Elysia Tools
导航
Development
将杂乱的 CSV 表头映射到干净的目标 schema。粘贴首行为表头的 CSV（列名可能是 Customer ID、user_id、customerId、CUST_ID……），并提供目标 schema（每行一列）与可选的 "alias=target" 别名字典。每个源表头经过四层解析——精确匹配、字典别名、规范化（统一大小写/重音/分隔符/驼峰）、模糊编辑距离——在映射表中显示方法与置信度，并给出目标覆盖率与可选的规范化 CSV 导出。
详情
面向数据工程师、分析师与 ETL 工作的 CSV 表头规范化工具：
离线且确定：全部为纯字符串比较，不调用外部 API。
执行
填写表单、运行工具，并在同一页面查看结果。
等待运行
案例
相关内容
工具使用指南
CSV 表头别名解析器是一款专为数据工程师和分析师设计的实用工具，能够快速将各种杂乱、不规范的 CSV 列名映射到统一的目标 Schema 中。通过精确匹配、别名映射、文本规范化以及模糊编辑距离四层算法，它能自动识别并重命名表头，同时支持一键导出规范化后的 CSV 文件，大幅简化 ETL 数据清洗流程。
背景
需要将多份来自不同电商平台的客户导出表导入到统一的 CRM 系统中，但各平台的列名极不一致。
问题
原始列名包含 CUST_ID、First Name、e-mail 和 Phone Number，而 CRM 仅接受 customerId、firstName、email 和 phone。
如何使用
粘贴 CSV 数据，输入目标 Schema，并在别名字典中配置别名映射关系，勾选输出规范化 CSV。
目标 Schema:
customerId
firstName
email
phone
别名字典:
cust id=customerId
customer id=customerId
phone number=phone结果
成功将 CUST_ID 映射为 customerId，First Name 规范化为 firstName，e-mail 规范化为 email，并导出了表头完全干净的 CSV 文件。
背景
接收到一批由系统错误生成的 CSV 文件，表头中存在多余空格和拼写错误。
问题
表头中出现了 "First Name"（双空格）、"frstname"（漏字母）和 "emaiil"（多字母），需要映射到标准的 firstName 和 email。
如何使用
粘贴 CSV 数据，设置目标 Schema 为 firstName 和 email，将模糊匹配阈值调整为“宽松 (0.70)”，不使用别名字典。
目标 Schema:
firstName
email
模糊匹配阈值: 0.7结果
工具通过规范化和编辑距离算法，自动将 "First Name" 映射至 firstName，将 "frstname" 和 "emaiil" 分别以 89% 和 83% 的置信度准确映射到对应的目标列。
工具使用编辑距离（Levenshtein 算法）来计算源表头与目标 Schema 之间的相似度，并根据设定的阈值自动匹配最接近的列名。
别名字典用于手动指定映射关系，格式为每行一个“源表头=目标列名”（例如 `cust_id=customerId`），它会在模糊匹配前优先执行。
它会统一转换大小写、移除重音符号、忽略下划线或连字符等分隔符，并消除驼峰命名与蛇形命名的格式差异。
安全。所有解析与匹配计算均在您的浏览器本地离线完成，不会将任何 CSV 数据上传到外部服务器。
工具会展示所有源列的映射状态。未匹配到目标 Schema 的列在导出规范化 CSV 时会保持原样，同时系统会直观展示目标 Schema 的覆盖率。