针对性地改进流程。重要性此属性支持分组分析，帮助了解不同类型的日记账分录是否遵循不同路径，或具有不同的绩效特征。获取途径这是BlackLine日记账分录表头中的标准字段。确切字段名称请参阅BlackLine文档。示例标准定期冲销应计
	日记账分录金额 JournalEntryAmount	日记账分录的货币总额，通常为借方金额之和。
说明此属性表示日记账分录的财务价值，可用于了解流程低效造成的财务影响，例如高金额分录过账延迟。按分录金额分析流程，可根据重要性进行评估。例如，您可以优先改进高金额分录的处理流程，调查其审批路径是否不同，或判断其周期时间是否更长。这样可以为流程分析补充重要的业务背景。重要性此属性提供财务背景，支持按重要性开展分析，例如优先处理高金额分录，或识别与金额相关的流程偏差。获取途径这是BlackLine日记账分录表头中的计算字段或标准字段，表示借方或贷方总额。示例 15000.00250.75125000.50500.00
	用户 UserName	执行活动的用户姓名或ID。
说明此属性标识负责执行特定流程步骤的人员，例如提交、审核或批准日记账分录的人。可以是姓名或唯一用户ID。按用户分析活动有助于了解工作量分配和个人绩效，并发现培训需求。它可以回答“团队工作分配是否均衡？”或“哪些用户的审批时间最长？”等问题，也对合规和审计跟踪分析至关重要。重要性此属性有助于分析工作量、比较团队成员的绩效，并发现与资源相关的瓶颈或培训需求。获取途径此信息可在BlackLine审计日志中找到，通常记录在与各事件关联的“User ID”或“Changed By”字段中。示例 j.doea.smithr.joness.patel
	审批至过账延迟 ApprovalToPostingLag	最终审批与日记账分录实际过账之间的计算时长。
说明此指标衡量日记账分录完成审批后、记入总账前的延迟时间，计算方式为“Journal Entry Approved”活动与“Journal Entry Posted”活动之间的时间差。这是识别审批后瓶颈的关键KPI，此类瓶颈可能显著延迟财务结账。“审批至过账延迟分析”仪表板使用此指标调查已批准的分录为何未能及时过账，帮助优化流程的最后几个步骤。重要性此指标专门衡量审批后的效率，有助于发现并消除影响财务结账速度的延迟。获取途径流程挖掘工具会计算每个案例中“Journal Entry Approved”与“Journal Entry Posted”事件之间的时长，得出此指标。示例 P0DT1H10MP1DT2H0MP0DT0H5M
	已附加文档 IsDocumentAttached	用于标记日记账分录是否附有支持文件的标记。
说明此布尔属性表示日记账分录是否附有一份或多份支持文件，例如发票或计算表。附加文件通常是审批的前提条件。此标记对于“日记账分录文档合规”仪表板和“文档附件率”KPI至关重要。它有助于分析缺少文档是否是导致拒绝或延迟的常见原因，并落实提交审核前必须附加文件的政策。重要性此属性直接衡量文档政策的执行情况，并有助于查明审批延迟和拒绝的常见根因。获取途径这可能是一个派生字段，可通过检查提交活动发生前是否存在与JournalEntryId关联的附件记录来计算。示例 truefalse
	币种 Currency	日记账分录金额所用的币种代码。
说明此属性指定日记账分录金额的币种，例如USD、EUR或GBP，对于正确解读交易的财务价值至关重要。对于跨国组织，按币种分析可提供有用的背景信息。它支持按特定币种筛选流程分析，也是汇总财务金额的仪表板所必需的字段。重要性此属性为财务金额提供必要背景，确保解读准确，并支持按币种分析。获取途径这是BlackLine日记账分录表头中的标准字段，通常名为“Document Currency”或类似名称。示例 USDEURGBPJPY
	是否自动处理 IsAutomated	用于标记日记账分录是否由自动化流程创建或过账。
说明此布尔属性用于区分由用户手动创建和处理的日记账分录，以及由系统自动生成的分录，例如定期分录或系统集成生成的分录。分析此属性有助于评估自动化效果，并直接比较自动化与手动流程的周期时间、错误率和成本。这对于论证进一步自动化的商业价值以及衡量现有举措的投资回报率至关重要。重要性此属性支持直接比较手动与自动化流程，对于衡量自动化举措的影响和投资回报率至关重要。获取途径可根据“日记账分录类型”（例如“定期”）推断，也可根据“用户”字段判断是否使用系统用户（例如“SYSTEM”或“BATCH”）进行自动过账。示例 truefalse
	是否返工 IsRework	计算得出的标记；如果日记账分录至少被拒绝过一次，则值为true。
说明此布尔标记用于识别经历过返工的日记账分录。如果案例中包含“Journal Entry Rejected”活动，随后又出现“Corrected and Resubmitted”活动，通常会将此标记设为true。此属性便于筛选所有经历过拒绝的案例，从而简化返工分析。它是计算“日记账分录拒绝率”KPI的基础，也支持在“日记账分录拒绝与返工分析”仪表板中深入分析质量问题造成的成本和时间影响。重要性此属性可快速识别发生返工的案例，简化拒绝率计算和质量问题影响分析。获取途径流程挖掘工具会检查每个案例的活动顺序并计算此标记。示例 truefalse
	账户已对账 AccountReconciled	通过该日记账分录进行对账的总账科目编号。
说明此属性标识会受到影响或需要对账的科目表中的具体科目。日记账分录通常属于账户对账流程的一部分，此属性可将分录关联到相应科目。此属性直接支持“日记账分录对账周期时间”仪表板。按科目分析流程，可以发现某些科目的对账是否总是耗时更长，从而判断这些科目是否存在复杂性或数据问题。重要性此属性将日记账分录流程与需要对账的具体科目关联起来，支持有针对性地分析对账瓶颈。获取途径此信息包含在BlackLine日记账分录的行项目详情中。如果一条分录涉及多个科目，可能需要汇总到案例层级。示例 101000210500400100550200
	过账日期 PostingDate	日记账分录正式记入总账的日期。
说明过账日期是交易在财务记录中的生效日期。它对会计工作至关重要，因为它决定交易计入哪个会计期间。事件时间戳记录过账活动发生的时间，而过账日期本身则是重要的数据属性。财务分析会用它确保分录记入正确期间，也可用于分析交易日期、审批日期和过账日期之间的延迟。重要性此日期对于确保财务报告准确性至关重要，也有助于分析分录是否记入正确的会计期间。获取途径这是BlackLine日记账分录表头中的标准日期字段。示例 2023-10-312023-11-012023-10-30
	部门 Department	与日记账分录关联的业务部门或成本中心。
说明此属性指定发起日记账分录的部门、成本中心或职能领域，或相关成本的分摊对象，为分析提供更多组织背景。按部门分析流程，有助于了解业务不同部门如何使用日记账分录流程，并揭示部门间在效率、合规或返工率方面的差异，从而找出需要更多支持或流程标准化的环节。重要性此属性支持跨业务部门比较流程绩效，揭示差异和标准化机会。获取途径此信息通常包含在BlackLine日记账分录的行项目数据或表头数据中，且常与总账科目关联。示例财务市场营销销售运营

