将可变数量的行转换为 OpenRefine 中的列

Question

我有一个 xml 文件，其中包含图书馆目录中的记录。我已将其导入 OpenRefine，但所有值都在一列中。我想转置它，以便记录中的每个字段都有自己的列。然而，这很复杂，因为 a) 每个字段都是可选的，因此并非在所有记录中都存在 b) 许多字段是可重复的，因此可以在每条记录中出现多次。以下是数据的简化示例：

| RecordID | Tag  | Data               |
| 1        | 040a | CaABCD             |
| 1        | 245a | Go fish            |
| 1        | 245a | A guide to fish    |
| 1        | 246i | Fish series        |
| 1        | 260a | Fishing friends    | 
| 2        | 040a | CaABDC             |
| 2        | 245a | Happy trails       |
| 2        | 246i | Hiking series      | 
| 2        | 260i | The happy hiker    |
| 2        | 500a | Notes              |

我已经阅读了Openrefine - Transpose rows into columns based on text 的问答，但这个解决方案的问题是，如果我将所有值连接在一起，我将无法确定它们属于哪个字段，因为我的数据比该问题中的数据（我的实际数据有 25 多个字段和数千条记录）。

我能够更接近使用 Google 表格并使用计算字段制作数据透视表（如 PivotTable to show values, not sum of values - 请参阅最底部的答案）。但是，我仍然不知道如何处理重复字段。在数据透视表中，存在多个值，但仅显示第一个（双击单个单元格会显示一个列出所有值的详细信息表），因此当我复制粘贴表时，我会丢失其他值。我想连接它们，但在数据透视表中看不到这样做的方法。

你能想到我可以用 OpenRefine 还是其他工具来做这件事的任何其他方式？谢谢！

Answer 1

在 OpenRefine 中解决此问题的经典方法是使用“Transpose -> Columnize by key value”。但这个功能是poorly documented，即使是 OpenRefine 开发人员也会感到头疼。在你的情况下，重复的字段会有问题，所以这里有一个可能的解决方案。

1°转到“标签”列，点击“转置->按键值列”并使用以下配置（不要忘记“注释列（可选）”）

结果会是这样（我的数据集和你的不完全一样，我修改了一个值来做一些测试）

2°在新列“Record ID: 040 a”中，点击“编辑列->将列移到开头”。

3° 如果要合并重复字段，请转到包含它们的每一列，然后通过选择分隔符单击“编辑单元格 -> 连接多值单元格”，例如“|”。

最终结果将如下所示。

要删除不必要的列：单击导出 -> 自定义表格导出并取消选择名称以 RecordId 开头的列。

Answer 2

OpenRefine 还有一个本地 MARC 导入器，如果您将来需要使用 MARC 数据，它可能值得一试。 MARCEdit 还内置了一些特定的 OpenRefine 支持。