OpenRefineの使い方｜CSVの表記ゆれを見つけて整える

毎月の一覧で「Mikke Tools」「mikke tools」「Mikke Tools 」が別々に出てくる。表記ゆれがあると、数を数えたり別の表と照らし合わせたりしにくくなります。OpenRefineは、似ている値を候補としてまとめ、人が選んだものだけ直せる無料ソフトです。

練習用のCSVを用意する

下の内容をテキストエディターに貼り、「sample.csv」という名前で保存します。これは説明用の架空データです。

似た値を見つけ、同じ表記にする

1. 1公式サイトからOpenRefineを入れる

   公式のWindows ZIPにはJavaが同梱されています。ZIPを展開して `openrefine.exe` を起動すると、ブラウザーに自分のPC内で動く画面が開きます。表示されないときは、起動した黒い画面を閉じずに `http://127.0.0.1:3333` を開いてください。

2. 2CSVからプロジェクトを作る

   最初の画面でCSVファイルを選び、プレビューを見ます。文字化けや列のずれがないかを確認してからプロジェクトを作成します。区切り文字や文字コードが違うCSVは、プレビュー設定を調整してください。

3. 3「取引先」の列からCluster and editを開く

   取引先の列見出しのメニューから「Edit cells → Cluster and edit」を選びます。OpenRefineが、大文字・小文字や空白などの違いがある値を似た候補としてまとめます。

4. 4候補を見て、直すものだけ選ぶ

   候補に「Mikke Tools」と「mikke tools」が出たら、それが同じ取引先かを自分で確認します。同じだと分かった場合だけ、残す表記を決めて統一します。似た名前の別会社なら、まとめず閉じてください。

5. 5履歴を見てCSVを書き出す

   Undo / Redoの履歴で変更を確かめ、取引先の値が意図どおりになったらExportからCSVを書き出します。絞り込み中は、表示されている行だけが出力される場合があります。全部出す前に絞り込みを解除し、行数も元データと照らしてください。

毎月の作業で役立つところ

取引先や商品分類など、同じ項目を繰り返し整える作業に向きます。どう直したかの履歴がプロジェクトに残るので、やり直したり、操作を再利用したりできます。請求額や会社の正式名称をソフトが決めるわけではありません。似た名前を見つけても、正しい統一先は人が判断します。

PC内で動くが、外部連携は別

基本の表整理はPC上で動き、インターネットなしでも利用できます。外部サイトからデータを取り込んだり、Reconciliation（外部データベースとの照合）を使ったりすると通信が発生します。個人情報を含むデータでは、外部サービスを使う前に送信先を確かめてください。

作業前後のコピーを残したい場合（任意）

少量のCSVなら、元ファイルを別名で保存するだけで十分なことが多いです。大切なデータを扱い、別ドライブにもコピーを置きたい場合だけ、外付けSSDなどを検討してください。