它先让脏数据的分布可见，再批量执行可回放操作
OpenRefine 处理“看起来像表格、却很难直接分析”的数据：同一机构有全称、简称和错别字，日期格式混杂，金额带不同货币符号，空值用多个词表示。它在本机启动网页界面，导入 CSV、TSV 等数据后用分面和聚类展示问题。
用户可以批量拆分、合并、替换和转换字段，也能调用外部服务做数据匹配。每一步进入操作历史，可以撤销、重做或导出成 JSON，再应用到下一批结构相同的数据；这比在表格里反复手工查找替换更可追溯。
导入时确认编码、分隔符和列类型，避免第一步就误读
- 从原表副本导入，保留行数、列数和关键字段基线；
- 先用分面统计异常值，再决定转换规则；
- 聚类合并前抽查简称、同名机构和多语言写法；
- 导出结果后重新统计，并保存操作历史 JSON。
导入页先核对字符编码、分隔符、标题行和列预览，中文乱码或逗号误分列必须在这里解决。记录原始行数、唯一 ID 数和几个关键字段总量，后续每轮清洗都用这些基线检查是否意外丢行。
先为目标列建立文本分面，观察大小写、前后空格、空值和异常拼写。简单问题用 trim、大小写或替换处理，复杂问题再写 GREL 表达式；一次只改一类问题，并给历史步骤写清含义。
聚类能找近似拼写，但合并决定必须由业务含义确认
聚类算法会把相似文字放在一起，但“北京大学”和“北京大学出版社”不能因为相似就合并。缩写、分公司、旧名称和同名不同主体都需要业务判断，自动候选只负责减少查找范围。
处理敏感表格时，本机运行减少了上传第三方在线服务的必要，但调用外部匹配服务仍可能发送选定字段。使用前检查目标服务和数据范围，能离线完成的清洗不必额外联网。
操作历史可以复用，原始文件和结果仍要分别保存
导出前再次统计行数、唯一值和关键总量，随机比较原始与结果。把原文件设为只读，结果用新文件名保存，并附上操作历史；以后新批次出现异常时，可以定位是哪一步规则不再适用。
OpenRefine 不替代数据库约束和日常录入规范。一次清洗后，应把发现的问题反馈到源系统：统一枚举、校验日期和建立稳定 ID，减少下次继续制造同类脏数据。
