编程 OpenRefine：浏览器操作的数据清洗与转换工具

2026-09-05 04:45:19

OpenRefine：浏览器操作的数据清洗与转换工具

OpenRefine 是一款开源的数据清洗工具，通过浏览器图形界面和表达式语言完成数据集的清洗、转换、扩展与探索，不需要编写完整程序。项目主要使用 Java 和 JavaScript 开发，协议为 BSD 3-Clause，代码托管在 GitHub：

跨平台：支持 Windows、macOS、Linux，通过浏览器访问界面。
数据源：支持 CSV、TSV、JSON、XML、ODS、Excel、数据库（MySQL、MariaDB、PostgreSQL、SQLite 等）、URL、RDF、Google Sheets、Wikibase，也可通过插件扩展更多格式。
数据转换：提供大小写转换、移除空白字符、字符串替换/截取/拼接、拆分列、合并列等清洗与标准化操作。内置 GREL 表达式语言，适合实现更复杂的数据处理逻辑。
数据筛选：通过数据分面和筛选器，按某列的值快速查看与过滤数据子集，例如筛选“状态”为“未知”或空值的记录。
数据分组：通过聚类自动识别拼写相近但不完全一致的值，比如“Microsoft”和“Microsft”，并支持一键合并。
数据校正：将数据集与外部数据源做匹配和链接，补充上下文信息与唯一标识符。
版本历史：记录每一步操作，支持查看完整操作历史、随时撤销或重做；也可以导出整个处理过程，用于其他项目重复执行。
导出数据：处理后可导出为 CSV、TSV、HTML、ODS、Excel、SQL 语句、Wikibase 等格式。
扩展插件：通过安装插件扩展额外能力，例如 AI 大语言模型、Javascript 表达式等。

官方下载地址：

选择对应操作系统的安装包。Windows 下安装后运行 openrefine.exe，在浏览器访问：

http://127.0.0.1:3333/

界面可通过“Language settings”切换为中文，之后点击“新建项目”即可导入数据。

官方文档：https://openrefine.org/docs

OpenRefine 提供了一套免费、灵活的数据清理与预处理方案，适合需要在图形界面下完成数据集清洗和转换的场景。