资料名称： OpenRefine 官方用户手册（OpenRefine user manual），即 openrefine.org/docs 下那份完整手册，配软件本身的官方文档页与源码仓库

帖内资料： 手册的十一个章节与各自覆盖的操作、数据类型与日期格式规则、分面筛选的各类分面与使用边界、聚类合并近似值的方法、表达式语言与函数目录、实体对齐两种做法与类型层级、以及九种导出格式与各自选项

时间覆盖： 手册首页标注最后更新于 2022 年 12 月 29 日，各章更新日期不一；所对应的软件版本为 OpenRefine 3.10.1，发布于 2026 年 3 月 4 日

许可与引用： 官方文档站标注为 Creative Commons Attribution 4.0 International License，软件代码为 BSD-3-Clause；本贴只整理手册的结构、操作规则与格式清单，不复制原文段落、不提供软件或数据包

适用任务： 想系统学一遍 OpenRefine 清洗流程的，要查某个操作在手册哪一节的，想知道有哪些导出格式可以选的，要用表达式做批量改值的

OpenRefine 是一个免费开源的脏数据处理工具，官方仓库的描述就是"处理杂乱数据并改进它"。它是 Java 写的，跑在自己的电脑上当本地小服务器，用浏览器访问。手册首页的定位是：这份手册设计成全面走一遍 OpenRefine 使用的每个方面，包括每一个界面功能和特性。

手册的路径是一条完整的工作流：先讲在 Windows、Mac、Linux 上安装或升级；再讲界面长什么样、怎么从程序或命令行启动、怎么设自定义偏好；然后教怎么用已有数据集建项目，怎么用分面、筛选和排序来看懂和熟悉自己的数据；接着是永久地改造数据，包括常用与自定义转换、聚类、从网上取数、实体对齐和写表达式；最后是把改好的数据集导出成文件，或者把陈述上传到 Wikidata、Wikimedia Commons 或别的 Wikibase 实例。

看手册的目录，一眼能看出十一个章节的分工：Introduction、Installing、Running、Starting a project、Exploring data、Transforming data、Reconciling、Expressions、Exporting、Troubleshooting、Contributing to OpenRefine。

站点的 Documentation 区除了用户手册，还有技术参考（technical-reference）与路线图（development-roadmap）；另外还有 Training and Courses 入口，收录社区贡献的教程。

Exploring data 这一章从数据类型讲起，这是后面所有筛选和表达式的基础。

每个单元格都有数据类型。导入时部分文件格式能直接带出类型，识别不出来的先算 string，之后可以再转。类型是设在单元格层面，不是列层面。预览新项目时勾上"尝试把单元格文本解析为数字"，能识别的数字会从黑字变绿字。

支持的类型是四种：string、number、boolean、date；另外两种是 OpenRefine 自己在处理过程中产生的——error 是转换过程中生成错误时留下的，null 表示这个单元格没有值。null 和值为"0"或"false"、或看起来空但其实有空格、或含空字符串的单元格都不一样；用 type(value) 会显示该单元格值是"null"、类型是"undefined"，也可以在 All → View 里选择显示 null 值。

date 类型统一转成带 UTC 时间的 ISO-8601 扩展格式 YYYY-MM-DDTHH:MM:SSZ。手册给了一组转换对照：23/12/2019 变 2019-12-23T00:00:00Z，14-10-2015 变 2015-10-14T00:00:00Z，2012 02 16 变 2012-02-16T00:00:00Z，August 2nd 1964 变 1964-08-02T00:00:00Z；today 会保持 today，never 保持 never。

手册特别强调一个容易踩的区分：改单元格的数据类型和转换它的内容是两回事。像 Transform → Common transforms → To date 这种整列转换可能转不干净，但单独点进某个单元格改类型却能成功，因为这两者走的是不同的底层代码。

分面是 OpenRefine 的看家能力。手册对分面的定位是：即使一个字都不改，它也能帮你了解自己的数据集。

文本分面可以对任何 text 类型的列生成，默认按字母序排列、也可以按计数排序。它的逻辑很简单——把该列单元格的内容整体取出来做匹配，不对拼写错误或近似值做任何猜测。可以直接编辑分面里的任一显示项，这会批量修改列里所有相同的单元格，官方说这适合修拼写错误、多余空格之类影响分面显示的问题；分面窗口里还有个 Cluster 按钮，可以用聚类来自动清理。

手册给了两个实用细节：每个文本分面默认最多显示 2000 个选项，可以在 Preferences 里调高但会拖慢浏览器；分面里的选项和计数可以复制成制表符分隔的值，用来做小的汇总表。

数值分面则相反，它是把数字按区间排序、以直方图显示，可以拖动最小和最大值标记来设自定义区间。

还有一章专门讲"哪些操作不尊重分面"，这一点很关键：在分面筛选状态下执行下列操作，作用于表里所有相关的数据、列和行，而不只是当前筛出来的部分——移动、删除、重命名或重排列；拆分或合并多值单元格；重排行；转置（列变行、行变列，以及按键值列做列化）。

分面本身不随项目数据一起保存，但可以在项目名旁边找到 Permalink 保存当前状态的链接；分面表达式可以用列名右侧的"change"按钮修改；侧边栏里的分面框可以拖动标题栏重排、拖底栏改高度。