必填建议填写选填

记录到报告（日记账分录）活动

以下是建议记录在事件日志中的关键流程步骤和里程碑，可用于准确发现并分析日记账分录流程。

6 建议填写 6 选填

	活动	说明
	日记账分录已创建	此活动标志着日记账分录案例的开始。用户在BlackLine中创建新的日记账分录记录时，系统会生成唯一的日记账分录ID，并记录创建时间戳和用户信息。
重要性这是流程的主要开始事件。分析此活动到其他活动之间的耗时，可了解流程总周期时间，并帮助发现工作流起始阶段的延误。获取途径此事件会明确记录在BlackLine的日记账分录模块中。系统会从主日记账分录表或其审计历史中，提取与每个日记账分录ID关联的创建时间戳和用户信息。采集根据与日记账分录记录关联的“创建日期”时间戳获取。事件类型 explicit
	日记账分录已对账	标志着日记账分录生命周期结束：该分录已纳入最终完成并获认证的账户对账。在BlackLine中，这对应于包含该日记账分录的对账获得认证。
重要性此活动是端到端流程的最终节点。从“Journal Entry Posted”到“Reconciled”的时长可衡量财务结账中账户对账环节的效率。获取途径这是一个推断事件。可在BlackLine的Account Reconciliation模块中，识别包含特定日记账分录的账户对账状态何时变为“Certified”，据此推断此事件。采集将日记账分录与对应的账户对账关联，并记录该对账的认证日期，即可推断此事件。事件类型 inferred
	日记账分录已批准	此活动表示日记账分录已通过所有必要的审核和审批步骤。最终授权用户批准分录后，状态变为“Approved”，即可记录此活动。
重要性这是审批流程结束的重要里程碑。从“Journal Entry Submitted”到此事件的时长即为“Approval Cycle Time”，是衡量工作流效率的关键KPI。获取途径可根据日记账分录记录中的状态变为“Approved”推断此事件。最终审批人的用户ID和审批时间戳通常记录在BlackLine的审计历史中。采集根据日记账分录状态更新为“Approved”时的时间戳推断。事件类型 inferred
	日记账分录已拒绝	此活动表示审核人或审批人拒绝了日记账分录。用户执行“拒绝”操作后，分录状态会更新为“已拒绝”，并记录在审计日志中。
重要性此活动对于发现返工、质量问题和培训需求至关重要。分析拒绝频率、原因及后续返工循环，是改进流程和缩短周期时间的关键。获取途径通常可根据日记账分录数据中的状态变更为“已拒绝”或“需要更正”推断得出。BlackLine历史记录会记录拒绝操作的时间戳和执行用户。采集根据日记账分录状态更新为“已拒绝”时的时间戳推断得出。事件类型 inferred
	日记账分录已提交	制单人正式提交日记账分录，进入审核和审批工作流时，就会发生此活动。通常会记录为状态变更，例如从“准备中”变为“已提交”，并附带时间戳。
重要性此活动标志着准备阶段结束、审批周期开始，是衡量准备和审批阶段时长的重要节点。获取途径此活动可能根据BlackLine日记账分录记录中的状态变更推断得出。状态变为“已提交审批”或类似值的时间戳，即为事件发生时间。采集根据日记账分录状态字段更新为“已提交”或“待审批”时的时间戳推断得出。事件类型 inferred
	日记账分录已过账	表示已批准的日记账分录正式记入总账的时点。这通常是BlackLine中的明确操作，随后系统会将分录状态更新为“Posted”。
重要性这是一个关键里程碑，通常标志着流程在运营层面结束。从“Journal Entry Approved”到此活动的延迟时间，是衡量审批后效率的重要指标。获取途径通常可根据状态变为“Posted”推断此事件。过账历史表或审计跟踪中也可能明确记录该事件，并注明具体过账日期和时间戳。采集根据日记账分录状态更新为“Posted”时的时间戳推断。过账日期字段也与此相关。事件类型 inferred
	分录已更正并重新提交	日记账分录被拒绝后，编制人员完成必要更正并重新提交时发生。可通过状态从“Rejected”变回“Submitted for Approval”来识别。
重要性此活动有助于量化返工所耗费的时间和精力。“Journal Entry Rejected”与此事件之间的时长即为返工时间，是衡量效率的重要指标。获取途径可通过观察BlackLine数据中的一系列状态变化推断此事件，具体表现为同一日记账分录ID的状态从“Rejected”变为“Submitted”或“Pending Approval”。采集根据状态从“Rejected”变为“Submitted”或“Pending Approval”推断。事件类型 inferred
