标准化数据库的成分
我会爱上任何人的帮助，在工作中我已经被安排在这个项目上，而且我有点失落，我的经理也不知道如何去做。
基本上我们有所有的成分3000+头发产品清单。 我需要做的是创build一个包含所有这些成分的数据库，并标准化名称。
这是我面临的问题：
- 根据生产国的不同，成分略有拼写
-
许多成分都是不同的格式，例如：
Product A: ingredient A,Ingredient B,Ingredient C
Product B: ingredient A, Ingredient B, Ingredient C
Product C: ingredient A ,Ingredient B ,Ingredient C
Product D: ingredient A.IngredientB.Ingredient C
我将如何能够：
1）标准化所有我现有的数据2）分离每个成分，所以我有一个列表3）创build一个Excel模型，当我想添加一个成分，它会validation它与我现有的列表？ （这一个我知道该怎么做）
谢谢大家！ 会喜欢一些build议！
从数据build模的angular度来看，有两个实体：产品和配料，它们是N对M的关系。 这可以放在树形关系表中，您可以在Excel *中存储三张表格：产品列表，成分列表以及产品和成分之间的关系列表。 但这当然是最后的图景。
现在，填充这些表单（ETL）需要一些工作，因为数据质量低（名称上的差异）。 其中的一部分可能是sed脚本直接作为文本（标准化分隔符）或BruceWayne指出，在CSV导入中使用所有可能的分隔符。 但其中的一部分可能需要人为干预（修复不同的名称）。
使用CSV导入，select分隔符和固定空格应该可以让你在那里：
|---------|-------------|------------|-------------| |Product A| ingredient A|Ingredient B|Ingredient C | |Product B| ingredient A|Ingredient B| Ingredient C| |Product C| ingredient A|Ingredient B| Ingredient C| |Product D| ingredient A|IngredientB |Ingredient C | |---------|-------------|------------|-------------|
然后我会build议的是build立一个标准名称与input中可能发生的所有其他等效名称的单独映射。 这种映射可能会部分自动build立（根据您的观察等情况而变化的明显情况），但可能需要手动工作和反复试验。
映射可能看起来像
|-------------|-------------| | From | To | |-------------|-------------| |ingredient a |Ingredient A | | ingredientA |Ingredient A | | ingredient b|Ingredient B | | IngredientB |Ingredient B | |-------------|-------------|
然后，您应该能够将原始表映射到具有查找function的标准化表格：
|---------|------------|------------|------------| |Product A|Ingredient A|Ingredient B|Ingredient C| |Product B|Ingredient A|Ingredient B|Ingredient C| |Product C|Ingredient A|Ingredient B|Ingredient C| |Product D|Ingredient A|Ingredient B|Ingredient C| |---------|------------|------------|------------|
并将其映射到成分列表（在映射表的第二列使用重复消除）：
|------------| |Ingredient A| |Ingredient B| |Ingredient C| |------------|
（和产品相同）。
你也应该能够填充规范化的关系：
|---------|------------| |Product A|Ingredient A| |Product A|Ingredient B| |Product A|Ingredient C| |Product B|Ingredient A| |Product B|Ingredient B| |Product B|Ingredient C| |Product C|Ingredient A| |Product C|Ingredient B| |Product C|Ingredient C| |Product D|Ingredient A| |Product D|Ingredient B| |Product D|Ingredient C| |---------|------------|
- 免责声明：从数据库的angular度来看，如果可以使用关系数据库（可能使用Access），比Excel更可取，尽pipe许多人使用Excel来存储数据。 Excel中错误的操作（如删除单元格和移动行和列）可能会导致严重的数据错误，如果在生产中使用，可能会造成灾难性的后果。 即使没有数据库背景，Excel也非常好用，使用起来也很简单！