jython - OpenRefine：根据变量选择另一列的值

Question

我对 OpenRefine 有疑问。我正在添加一个基于 url 的新列，并从那里调用 API 以从受控词汇表 (AAT) 中获取一些术语。我解析结果并获得一个多值单元格，例如：

http://vocab.getty.edu/aat/300041366||aquatints (prints)::http://vocab.getty.edu/aat/300053242||aquatint (printing process)::http://vocab.getty.edu/aat/300191265||dust bags::http://vocab.getty.edu/aat/300191278||dust boxes::http://vocab.getty.edu/aat/300191278||dust boxes::http://vocab.getty.edu/aat/300191278||dust boxes::http://vocab.getty.edu/aat/300249564||aquatinters::http://vocab.getty.edu/aat/300249564||aquatinters::http://vocab.getty.edu/aat/300249564||aquatinters::http://vocab.getty.edu/aat/300249564||aquatinters::http://vocab.getty.edu/aat/300053242||aquatint (printing process)::http://vocab.getty.edu/aat/300041366||aquatints (prints)::http://vocab.getty.edu/aat/300041368||sandpaper aquatints::http://vocab.getty.edu/aat/300041368||sandpaper aquatints

我有当前结构的地方：

URI||Corresponding_TERM::URI||Corresponding_TERM

等等

我现在需要选择其中一条记录。我的解决方案是使用
value.split("::")[0]
以选择我想要的元素。
不幸的是，这种解决方案有非常明显的缺点，因为数组中元素的顺序不是恒定的，所以如果第一个元素 [0] 对一条记录来说是正确的，那么它可能不是下一条记录。

为了更好地解释自己，我现在有这种结构

-----------------------------------------------------------
|ID | Classification | Term_From_Thesaurus                |  
| 1 | Aquatints      | uri||term1::uri||term2::           | 
| 1 | Aquatints      | uri||term1::uri||term2::           | 
| 2 | Drypoints      | uri||term3::uri||term4::           |
| 3 | Woodcut        | uri||term5::uri||term6::uri||term7 |
-----------------------------------------------------------  

我需要将 term1 与 Aquatints 关联，将 term 4 与 Drypoints 关联，将 term 7 与 Woodcut 关联。

我怎样才能做到这一点？一个解决方案可能是使用 facet 和大量的手动工作，但也许有更好的解决方案？去每条记录怎么样，如果 ID = 1 他们应该使用 term1，如果 ID=2 应该使用 term 4 等等。这可能吗？我真的不知道如何使用另一列的值作为变量来确定操作的结果。cell.cross 会有所帮助，但如果我需要将数据拆分为两个文件，并且在我看来这不是一个合适的解决方案..

Answer 1

所以我不确定我是否正确理解了你的问题，但可以“根据另一列中的变量选择值”。

如果你有：

-----------------------------------------------------------
|ID | Classification | Term_From_Thesaurus                |  
| 1 | Aquatints      | uri||term1::uri||term2::           | 
| 1 | Aquatints      | uri||term1::uri||term2::           | 
| 2 | Drypoints      | uri||term3::uri||term4::           |
| 3 | Woodcut        | uri||term5::uri||term6::uri||term7 |
-----------------------------------------------------------

然后，如果您将“Term_From_Thesaurus”列拆分为一个数组，那么您可以使用“ID”列中的数字来选择数组中的相关条目。但是，请注意，要使其正常工作，您需要将 ID 列中的数字转换为数字类型（如果还没有的话）。在此示例中，我假设 ID 列中的数字以字符串而不是数字开头。

所以公式：

value.split("::")[cells.ID.value.toNumber()-1]

将在第一行和第二行中找到第一个值，在第三行中找到第二个值，在第 4 行中找到第 4 项。这在此处进行了说明：

公式分解如下：

• value.split("::") = 将 URI/Term 对的列表拆分为一个数组
• cells.ID.value.toNumber() = 将ID列中的值转换为数字类型
• -1 = 因为数组成员从零开始计数

希望这很清楚

Answer 2

如果您必须根据您对该领域的了解自己选择正确的术语，我看不到如何使操作自动化。这是一种解决方案，可将“分类”列中的每个术语与 API 返回的术语中与其最相似的术语进行匹配。

使用的 Grel 公式是：

value.fingerprint() == cells.terms.value.replace(/\(.+\)/,'').fingerprint()