	审批已撤销	此活动表示审批人撤销先前授予的批准，使日记账分录返回之前的状态。可通过状态从“Approved”变回“In Preparation”等较早状态来识别。
重要性这一少见但重要的活动揭示了审批后、过账前发现的流程例外和潜在问题，可能表明分录存在数据错误，或受到政策变更影响。获取途径这是一个推断事件，可通过状态从“Approved”变为尚未过账且可编辑的状态来识别。此操作会记录在BlackLine的详细审计日志中。采集根据状态从“Approved”变回“In Preparation”或“Submitted”等先前状态来识别。事件类型 inferred
	已附上支持性文档	表示用户为日记账分录附加一份或多份支持性文档。此事件通常记录在审计日志或与日记账分录ID关联的附件表中。
重要性跟踪此活动对于监控合规性和效率至关重要。它有助于分析审批延迟是否由文档缺失造成，也可用于支持“文档附件率”关键绩效指标。获取途径这通常是BlackLine中的明确事件，记录在审计轨迹或附件日志中。相关数据包括日记账分录ID、上传文件的用户和时间戳。采集每当有文件上传至某笔日记账分录，系统就会在审计轨迹或专用附件历史表中记录该事件。事件类型 explicit
	日记账分录冲销已处理	此活动记录新日记账分录的创建和过账，该分录用于冲销先前已过账的分录。通常在原分录过账后发现错误时发起此操作。
重要性此事件是上游数据质量问题的重要信号。跟踪冲销率有助于衡量“过账后调整率”，并找出需要提高准确性的环节。获取途径这通常是一个明确事件：用户在BlackLine中对已过账的日记账执行“Reverse”操作。系统会创建新的冲销分录，通常与原日记账分录ID关联。采集记录“Reverse”操作时，或创建带有冲销标记且关联原日记账ID的新日记账时，即可捕获此事件。事件类型 explicit
	日记账分录已审核	表示多级审批流程中的正式审核步骤，由指定审核人完成。通常会记录为状态变更，或表明审核人已执行操作的特定日志条目。
重要性对于审核和审批分开的组织，此活动有助于定位审批链中的瓶颈，并了解分录等待初步审核和最终审批各自所需的时间。获取途径在BlackLine工作流中，此活动可能明确记录在审批历史日志中，也可能根据状态变为“已审核”或“待最终审批”推断得出。系统会记录用户和时间戳。采集根据日记账分录状态变更为审核阶段已完成时的时间戳推断得出。事件类型 inferred
	过账已核实	表示确认已过账的日记账分录成功接收并记入目标ERP系统。这可能是自动系统握手，也可能是人工确认步骤。
重要性此活动为过账步骤提供最终确认，确保系统间的数据完整性。从“Posted”到“Verified”的时长可揭示集成问题或系统同步延迟。获取途径这可能是系统集成日志中的明确事件，也可能根据状态变为“Posted and Verified”等值推断。如果由人工完成，则会由用户更新状态。采集根据状态更新为“Verified”，或根据从目标ERP系统收到的确认标记推断。事件类型 inferred

建议填写选填

数据提取指南

如何从BlackLine获取数据

步骤

使用具有财务报告访问权限的用户账户登录BlackLine环境。
前往报告模块，通常可通过“报告”>“标准报告”等菜单找到。
在可用标准报告列表中，找到并选择“日记账分录与服务报告”或名称相近的综合日记账分录报告。
配置报告参数。指定要提取的“日期范围”，使其与要分析的时段一致。建议初次分析时选择3至6个月。
应用必要筛选条件以缩小数据范围。至少按相关“公司代码”筛选。您也可以按“日记账状态”筛选，以涵盖从创建到过账的所有相关状态。
选择所有可用输出列，确保报告包含生成事件日志所需的日期、用户和状态字段。关键字段包括创建日期、提交日期、审批日期、过账日期和用户角色。
在BlackLine界面中直接运行报告。报告生成后，使用“导出”或“下载”功能，将数据保存为CSV文件，并命名为“blackline_report.csv”。
设置已安装pandas库的Python环境。如尚未安装，请运行命令：pip install pandas。
将提供的Python脚本放在下载的“blackline_report.csv”文件所在目录。
运行Python脚本。脚本将读取原始CSV报告，将数据转换为每项业务活动各占一行的格式，并生成符合要求的“event_log.csv”文件。
上传前检查“event_log.csv”，确认数据质量和完整性。
将最终的“event_log.csv”文件上传至ProcessMind进行分析。

