Language agnostic 有哪些方法可以映射&；规范化相关数据？

假设您需要将随机的、相关的数据导入到更简洁的类别中

示例-您将获得以下数据注意-可能有任何数量的其他相关列数据：

 Customer      Product                Category
==========    =========    =================================
Customer A    Product A                 Cat 1
 CustomerA    Product B               Category 1
  Cust-A      Product C    Totally Lame & Unrelated Grouping

任务-将上述内容整合并规范化为干净的预定义分组：

CustomerA
  Category1
    ProductA
    ProductB
    ProductC

请不要担心完成的数据将如何持久化。而是关注如何坚持和管理分组规则

只有一个假设：您不能使用数据库来持久化分组规则。所以当我们说“normalize”时，我们不是在说关系数据库规范化规则。但我们希望消除数据输入中的不一致性（如上所示），以使随机数据进入一致状态

那么，可用的选项是什么？保持技术不可知性：

XML

配置文件

设置文件（是否已编译）

Ini文件

密码

等等

---

列出每个答案的优点和缺点。虽然这确实是一个练习，但却是一个现实世界的问题。因此，假设你的客户/雇主已经委托你完成这项工作。

这似乎是一项数据清理工作，完美是不可能的。问题：

1） 。您可以预先指定类别，还是必须根据数据进行推断

2） 。我们可以使用什么规则来接受等价性

“1类”与“1类”相同吗？和“第一类”

是

“第一类”als“第一类”？“第一类”怎么样？还有“猫12”

只是在挑战中获得一套好的规则

---

2） 。你将如何抓住这些规则？代码还是配置？如果是，你会如何表达？你最终会编写一种新的专用编程语言吗？

这似乎是一种数据清理练习，完美是不可能的。问题：

1） 。您可以预先指定类别，还是必须根据数据进行推断

2） 。我们可以使用什么规则来接受等价性

“1类”与“1类”相同吗？和“第一类”

是

“第一类”als“第一类”？“第一类”怎么样？还有“猫12”

只是在挑战中获得一套好的规则

3） 。你将如何抓住这些规则？代码还是配置？如果是，你会如何表达？你最终只是写了一种新的专用编程语言吗

每个值的字典映射。”类别1'=>'类别1'，'类别2'=>'类别2'。这很容易存储，并且没有意外的后果。缺点是手工创建所有这些映射是实际工作

一系列正则表达式。这样，您就可以用相对较少的工作量捕获几乎所有的规则。缺点是正则表达式相对容易“失火”，并且计算顺序很重要（即，当值匹配多个“规则”时）

---

至于如何保存它们？我想不出比这更无趣的问题了。你只需使用你喜欢的编程语言中最简单的语言即可。

1）&2）请参阅我关于“预定义”分组的文字。您将知道提前将数据规范化为什么，也将知道哪些数据需要提前规范化。3） 实际上是原始问题的一部分。是否应该使用配置？利与弊？你应该说得更清楚。。。从djna的评论中可以看出：“您将知道提前将数据标准化到什么，并且您还将知道哪些数据需要提前标准化”。。。这是什么意思？我们知道什么？格式？或者我们已经知道所有的值，只需要将输入与正确的值进行匹配？第二个代码块是什么？这是否意味着我们对客户和类别以及类别和产品有1-n关系？我们需要检测这些吗？XML&c。可以看作是简单的数据存储。鉴于许多平台都有处理XML的库，这些库（和存储一起）构成了一个数据库。分组规则不存储在数据库中的要求背后的目的是什么？它仅仅是为了排除RDBMS吗？您是否希望规则存储仅为写？还有别的吗？