脏数据怎么洗干净？OpenRefine：1.2 万星的数据清洗利器

GitHub 仓库

OpenRefine/OpenRefine

总 Stars

★ 12,101

主要语言

Java

查看 GitHub 项目

结论先说：OpenRefine 是开源数据清洗工具，1.2 万星，Java 编写，BSD-3-Clause 协议，2026 年 11 月 12 日还有提交。它专门对付格式混乱的表格数据：去重、拆列、统一格式、批量改值，都在浏览器里点几下完成。

它是什么：一个跑在本地的网页应用，数据以表格形式展示，支持分面筛选、聚类去重、表达式批量处理，还能对照维基数据做实体匹配。

能干嘛：清洗爬下来的脏数据、整理调研问卷结果、统一人名地名这些写法不一的字段；处理过程可以导出，下次换一份数据照着重跑。

适合谁：做数据分析的人、要处理爬虫结果的开发者、整理开放数据的研究者。

注意点：它在本地跑服务，大文件要多给内存；操作前先备份原数据，批量改值错了还能回得去。

OpenRefine 和 Excel 有什么区别？

Excel 适合小表手工改；OpenRefine 适合成千上万行的脏数据，聚类去重、批量改值这些操作在 Excel 里要写半天公式，在它这里点几下就完事。数据量一大就选它。

站长点评：我选它是因为脏数据这个活人人都遇到、工具却不多——1.2 万星、2010 年就开始做的老牌项目，底子很扎实。我的建议是先拿一份真实脏数据跑一遍聚类去重，看到效果再决定要不要进流程。