配置

报告名称：日记账分录与服务报告。具体名称可能因BlackLine配置而异。
日期范围：初次分析建议提取3至6个月的数据。报告中的日期筛选通常适用于日记账创建日期或过账日期。请确认实际使用的日期字段，确保提取的数据集正确。
关键筛选条件：
- 公司代码：务必指定要分析的公司代码，以限制数据量并聚焦分析范围。
- 日记账状态：选择所有状态（如准备中、已提交、已批准、已拒绝、已过账），以涵盖完整的端到端流程。
- 日记账类型：如分析范围需要，可筛选特定日记账类型（如标准、定期）。
前提条件：运行报告的用户账户必须有权查看日记账分录数据，并能在BlackLine中执行标准报告。通常需要“会计”或“报告用户”等角色。
性能注意事项：导出涵盖较长时间段或多个公司代码的大型数据集可能占用较多资源，在BlackLine界面中生成报告也可能需要较长时间。如果遇到性能问题或超时，可考虑分批运行报告。

a 查询示例 python

import pandas as pd
import numpy as np
import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Define the input file name from BlackLine
input_filename = class="hl-string">'blackline_report.csv'
class=class="hl-string">"hl-comment"># Define the output file for ProcessMind
output_filename = class="hl-string">'event_log.csv'

class=class="hl-string">"hl-comment"># --- Column Mapping ---
class=class="hl-string">"hl-comment"># Map the BlackLine report column names to the required event log attribute names.
class=class="hl-string">"hl-comment"># Adjust the keys in this dictionary to match the exact column headers in your CSV export.
column_mapping = {
    class="hl-string">'Journal ID': class="hl-string">'JournalEntryId',
    class="hl-string">'Journal Type': class="hl-string">'JournalEntryType',
    class="hl-string">'Company': class="hl-string">'CompanyCode',
    class="hl-string">'Amount': class="hl-string">'JournalEntryAmount',
    class="hl-string">'Current Status': class="hl-string">'JournalEntryStatus',
    class="hl-string">'Rejection Reason': class="hl-string">'RejectionReason',
    class="hl-string">'Preparer': class="hl-string">'PreparerUserName',
    class="hl-string">'Submitter': class="hl-string">'SubmitterUserName',
    class="hl-string">'Reviewer': class="hl-string">'ReviewerUserName',
    class="hl-string">'Approver': class="hl-string">'ApproverUserName',
    class="hl-string">'Poster': class="hl-string">'PosterUserName',
    class="hl-string">'Verifier': class="hl-string">'VerifierUserName',
    class="hl-string">'Reverser': class="hl-string">'ReverserUserName',
    class="hl-string">'Reconciler': class="hl-string">'ReconcilerUserName',
    class="hl-string">'Creation Date': class="hl-string">'CreationTimestamp',
    class="hl-string">'Attachment Date': class="hl-string">'AttachmentTimestamp',
    class="hl-string">'Submission Date': class="hl-string">'SubmissionTimestamp',
    class="hl-string">'Review Date': class="hl-string">'ReviewTimestamp',
    class="hl-string">'Rejection Date': class="hl-string">'RejectionTimestamp',
    class="hl-string">'Resubmission Date': class="hl-string">'ResubmissionTimestamp',
    class="hl-string">'Approval Date': class="hl-string">'ApprovalTimestamp',
    class="hl-string">'Rescind Date': class="hl-string">'RescindTimestamp',
    class="hl-string">'Posting Date': class="hl-string">'PostingTimestamp',
    class="hl-string">'Verification Date': class="hl-string">'VerificationTimestamp',
    class="hl-string">'Reversal Date': class="hl-string">'ReversalTimestamp',
    class="hl-string">'Reconciliation Date': class="hl-string">'ReconciliationTimestamp'
}

class=class="hl-string">"hl-comment"># --- Data Loading ---
try:
    df_raw = pd.read_csv(input_filename)
except FileNotFoundError:
    print(fclass="hl-string">"Error: The file {input_filename} was not found. Please ensure it's in the same directory as the script.")
    exit()

class=class="hl-string">"hl-comment"># Rename columns based on the mapping
df = df_raw.rename(columns=column_mapping)

class=class="hl-string">"hl-comment"># Ensure all required timestamp columns exist, fill with NaT if not
for col in column_mapping.values():
    if class="hl-string">'Timestamp' in col and col not in df.columns:
        df[col] = pd.NaT

class=class="hl-string">"hl-comment"># Convert date columns to datetime objects, coercing errors to NaT (Not a Time)
date_cols = [col for col in df.columns if class="hl-string">'Timestamp' in col]
for col in date_cols:
    df[col] = pd.to_datetime(df[col], errors=class="hl-string">'coerce')

all_events = []
last_data_update = datetime.datetime.now()

class=class="hl-string">"hl-comment"># --- Activity Extraction ---

class=class="hl-string">"hl-comment"># 1. Journal Entry Created
event_created = df[df[class="hl-string">'CreationTimestamp'].notna()].copy()
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Created'
event_created[class="hl-string">'EventTime'] = event_created[class="hl-string">'CreationTimestamp']
event_created[class="hl-string">'UserName'] = event_created.get(class="hl-string">'PreparerUserName')
all_events.append(event_created)

class=class="hl-string">"hl-comment"># 2. Supporting Documentation Attached
if class="hl-string">'AttachmentTimestamp' in df.columns:
    event_attached = df[df[class="hl-string">'AttachmentTimestamp'].notna()].copy()
    event_attached[class="hl-string">'ActivityName'] = class="hl-string">'Supporting Documentation Attached'
    event_attached[class="hl-string">'EventTime'] = event_attached[class="hl-string">'AttachmentTimestamp']
    class=class="hl-string">"hl-comment"># Assuming the submitter or preparer attached the document
    event_attached[class="hl-string">'UserName'] = event_attached.get(class="hl-string">'SubmitterUserName', event_attached.get(class="hl-string">'PreparerUserName'))
    all_events.append(event_attached)

