如何使用Google Refine用指纹替换字符串值？

Question

我有一个包含100,000多个字符串的列。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Text Facet我可以选择“Cluster”。这将显示聚类，我假设它们是指具有相同指纹的字符串值，并允许我选择一个新的单元格值，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，如果它们确实是同一个集群的一部分，我需要它们是相同的值。我无法连接这些文件，因为这会导致Refine处理的数据太多，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，它将每个单元格放在一列中，计算其指纹，并用指纹替换列中的值。

我在OSX 10.7上使用Google Refine 2.5

Answer 1

有数千种选择的文字方面会让您的浏览器陷入困境。如果您仅使用构面作为访问群集的方法，则可以使用Edit Cells -> Cluster and Edit

来获得相同的功能

要计算指纹，请使用恰当命名的指纹函数，即value.fingerprint()，但我建议您添加新列而不是覆盖原始值，以防您再次需要它们。