大数据项目——互联网精准营销——数据清洗

Posted 2022-10-08 zhaochenguang

使用kettle进行数据清洗：

　1.新建转换去除手机销售信息表的重复记录
　　要求：去除该字段中的所有空格，方便后续聚合统计，字母统一大小写，去除该字段中的所有特殊字符（各种标点符号）

      这里可选用排序加去重组件，也可用哈希去重。然后用字符串操作去括号，大小写统一。字符串替换的正则表达式去除特殊字符。

 

 

 

 

 

 2.新建转换去除用户评论信息表的重复记录

　　和上面的操作差不多，一个去重

 

 

3. 新建转换处理用户信息表中出生日期字段（将 2019 年 5 月 20 日转换为 2019-5-20）
这个我仍然用的正则，把年月（填写为“(年|月)”）改成“-”   把 日 替换为空

 

 效果：