问题标签 [openrefine]

我正在尝试从以下数据中提取关注者数量：

text'：只有在一个人拒绝放弃之后，努力才会完全释放它的回报。拿破仑山#TruOptikhttp://t.co/pJH19C6CeP', in_reply_to_status_id': None, id': 464714​​440437268481L, favorite_count': 0, source': web', retweeted': False, 坐标': None, entity': {symbols': [], user_mentions': [], hashtags ': [{indices': [84, 93], text': TruOptik'}], urls': [], media': [{expanded_url': , display_url': pic.twitter.com/pJH19C6CeP', url' : , media_url_https': , id_str': 464714​​438142996480', sizes': {large': {h': 194, resize': fit', w': 259}, small': {h': 194, resize': fit ', w': 259}, medium': {h': 194, resize': fit', w': 259}, thumb': {h': 150, resize':crop', w': 150}} ，索引'：[94, 116]，类型'：照片'，id'：464714​​438142996480L，media_url'：，in_reply_to_screen_name'：无，id_str'：464714​​440437268481'，retweet_count'：0，in_reply_to_user_id'：无，收藏的'：False，geo'：无，in_reply_to_user_id_str'：无，可能敏感'：False，lang'：en'，created_at'：5 月 9 日星期五10:32:11 +0000 2014', in_reply_to_status_id_str': None, place': None}, is_translation_enabled': False, utc_offset': None, statuses_count': 19327, description': Tru Optik 命名为 Gartner Cool New Vendor for Info-Innovation在 Big Data 2014'中，friends_count'：187，位置'：斯坦福德，CT'，profile_link_color'：B39B00'，profile_image_url'：，以下'：False，geo_enabled'：False，profile_banner_url'：，profile_background_image_url'：，screen_name'： TruOptik', lang': en', profile_background_tile': True,favourites_count': 55, name': Tru Optik Data Corp', notification': False, url':, created_at': Wed Mar 27 18:54:41 +0000 2013',contributors_enabled': False, time_zone': None, protected '：假，default_profile'：假，is_translator'：假}

我试过这个：

上面的代码应该提取 294，但新创建的列包含空值。我的正则表达式有什么问题吗？

我似乎在使用 Open Refine ( Google Refine 2.5 [r2407] ) 进行复杂的重复行清理时遇到了工作流问题。到目前为止，我发现的只是如何删除基于单个列的重复行。

我的目标是删除基于多个列的重复行，充其量是在特定层次结构中。

例子

鉴于Refine中的以下虚拟数据

我想根据以下逻辑杀死重复的行。如果

• title && auther && date && val1 相同，比
• 保留最新（最少 timeAgo）行，如果有多个，则
• 保留 id 最高的那个

结果将是：

简单的方法？

如果没有其他解决方案，谢天谢地，我采用了脚本/GREL 解决方案。

但是是否可以通过 Refines 著名的工作流“记录”来实现上述逻辑，从而可以将其提取并应用于其他相同格式的数据集？

我这样做的动机是让员工能够更周到地处理数据（超越 excel），但无需立即使用成熟的脚本语言面对他们。

恐怕这可能是一个有点简单的问题，但我似乎无法弄清楚。

我有一个包含许多对象的电子表格，每个对象都有许多属性（每列一个），就像这样（对不起，我不能发布图像，所以这是我能做的最好的）：

…而且我希望每一列成为单独的行——这意味着每个对象都会被列出多次。像这样：

我没有看到明显的方法来做到这一点，我在这里找不到答案，尽管也许我没有使用正确的搜索词。

谢谢你尽你所能的帮助！

我正在尝试 google 优化以解决我的数据中的名称消歧问题。但是，每当我上传 CSV 时，我都会收到此错误。

我一直在关注此链接教程中的教程

我也在我的谷歌搜索中遇到了这个，命名了我面临的类似问题。

https://github.com/OpenRefine/OpenRefine/issues/670

但我不知道如何解决这个问题。我应该进入源代码并编辑提到的行吗？如果是这样，有人可以给我一些关于如何做到这一点的指导吗？

我一直在关注本教程： https ://www.youtube.com/watch?v=5tsyz3ibYzk

我一直在遵循所有步骤，但我注意到，对于我的数据集，freebase 没有建议任何类型，就像示例中的“电影”一样。

我有一列组织名称（'Babson College'、'Aspen Institute'）就是两个例子。当我单击“开始和解”->“从 Wikipedia 命名空间中选择”时，什么也没有发生。

感谢您的帮助！

我正在使用 Open Refine 2.6。我只看到基于查询的服务

我想调查某一列为空的行。我将根据其他列中的值填充这些单元格，但我想确定哪些尚未完成。

如果我对该列进行过滤，则在我输入某些内容之前它不会做任何事情 - 但我正在寻找的东西什么都没有......

我尝试了一些正则表达式，例如^$和^\s*$，^.{0}$但没有为任何这些过滤器选择行。

有谁知道使用单个命令/操作在 Open Refine 中编辑多列中的单元格的方法？

我有一个包含大约 75 列的项目，我需要对每列中的所有单元格应用相同的操作。

例如，我需要：

在项目的每一列。希望我不必一一为每一列手动执行此操作？

我有一个数据集，在同一列中有两种不同的日期格式。有些格式如下：

其他的格式如下：

Google Open Refine 会将第一个类型识别为日期，并将对其进行排序并允许我对其执行其他操作。我不知道如何将第二种类型格式化为日期。一个转变：

抛出一个错误，就像我尝试的大多数其他事情一样。这似乎是一个简单的问题，但谷歌搜索没有帮助。

我导入了一个.xlsx文件，其中一列填充了hyperlinks，但 OpenRefine 上不显示链接，只显示值。

1. 它只发生在Linux还是与 相同Windows？
2. 如果没有，还有其他方法可以导入这些hyperlinks吗？

我有 OpenRefine（由码头托管的 web 应用程序）运行在：

看起来像这样：

一切都很完美。

现在我想通过 Apache2 进行隧道传输（出于安全和重命名原因），所以我更改了我的 http.conf 文件并像这样修改它：

现在，如果我尝试通过代理打开页面，这就是我所看到的：

看起来所有动态内容都无法正常工作。我该如何解决这个问题？

笔记：

• 我确保 mod_proxy 已更新并正常工作。使用来自 Tomcat 的其他 webapps 进行了测试。