class=class="hl-string">"hl-comment"># 3. Journal Entry Submitted
event_submitted = df[df[class="hl-string">'SubmissionTimestamp'].notna()].copy()
event_submitted[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Submitted'
event_submitted[class="hl-string">'EventTime'] = event_submitted[class="hl-string">'SubmissionTimestamp']
event_submitted[class="hl-string">'UserName'] = event_submitted.get(class="hl-string">'SubmitterUserName')
all_events.append(event_submitted)

class=class="hl-string">"hl-comment"># 4. Journal Entry Reviewed
if class="hl-string">'ReviewTimestamp' in df.columns:
    event_reviewed = df[df[class="hl-string">'ReviewTimestamp'].notna()].copy()
    event_reviewed[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reviewed'
    event_reviewed[class="hl-string">'EventTime'] = event_reviewed[class="hl-string">'ReviewTimestamp']
    event_reviewed[class="hl-string">'UserName'] = event_reviewed.get(class="hl-string">'ReviewerUserName')
    all_events.append(event_reviewed)

class=class="hl-string">"hl-comment"># 5. Journal Entry Rejected
if class="hl-string">'RejectionTimestamp' in df.columns:
    event_rejected = df[df[class="hl-string">'RejectionTimestamp'].notna()].copy()
    event_rejected[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Rejected'
    event_rejected[class="hl-string">'EventTime'] = event_rejected[class="hl-string">'RejectionTimestamp']
    event_rejected[class="hl-string">'UserName'] = event_rejected.get(class="hl-string">'ReviewerUserName', event_rejected.get(class="hl-string">'ApproverUserName'))
    all_events.append(event_rejected)

class=class="hl-string">"hl-comment"># 6. Entry Corrected and Resubmitted
if class="hl-string">'ResubmissionTimestamp' in df.columns:
    event_resubmitted = df[df[class="hl-string">'ResubmissionTimestamp'].notna()].copy()
    event_resubmitted = event_resubmitted[event_resubmitted[class="hl-string">'ResubmissionTimestamp'] > event_resubmitted.get(class="hl-string">'RejectionTimestamp', pd.NaT)]
    event_resubmitted[class="hl-string">'ActivityName'] = class="hl-string">'Entry Corrected and Resubmitted'
    event_resubmitted[class="hl-string">'EventTime'] = event_resubmitted[class="hl-string">'ResubmissionTimestamp']
    event_resubmitted[class="hl-string">'UserName'] = event_resubmitted.get(class="hl-string">'SubmitterUserName')
    all_events.append(event_resubmitted)

class=class="hl-string">"hl-comment"># 7. Journal Entry Approved
event_approved = df[df[class="hl-string">'ApprovalTimestamp'].notna()].copy()
event_approved[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Approved'
event_approved[class="hl-string">'EventTime'] = event_approved[class="hl-string">'ApprovalTimestamp']
event_approved[class="hl-string">'UserName'] = event_approved.get(class="hl-string">'ApproverUserName')
all_events.append(event_approved)

class=class="hl-string">"hl-comment"># 8. Approval Rescinded
if class="hl-string">'RescindTimestamp' in df.columns:
    event_rescinded = df[df[class="hl-string">'RescindTimestamp'].notna()].copy()
    event_rescinded[class="hl-string">'ActivityName'] = class="hl-string">'Approval Rescinded'
    event_rescinded[class="hl-string">'EventTime'] = event_rescinded[class="hl-string">'RescindTimestamp']
    event_rescinded[class="hl-string">'UserName'] = event_rescinded.get(class="hl-string">'ApproverUserName')
    all_events.append(event_rescinded)

class=class="hl-string">"hl-comment"># 9. Journal Entry Posted
event_posted = df[df[class="hl-string">'PostingTimestamp'].notna()].copy()
event_posted[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Posted'
event_posted[class="hl-string">'EventTime'] = event_posted[class="hl-string">'PostingTimestamp']
event_posted[class="hl-string">'UserName'] = event_posted.get(class="hl-string">'PosterUserName')
all_events.append(event_posted)

class=class="hl-string">"hl-comment"># 10. Posting Verified
if class="hl-string">'VerificationTimestamp' in df.columns:
    event_verified = df[df[class="hl-string">'VerificationTimestamp'].notna()].copy()
    event_verified[class="hl-string">'ActivityName'] = class="hl-string">'Posting Verified'
    event_verified[class="hl-string">'EventTime'] = event_verified[class="hl-string">'VerificationTimestamp']
    event_verified[class="hl-string">'UserName'] = event_verified.get(class="hl-string">'VerifierUserName')
    all_events.append(event_verified)

class=class="hl-string">"hl-comment"># 11. Journal Entry Reversal Processed
if class="hl-string">'ReversalTimestamp' in df.columns:
    event_reversal = df[df[class="hl-string">'ReversalTimestamp'].notna()].copy()
    event_reversal[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reversal Processed'
    event_reversal[class="hl-string">'EventTime'] = event_reversal[class="hl-string">'ReversalTimestamp']
    event_reversal[class="hl-string">'UserName'] = event_reversal.get(class="hl-string">'ReverserUserName')
    all_events.append(event_reversal)

