所以，我有一个 excel 表，其中包含来自 freebase 的大约 190000 个电影名称，我想通过按标题获取 url 从维基百科获取信息，这需要很长时间，我让我的电脑运行了 8 个小时，它刚刚得到到 2%。有时我的互联网被切断了，我不得不从头开始。无论如何，我是否可以一次执行 100 条记录并一直持续到文件末尾，这样如果我的互联网中断，我可以恢复该过程。

非常感谢。

假设我有这样的单元格：“Nat. Taiwan Normal Univ., Taipei”

一旦我进行和解，我得到这个：Nat。Taiwan Normal Univ., Taipei VV 创建新主题 搜索匹配

然后我点击“搜索匹配”，得到一个下拉结果：“国立台湾师范大学”

2个问题： - 如何将结果文本（“国立台湾师范大学”）输出到单独或同一列中？- 是否可以将结果大学所在的国家/地区输出到单独的列？

谢谢！

我对 Google Refine 和 Frebase 还很陌生。我想使用互联网/网站列表，但转储不包含网站 URL，但是可以在相关的“官方网站”对象中访问。

在 Refine 中，如何根据网站 ID (/m/02nqp6l) 获取这些数据？

数据集（互联网/网站）

http://download.freebase.com/datadumps/latest/browse/internet/website.tsv

我正在尝试清理这些数据：https ://dl.dropbox.com/u/820037/local_council_election_data_w_occupation.gz

这是芬兰地方议会选举的所有候选人。在“Ammatti”栏中，有候选人报告的职业。

我想找到所有的学生，但问题是，他们可以是“opiskelija”（学生）或“yliopisto-opiskelija”（大学生）之类的。

我单击列标题“Ammatti”并使用“opiskelija”对其进行过滤，然后从列标题的菜单中创建了一个“文本构面”。

这给了我以下方面：

• 农业。奥皮斯凯利亚 AMK 1
• 农学 9
• 农艺学 1

...等等。

在这些场合的每个人中，我都想将“Ammatti”（职业）的值更改为“opiskelija”（学生）。

为了让事情更复杂一点，这个方面还有一些职业（成熟的学生和行政人员）我不想改成“opiskelija”：

• aikuisopiskelija 10
• opiskelijakunnan hallituksen varapuheenjohtaja 1
• opiskelijapalvelun päällikkö 1
• opiskelijapalvelupäällikkö 1

我通过手动单击方面的整个列表并一一更改职业来做到这一点。

我想有更好的方法可以做到这一点，但有人可以告诉我我应该怎么做吗？

我现在正在与 Google Refine 合作。我的目标是将一个现有的列拆分为两部分。我正在使用内置的“基于...添加列”功能。该列包含街道名称和对应的门牌号。例如，我有这个：

每一行的结构都相同，这意味着街道名称可以长也可以短，可以包含一个或多个单词，但它总是以（门牌）号码结尾，并且总是用空格分隔。

当我使用 Google Refine 时，我正准备使用 GREL 语句（Google Refine Expression Language）来做到这一点。这个想法是这样的：将除以空格的每个值分成几块。将每个拆分值保存在一个变量中。然后检查特定值是否包含数值（即门牌号）。如果它是一个数值，则取该值并将其转发到输出。我已经得到了这样的东西。

这是一个问题：我如何在 forEach 函数中集成一个 IF 函数？如果我知道该怎么做，我可能不仅可以拆分值，还可以检查它是否为数字。要检查它是否为数字，可以使用 isNumeric(value)。

我感谢每一个提示。谢谢，约尔格。

我有一列包含 100,000 多个字符串。我希望 Google Refine 用他们的指纹替换这些字符串。

我在 Google Refine 中选择了该列，并创建了一个 Text Facet。从该文本方面，我可以选择“集群”。这将向我显示集群，我假设这意味着具有相同指纹的字符串值，并允许我选择一个新单元格值，它默认为集群的第一个成员的名称。

我希望这个名字只是指纹。原因是，我需要对多个文件执行此操作，如果它们确实属于同一个集群，我需要它们具有相同的值。我无法连接文件，因为这会导致 Refine 处理的数据过多，尽管根据 Refine FAQ 优化了内存参数。

所以我只是在寻找一个操作，它获取列中的每个单元格，计算其指纹，并用其指纹替换列中的值。

我在 OSX 10.7 上使用 Google Refine 2.5

我正在使用 Google Refine 清理数据集。我有一列日期为 mm/dd/yyyy 格式。我想创建一个新列，其中 mm/dd/yyyy 仅替换为 yyyy。

我努力了

出现的是

错误：替换需要 3 个字符串，或 1 个字符串、1 个正则表达式和 1 个字符串

为什么会出现这个错误？感谢您帮助初学者！

我在 Google 优化中有以下逗号分隔的 CSV 文件：

如何使用 Jython 或 GREL 填写 column1 中的值以变为：

我努力了：

有什么建议么？谢谢你

我一直在搜索，但还没有找到如何在细化中做到这一点。

我有两列唯一IDS。对于 A 中的每个 a，我想在 B 中找到前 10 个最接近的匹配项。

我的后备计划是只使用 Levenshtein 进行迭代……但是 Refine 有一个非常好的迭代界面，并且实现了更多算法，我希望能够使用它来完成一些工作。

还是有其他工具可以做到这一点？

我正在使用 Google-refine 从 Google 地图下载信息。更具体地说，我想要与给定地址关联的纬度/经度。我已经成功下载了 XML 信息，但是解析它的时间很糟糕。典型的条目如下所示：

http://maps.googleapis.com/maps/api/geocode/xml?address=543+Boler+Rd,+London,+Ontario&sensor=false

我的问题是：如何使用 GREL 语言从该输出中提取纬度（或经度值）。

提前致谢，

卡洛斯