合并双语翻译文本也很简单

昨天的教程里面我们学习了如何 提取双语翻译文本 ，那么如果我有两篇文档一篇是英文原文基春，另一篇是汉语译文，如何将他们一一对应合并在一起呢？openrefine中也有很好的解决方案。

一、在openrefine中创建两个项目，分别导入英文、中文文档。项慎谨目名称分别为chinese csv 和 english csv

二、打开english csv 项目，选择english列，建新列，取名row。

三、打开chinese csv项目宽锋基，按照步骤二，新建row列

四、在english csv项目中，选择row列，新建列取名chinese

五、删除row列，选择english列-合并多列，分隔符使用 \n

六、删除其他行，完成目标，导出文本。

总结：本次教程的主要思路是建两个项目，在项目中分别把每一行的行号单独存储为一列，将行号列作为cross函数的键，将两个文本合并到一个项目中并且对应的双语文本位于同一行，最后使用列合并，将两列合并一列中解决了问题。

需要注意的是cross()函数和row.index的作用和用法。

我们在工作中经常能碰到表格存储在pdf文档里的情况，要编辑文档就需要将表格提取出来，通过tabula软羡冲樱件提取表格然后使用openrefine来将表格整理成原来的结构是很好的方法，小伙伴们学起来吧，再也不用为碰到pdf表格发愁啦。

1.在tabula中打开 2-China_Factsheet_compressed.pdf文件。

2.框兄丛选site information 中的表格

3.点击 preview and export extract data 按钮

4.导出.csv 文件

5.在openrefine中打开 tabula-2-China_Factsheet_compressed (2)文件

6.编码选择 utf-8，Parse next 3 line(s) as column headers 将前三行组合作为列名，并创建项目

7.分析 city列 如chongqing有两个观测站的数据，但chongqing字段在两个观测值中间，无法使用edit cells - fill down 命令。

​判并 观察数据在维度列（longitude）每个城市的所有观察值的维度相同，产生想法，根据维度列 新建一个城市列 提取数值，然后根据数值应用facet-text facet 批量更改城市名称。

8.点击longitude列，选择edit column - add columns based on this column,输入正则表达式 value.match(/(\d+)o\d*’E/)[0]，新建列名字是city_new。

9.点击edit column- move column to beginning 将city_new列移到最前面,删除原来的city列

10.选择 city_new列 facet - text facet 在左边选择blank 3

[图片上传失败...(image-f6e176-1605105762721)]\14.JPG)

11.选择 all列 edit rows - remove matching rows

12.选择 city_new列 facet - text facet 在左边点edit将longitude值批量修改为城市名称

13.选经度、维度列 editcells -transform 正则表达式处理value.replace("o",".").replace('’N','').toNumber()

value.replace("o",".").replace('’E','').toNumber()

14.选择Altitude列，edit cells - transform 正则 value.toNumber()，修改观察值类型。

\PDF table extract(tabula+openrefine)\25.JPG)

15.选择export - comma-seprated value 保持csv文件

---