class=class="hl-string">"hl-comment"># 12. Journal Entry Reconciled
if class="hl-string">'ReconciliationTimestamp' in df.columns:
    event_reconciled = df[df[class="hl-string">'ReconciliationTimestamp'].notna()].copy()
    event_reconciled[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reconciled'
    event_reconciled[class="hl-string">'EventTime'] = event_reconciled[class="hl-string">'ReconciliationTimestamp']
    event_reconciled[class="hl-string">'UserName'] = event_reconciled.get(class="hl-string">'ReconcilerUserName')
    all_events.append(event_reconciled)


class=class="hl-string">"hl-comment"># --- Final Assembly ---
if all_events:
    event_log = pd.concat(all_events, ignore_index=True)

    class=class="hl-string">"hl-comment"># Add required constant value attributes
    event_log[class="hl-string">'SourceSystem'] = class="hl-string">'BlackLine'
    event_log[class="hl-string">'LastDataUpdate'] = last_data_update

    class=class="hl-string">"hl-comment"># Select and order columns for the final output
    final_columns = [
        class="hl-string">'JournalEntryId',
        class="hl-string">'ActivityName',
        class="hl-string">'EventTime',
        class="hl-string">'SourceSystem',
        class="hl-string">'LastDataUpdate',
        class="hl-string">'UserName',
        class="hl-string">'JournalEntryType',
        class="hl-string">'CompanyCode',
        class="hl-string">'JournalEntryAmount',
        class="hl-string">'JournalEntryStatus',
        class="hl-string">'RejectionReason'
    ]

    class=class="hl-string">"hl-comment"># Filter for only the columns that exist in the dataframe to avoid errors
    existing_columns = [col for col in final_columns if col in event_log.columns]
    event_log = event_log[existing_columns]

    class=class="hl-string">"hl-comment"># Sort the event log
    event_log = event_log.sort_values(by=[class="hl-string">'JournalEntryId', class="hl-string">'EventTime'])

    class=class="hl-string">"hl-comment"># Save to CSV
    event_log.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">"Successfully created event log: {output_filename}")
else:
    print(class="hl-string">"No events were generated. Please check your input file and column mappings.")

步骤

前提条件与设置：确保已安装Python 3.6或更新版本。使用pip安装所需库：pip install requests pandas。向BlackLine管理员获取API凭据（Client ID、Client Secret、Refresh Token）以及贵组织的BlackLine Base URL。
配置脚本变量：打开Python脚本并找到配置部分。填写Client ID、Client Secret、Refresh Token和Base URL。将START_DATE和END_DATE变量设为“YYYY-MM-DD”格式，以指定提取时段。
身份验证：脚本首先调用get_access_token函数。该函数会将凭据发送至BlackLine身份验证端点（/api/oauth/token），获取后续所有API请求所需的临时访问令牌。
获取初始日记账列表：脚本向/api/v2/journals端点发送分页请求，并按指定的创建日期范围筛选。脚本会遍历各页，收集范围内所有日记账分录的主要信息。
获取详细事件历史：对于上一步收集的每个日记账分录ID，脚本会额外发起两次API调用。首先，查询日记账历史端点（例如/api/v2/journals/{id}/history），获取状态变更、审批和拒绝的详细审计记录。其次，调用附件端点（例如/api/v2/journals/{id}/attachments），确定支持文件的添加时间。
将数据转换为事件日志：脚本处理API返回的JSON数据，逐一遍历每条日记账及其关联的历史和附件记录，并将原始数据映射为结构化事件日志。每项必需活动各生成一行，共12项，例如“日记账分录已创建”“日记账分录已提交”和“日记账分录已批准”。
将状态变更映射为活动：脚本根据历史端点的数据生成关键活动。例如，历史记录显示状态变更为“已提交”时，会生成“日记账分录已提交”活动。脚本包含映射逻辑，可将不同历史事件类型转换为ProcessMind要求的标准活动名称。
构建DataFrame：脚本使用pandas库构建DataFrame。首先，根据日记账列表创建“已创建”事件的DataFrame；然后，根据历史和附件日志生成包含其他活动的DataFrame。最后将两者合并为完整的事件日志。
添加元数据并统一列名：合并数据后，脚本会添加必需的元数据列，包括SourceSystem（固定为“BlackLine”）和LastDataUpdate（设为脚本运行时间）。脚本还会重命名列以符合所需架构，例如将API的id字段映射为JournalEntryId。
导出为CSV：最后，脚本将完整的事件日志DataFrame导出为名为blackline_journal_entry_event_log.csv的CSV文件。该文件已按格式整理，可直接上传至ProcessMind。

配置

API凭据：您必须拥有有效的BlackLine REST API Client ID、Client Secret和Refresh Token。请妥善保管这些凭据，不要将其直接写入生产脚本。
Base URL：脚本需要贵组织专用的BlackLine API Base URL，例如https://api.blackline.com。
日期范围：脚本通过START_DATE和END_DATE变量设置提取时段。初次分析建议选择最近3至6个月，以获取足够数据，同时避免数据量过大。
分页上限：LIMIT变量用于设置每次API调用获取的记录数，默认值通常为100。调整该值可能影响性能；除非BlackLine支持人员另有建议，否则最好保留推荐值。
必需权限：与凭据关联的API用户必须拥有足够权限，能够读取您计划分析的公司代码下的日记账分录、日记账历史和附件。
Python环境：运行脚本前，必须准备可正常使用的Python 3.6或更高版本环境，并安装requests和pandas库。

