问题标签 [openrefine]

我不在乎我使用哪种语言（只要它是 Open Refine 中可用的三种语言之一），但我需要将从 API 返回的时间戳从纪元时间转换为常规日期（请参阅下面屏幕截图中的表达式框）。对输出日期格式不太挑剔，只是将日期保留到秒。谢谢！

可以使用：GREL、Jython 或 Clojure。

我有两个关于 Open Refine 的问题

1. 我有多组 Excel 文件形式的数据，但我想将它们全部上传到 Open Refine。如何在 Open Refine 中附加文件 A、文件 B 和文件 C？所有文件都具有相同的列名。请注意，我并不是要在一个共同的、独特的字段之间进行合并或 cell.cross。我只想将这三个文件一起附加到一个项目中。

2. 我有一个数据集，其中包括检查类型和违规字段。检查类型下的一些常见类别是事故、投诉、推荐、计划和其他几个。违规类别/记录包含三种常见类型：严重、重复、故意。我需要分析的是每种类型的检查类型（例如，对于事故）如何对应于哪些违规行为，以及这些违规行为的数量是多少。例如，对于有多少事故检查类型，发现违规是严重的或故意的，并在单独的列中显示该信息。我能够分面检查类型列来计算每种类型下的类别数量，但我无法继续如何完成下一步。

任何帮助都感激不尽！

在openrefine中，当我上传数据时，点击text facet然后聚类。它创建集群。喜欢： Aniket Ghodke 和 Ghodke Aniket 它会建议合并它们。但是有什么方法可以存储这些值。就像我将“Aniket Ghodke”和“Ghodke Aniket”合并为“Aniket Ghodke”一样，我可以存储这些值以供进一步参考。我也准备好使用 Python 或 java 库了。但是有没有可能。

OpenRefine 可以安全地用于清理私人数据吗？

尝试了公共数据并确定，但我不确定数据安全性。

从广义上讲，这就是我想要做的事情：在电子表格的一个单元格中解析一个字符串，然后如果在解析的单元格中找到某些关键字，则将关键字添加到该行中的另一个单元格。

我正在使用 OpenRefine（技术上是 Google Refine 2.5）来尝试执行此操作，使用“基于此列添加列”功能，但我还没有在新列中实际显示任何内容。

这是我正在使用的 GREL 表达式的当前迭代：

它抛出以下错误：

偏移量 77 处的解析错误：缺少数字、字符串、标识符、正则表达式或带括号的表达式

我是这个软件和 GREL 的新手，但我的搜索还没有出现这种字符串函数。（我想我现在对如何引用特定单元格有了更好的了解，但我想这也可能是问题所在。）

A. 这可能吗？
B. 有没有比编写一堆 if(contains()) 语句更有效的方法来做到这一点？

我对 OpenRefine 很陌生，所以如果我犯了一个简单的错误，请多多包涵。我正在解析一个 HTML 网站以收集一些日期。

获取单个页面一切正常，但现在 HTML 解析失败。我正在创建一个新列，基于包含所有页面 HTML 的列。我正在尝试获取特定 DIV[20] 中的数据。

在“基于此列创建列”窗口中，它在使用时为我提供了预览value.parseHtml().select("DIV")[20]，这正是我需要的结果......执行它只给我空白单元格。它甚至告诉我它正在“用 grel:value.parseHtml().select("DIV")[20] 填充 0 行”

任何线索我在这里做错了什么？

我正在使用 OpenRefine 并具有以下值：

我想转换为：

所以我想删除每个单词中的第一个点（“。”）。

有人有线索吗？

我有关于用户配置文件的 JSON 数据，我想最终用 SPSS 进行分析。目前我在 Google Refine 中导入了数据，以运行一些数据清理。然而，我的问题是原始 JSON 由嵌套对象组成，即例如带有“公司”的“专业体验”部分，其中包括几个子对象/数组（见示例）。Google 优化通过使用该信息创建其他行来处理此问题。然而，这与我需要使用 SPSS 或 Excel 或其他任何东西分析数据的“关系”（就 SQL 而言）视图/表结构不一致，因为还有其他子对象（学校、奖项、等），它们也“愚蠢地”填充在高级“主要”记录下方的行中，但彼此之间没有直接（行/列）关系（考虑分析）。

如我所见，我需要将这些（子对象）列和行提取到自己的表中并创建一些 n:m 关系，或者至少将其规范化为一个表（然后当然接受其他未嵌套属性的冗余当然）。

我想要结束的是一张一致的表来对某些属性进行统计分析/聚类。我认为 map reduce 在这里并不是一个真正的选择。

你们中是否有人知道如何处理这个问题，或者是否有更简单的方法可以直接处理 JSON 数据？

] }

我正在使用 Open Refine 清理工作表 (.csv) 中的一些地址。如何在列中对完全匹配进行聚类？似乎聚类算法将聚类几乎相似但数量不同的地址。例如：

如何使用 OpenRefine 根据完全匹配对这些地址进行聚类？问题听起来很傻，但我对这件事失去了理智。

谢谢

这是上一篇文章的后续问题。我正在使用一组图书馆目录记录（MARC XML格式），我想使用一个名为OpenRefine的工具对其进行清理和增强。OpenRefine 不能很好地处理 XML 数据，因此我需要将 MARC XML 转换为 TSV。

我之前帖子的解决方案帮助我做到了这一点。但是，一旦我从 OpenRefine 导出，我需要将数据往返返回到 MARC XML。OpenRefine 的输出比典型的 TSV 更复杂：单个记录可以跨多行分布，因为某些字段是可重复的：

我正在尝试修改从 TSV 转换为 XML 的 XSLT 2.0 样式表（基于此处提出的解决方案）：

这基本上给了我我需要的东西，但它并不灵活，并且使用这种方法来解释源数据中所有可能的变化将是一项挑战。

相反，我想修改xsl:analyze-string正则表达式，以便预先处理这个更复杂的制表​​符分隔结构。基本上，每次有“领导者”的价值时，都应该有一个新的记录。出现在后续行中的各个值应被解析为单独的 XML 元素，如下所示：