OpenRefine：删除单元格中重复的，逗号分隔的值

Question

我如何清理（然后导出到JSON）包含逗号分隔（可能是重复值）的单元格？

单元格示例：

+-------------+
| foo,bar,foo |
+-------------+
| bar,qux     |
+-------------+
| bar,bar     |
+-------------+

我想要的是将数据拆分成新的列并像这样进行重复数据删除：

+-----+-----+
| foo | bar |
+-----+-----+
| bar | qux |
+-----+-----+
| bar |     |
+-----+-----+

或可以将重复数据删除的数据导出为JSON数组

+---------+
| foo,bar |
+---------+
| bar,qux |
+---------+
| bar     |
+---------+

到

"cellname": ["foo", "bar"]
"cellname": ["bar", "qux"]
"cellname": ["bar"]

感谢您的帮助！

Answer 1

您必须首先以基于行的模式导入数据集，以便将值包含在单个列中。

喜欢这个。

然后，您可以使用这个骇人的Python / Jython脚本（已经提到here）来转换您的列：

from collections import OrderedDict
dedup = list(OrderedDict.fromkeys(value.replace(' ','').split(',')))
return '["' + '","'.join(dedup) + '"]')

结果：

最后，通过单击“导出->模板”，可以在“行模板”字段中使用类似这样的值：

  "cellnames" : {{cells["Column 1"].value}}