a 查询示例 python

import requests
import pandas as pd
from datetime import datetime
import time

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your BlackLine API credentials and base URL
CLIENT_ID = class="hl-string">'[Your Client ID]'
CLIENT_SECRET = class="hl-string">'[Your Client Secret]'
REFRESH_TOKEN = class="hl-string">'[Your Refresh Token]'
BASE_URL = class="hl-string">'[Your BlackLine API Base URL, e.g., https://api.blackline.com]'

class=class="hl-string">"hl-comment"># --- Extraction Parameters ---
START_DATE = class="hl-string">'2023-01-01' class=class="hl-string">"hl-comment"># Format: YYYY-MM-DD
END_DATE = class="hl-string">'2023-12-31'   class=class="hl-string">"hl-comment"># Format: YYYY-MM-DD
LIMIT = 100 class=class="hl-string">"hl-comment"># Records per page

def get_access_token():
    class="hl-string">"""Authenticates with BlackLine to get an access token."""
    auth_url = fclass="hl-string">"{BASE_URL}/api/oauth/token"
    payload = {
        class="hl-string">'grant_type': class="hl-string">'refresh_token',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET,
        class="hl-string">'refresh_token': REFRESH_TOKEN
    }
    response = requests.post(auth_url, data=payload)
    response.raise_for_status() class=class="hl-string">"hl-comment"># Raise an exception for bad status codes
    return response.json()[class="hl-string">'access_token']

def main():
    class="hl-string">"""Main function to extract, transform, and save journal entry event data."""
    print(class="hl-string">"Starting BlackLine Journal Entry extraction...")
    
    try:
        access_token = get_access_token()
        headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}'}
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Authentication failed: {e}")
        return

    events = []
    last_data_update = datetime.utcnow().isoformat() + class="hl-string">'Z'

    class=class="hl-string">"hl-comment"># 1. Fetch all journals within the date range
    print(fclass="hl-string">"Fetching journals created between {START_DATE} and {END_DATE}...")
    journals = []
    offset = 0
    while True:
        journals_url = fclass="hl-string">"{BASE_URL}/api/v2/journals"
        params = {
            class="hl-string">'createdStartDate': START_DATE,
            class="hl-string">'createdEndDate': END_DATE,
            class="hl-string">'limit': LIMIT,
            class="hl-string">'offset': offset
        }
        try:
            response = requests.get(journals_url, headers=headers, params=params)
            response.raise_for_status()
            data = response.json()
            journals.extend(data.get(class="hl-string">'data', []))
            if class="hl-string">'nextLink' not in data or not data.get(class="hl-string">'data'):
                break
            offset += LIMIT
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching journals: {e}")
            break

    print(fclass="hl-string">"Found {len(journals)} journals. Now fetching detailed events for each...")

    class=class="hl-string">"hl-comment"># 2. For each journal, fetch history and attachments
    for journal in journals:
        journal_id = journal.get(class="hl-string">'id')
        if not journal_id:
            continue

        class=class="hl-string">"hl-comment"># --- Activity: Journal Entry Created ---
        events.append({
            class="hl-string">'JournalEntryId': journal_id,
            class="hl-string">'ActivityName': class="hl-string">'Journal Entry Created',
            class="hl-string">'EventTime': journal.get(class="hl-string">'createdDate'),
            class="hl-string">'UserName': journal.get(class="hl-string">'createdBy', {}).get(class="hl-string">'username'),
            class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
            class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
            class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
            class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
            class="hl-string">'RejectionReason': None
        })

        class=class="hl-string">"hl-comment"># Fetch history for other activities
        try:
            history_url = fclass="hl-string">"{BASE_URL}/api/v2/journals/{journal_id}/history"
            history_response = requests.get(history_url, headers=headers)
            history_response.raise_for_status()
            history_items = history_response.json().get(class="hl-string">'data', [])
            
            for item in history_items:
                activity_name = None
                rejection_reason = None
                
                class=class="hl-string">"hl-comment"># This mapping requires knowledge of your specific BlackLine history event descriptions
                class=class="hl-string">"hl-comment"># The following are common examples. Adjust them based on your BlackLine configuration.
                event_description = item.get(class="hl-string">'description', class="hl-string">'').lower()
                if class="hl-string">'submitted' in event_description:
                    activity_name = class="hl-string">'Journal Entry Submitted'
                elif class="hl-string">'reviewed' in event_description:
                    activity_name = class="hl-string">'Journal Entry Reviewed'
                elif class="hl-string">'rejected' in event_description:
                    activity_name = class="hl-string">'Journal Entry Rejected'
                    rejection_reason = item.get(class="hl-string">'comment') class=class="hl-string">"hl-comment"># Assuming comment contains the reason
                elif class="hl-string">'resubmitted' in event_description:
                    activity_name = class="hl-string">'Entry Corrected and Resubmitted'
                elif class="hl-string">'approved' in event_description and class="hl-string">'final' in event_description: class=class="hl-string">"hl-comment"># Example for final approval
                    activity_name = class="hl-string">'Journal Entry Approved'
                elif class="hl-string">'approval rescinded' in event_description:
                    activity_name = class="hl-string">'Approval Rescinded'
                elif class="hl-string">'posted' in event_description:
                    activity_name = class="hl-string">'Journal Entry Posted'
                elif class="hl-string">'posting verified' in event_description:
                     activity_name = class="hl-string">'Posting Verified'
                