聚类是把写法不一致的同类值归并的功能。手册给的用法路径是：先在文本分面里点 Cluster 按钮，把一批近似值聚成一组，然后在聚类操作窗口里把它们批量改成你想要的字符串。前面提到的 GEO 问题——大量文本类别写法不一致时如何先聚类检查再批量改值——对应的就是这个流程。

Expressions 这一章开头就点明：OpenRefine 的表达式和你习惯的电子表格公式有显著差别。

OpenRefine 不在单元格里存公式、也不动态显示计算结果，它的转换是一次性操作，会改变列内容或生成新列。这些操作用 value、cell 这类变量，对列里的每个单元格做同样的修改。手册给的例子是在 friend 列上用 value.split(" ")［1］，第一行的 John Smith 会得到 Smith，第二行的 Jane Doe 会得到 Doe——同一个表达式对不同行给出不同结果。

旧信息会被丢弃，除非在 History 标签里撤销这一步才能拿回 John 和 Jane。

手册还提醒一个容易误解的点：如果用 row.starred 生成一列 true 和 false，之后再标星或取消标星，这些数据不会自动更新，得重新跑一次操作。

表达式编辑器是选中接受表达式的函数后弹出的窗口，有一个输入公式的字段，并在前面几行单元格里显示转换结果的预览。可以从下拉菜单选表达式语言，默认是 GREL；换用别的语言后这个选择会一直保持。安装包还提供 Jython 和 Clojure，也可以通过第三方扩展加更多语言支持。

GREL 的函数参考页按用途分了组：布尔函数、字符串函数、测试字符串特征、基本字符串修改、字符串解析与拆分、编码与哈希、翻译、基于格式的函数（JSON、HTML、XML）、Jsoup 的 XML 与 HTML 解析、URI 解析、数组函数、日期函数、数学函数，以及其他函数。

Reconciling 这一章讲的是把本地数据里的名称对到外部权威库里的标准条目。

第一种做法是用已有的唯一标识符直接对齐。手册举例说，第十四世达赖喇嘛的 VIAF ID 是 38242123、Wikidata ID 是 Q17293。选中装着已知标识符的列，执行 Reconcile → Use values as identifiers，它不会走常规的对齐设置，而是弹窗让你从已添加的服务列表里选一个。

这个操作假定这些 ID 在服务里已经存在，因此不做查询，跑完通常很快，所有单元格会变成深蓝色的"已确认"匹配。手册提醒可能出现假阳性（比如这些 ID 在服务里已经不存在），需要悬停或点击才能发现。

第二种做法是按类型对齐。服务被加进 OpenRefine 后会从自己的数据库里推荐类型，通常是它专精的领域——人、事件、地点、建筑、工具、植物、动物、组织等等。按更具体的类型对齐可能更快更准，但匹配数会变少。有些服务有层级类型（比如"哺乳动物"是"动物"的子类型），按更具体的类型对齐时未匹配的值可能回退到更宽的类型；另一些服务不会这样，你就得连续按不同类型试几轮。

手册建议分批做、从具体到宽泛地推进，并且可以为"最佳候选的类型"建一个分面，看清楚数据里实际出现了哪些类型。

类型是按内容结构化的：Wikidata 的"human"类型可以带出生死亡日期、国籍等字段，VIAF 的"person"类型可以带国籍和性别。利用这些字段能纳入更多属性、找到更好的匹配。手册也说，如果某列不适合任何特定类型，可以选"不对特定类型对齐"，只是会更慢。

Exporting 这一章列出的导出选项是：制表符分隔值（TSV）或逗号分隔值（CSV）、HTML 格式表格、Excel 电子表格（XLS 或 XLSX）、Open Document Format 电子表格（ODS）、上传到 Google Sheets（需要 Google 账号授权）、自定义表格导出器、SQL 语句导出器、以及模板导出器（默认生成 JSON）。

对已对齐的数据还可以导出到 Wikibase：上传编辑到 Wikidata、导出为 QuickStatements（版本
1）、导出 Wikidata schema。

手册提醒一个容易忽略的点：很多选项只导出当前视图，也就是带着当前筛选和分面的结果；有些会给你选择导出整个数据集还是只导当前可见的行。

自定义表格导出器这一块细节最多：可以选要导出哪些数据、用什么分隔符、结果下载到本地还是上传到 Google Sheet；Content 标签页里可以拖放列来调整输出顺序，对齐数据和日期的选项逐列单独设置。它对已对齐数据特别有用，因为可以选择输出单元格的原始值、匹配到的值、还是匹配到的 ID——选"输出匹配实体的名称""输出匹配实体的 ID""输出单元格内容"，对应的就是 cell.recon.match.name、cell.recon.match.id 和 cell.value。

勾上"未匹配单元格输出为空"会把新建匹配和没有选择的匹配都导出成空单元格；"链接到匹配实体的页面"只在 HTML 表格输出里生效，其他格式无效。手册也直说这个窗口里的日期格式选项目前不工作。

手册在 openrefine.org/docs，下面的每个章节都有独立地址；软件本体在 openrefine.org 下载，源码在 GitHub 的 OpenRefine/OpenRefine。完整地址和引用提醒放在下面。

手册首页、几个关键章节地址、软件下载与源码仓库都在下面，回复一下就能看到。