                if activity_name:
                    events.append({
                        class="hl-string">'JournalEntryId': journal_id,
                        class="hl-string">'ActivityName': activity_name,
                        class="hl-string">'EventTime': item.get(class="hl-string">'eventDate'),
                        class="hl-string">'UserName': item.get(class="hl-string">'user', {}).get(class="hl-string">'username'),
                        class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                        class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                        class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                        class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                        class="hl-string">'RejectionReason': rejection_reason
                    })
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Could not fetch history for Journal ID {journal_id}: {e}")

        class=class="hl-string">"hl-comment"># Fetch attachments
        try:
            attachments_url = fclass="hl-string">"{BASE_URL}/api/v2/journals/{journal_id}/attachments"
            attachments_response = requests.get(attachments_url, headers=headers)
            attachments_response.raise_for_status()
            attachments = attachments_response.json().get(class="hl-string">'data', [])
            for attachment in attachments:
                events.append({
                    class="hl-string">'JournalEntryId': journal_id,
                    class="hl-string">'ActivityName': class="hl-string">'Supporting Documentation Attached',
                    class="hl-string">'EventTime': attachment.get(class="hl-string">'uploadedDate'),
                    class="hl-string">'UserName': attachment.get(class="hl-string">'uploadedBy', {}).get(class="hl-string">'username'),
                    class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                    class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                    class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                    class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                    class="hl-string">'RejectionReason': None
                })
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Could not fetch attachments for Journal ID {journal_id}: {e}")

        class=class="hl-string">"hl-comment"># --- Activities based on journal fields (may need customization) ---
        if journal.get(class="hl-string">'isReversed'):
            events.append({
                class="hl-string">'JournalEntryId': journal_id,
                class="hl-string">'ActivityName': class="hl-string">'Journal Entry Reversal Processed',
                class="hl-string">'EventTime': journal.get(class="hl-string">'[reversalDate]'), class=class="hl-string">"hl-comment"># Placeholder for reversal date field
                class="hl-string">'UserName': journal.get(class="hl-string">'[reversalUser]'), class=class="hl-string">"hl-comment"># Placeholder for user field
                class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                class="hl-string">'JournalEntryStatus': class="hl-string">'Reversed',
                class="hl-string">'RejectionReason': None
            })

        if journal.get(class="hl-string">'reconciliationId'): class=class="hl-string">"hl-comment"># Assuming this indicates reconciliation
            events.append({
                class="hl-string">'JournalEntryId': journal_id,
                class="hl-string">'ActivityName': class="hl-string">'Journal Entry Reconciled',
                class="hl-string">'EventTime': journal.get(class="hl-string">'[reconciliationCertifiedDate]'), class=class="hl-string">"hl-comment"># Placeholder for certified date
                class="hl-string">'UserName': journal.get(class="hl-string">'[reconciliationCertifier]'), class=class="hl-string">"hl-comment"># Placeholder for certifier user
                class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                class="hl-string">'RejectionReason': None
            })
        class=class="hl-string">"hl-comment"># Introduce a small delay to respect API rate limits
        time.sleep(0.1)

    if not events:
        print(class="hl-string">"No events were generated. Please check your date range and API access.")
        return

    class=class="hl-string">"hl-comment"># 3. Create DataFrame and save to CSV
    print(class="hl-string">"Transforming data and saving to CSV...")
    df = pd.DataFrame(events)

    class=class="hl-string">"hl-comment"># Add metadata columns
    df[class="hl-string">'SourceSystem'] = class="hl-string">'BlackLine'
    df[class="hl-string">'LastDataUpdate'] = last_data_update
    
    class=class="hl-string">"hl-comment"># Ensure required columns are present
    final_columns = [
        class="hl-string">'JournalEntryId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'UserName', class="hl-string">'JournalEntryType', class="hl-string">'CompanyCode', class="hl-string">'JournalEntryAmount', class="hl-string">'JournalEntryStatus', class="hl-string">'RejectionReason'
    ]
    for col in final_columns:
        if col not in df.columns:
            df[col] = None
            
    df = df[final_columns] class=class="hl-string">"hl-comment"># Order columns

    output_filename = class="hl-string">'blackline_journal_entry_event_log.csv'
    df.to_csv(output_filename, index=False)
    print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

if __name__ == class="hl-string">"__main__":
    main()

准备好开始了吗？

使用此模板简化数据准备工作，深入了解记录到报告（日记账分录）流程。立即着手提升效率与合规水平。

返回改进指南下载模板

立即提升记录到报告（日记账分录）效率

将日记账分录周期时间缩短30%，实现更快、更准确的结账。

开始免费试用

无需信用卡 • 几分钟即可完成设置

您的记录到报告（日记账分录）数据模板

您的记录到报告（日记账分录）数据模板

记录到报告（日记账分录）属性

记录到报告（日记账分录）活动

数据提取指南

BlackLine日记账分录与服务报告导出

步骤

配置

a 查询示例 python

通过BlackLine REST API使用Python脚本提取数据

步骤

配置

a 查询示例 python

准备好开始了吗？

立即提升记录到报告（日记账分录）效率

您的记录到报告（日记账分录）数据模板

您的记录到报告（日记账分录）数据模板

记录到报告（日记账分录）属性

记录到报告（日记账分录）活动

数据提取指南

BlackLine日记账分录与服务报告导出

步骤

配置

a 查询示例 python

通过BlackLine REST API使用Python脚本提取数据

步骤

配置

a 查询示例 python

准备好开始了吗？

立即提升记录到报告（日记账分录）效率

我们重视您的隐私