如何在OpenRefine中用布尔运算统计含单字母变体的特定词频

完全可以用OpenRefine实现你要的需求，以下是具体操作步骤：

1. 统一文本大小写 #

先处理大小写混合的问题：

• 选中「Text of document」列，点击「编辑列」→「添加基于此列的列」，命名为「标准化文本」
• 在表达式框输入：value.toLowerCase()，生成全小写的文本列，消除大小写差异

2. 识别单个字母差异的变体词 #

要匹配与目标词（比如word）仅单个字母不同的变体，最通用的方式是通过编辑距离判断（允许单个字母的替换、插入或删除）。添加一个新列提取所有符合条件的词：

• 点击「编辑列」→「添加基于此列的列」，命名为「匹配的变体词」
• 输入以下自定义表达式（把target变量值换成你的目标词）：

var target = "word";
// 按非字母字符分割成单词数组，适配古瑞典语字符
var words = value.split(/[^\p{L}]+/);
// 过滤出与目标词编辑距离为1的单词
words.filter(function(w) {
  var d = 0;
  var lenDiff = Math.abs(w.length - target.length);
  // 长度差超过1直接排除
  if (lenDiff > 1) return false;
  var i = 0, j = 0;
  while (i < w.length && j < target.length) {
    if (w.charAt(i) !== target.charAt(j)) {
      d++;
      if (d > 1) return false;
      // 长度不同时，跳过较长单词的一个字符
      if (lenDiff === 1) {
        w.length > target.length ? i++ : j++;
      } else {
        i++;
        j++;
      }
    } else {
      i++;
      j++;
    }
  }
  // 加上剩余未匹配的字符数
  d += (w.length - i) + (target.length - j);
  return d === 1;
}).join("; ")

3. 统计变体词频率 #

统计各变体的出现行数 #

• 选中「匹配的变体词」列，点击「分面」→「列表分面」，面板中会显示每个变体词对应的出现行数（即包含该词的文档数量）

统计变体词的总出现次数（含同一行多次出现的情况） #

• 再添加一个新列「变体词数量」，表达式输入：value.split("; ").length
• 点击「行」→「统计」→「求和」，即可得到所有符合条件的变体词的总出现次数

如果已知特定的变体模式（比如固定位置的字母重复或替换），也可以直接用正则表达式匹配，比如匹配woord/worrd这类变体的正则：/\bwo?r?d\b/（需结合大小写标准化），但编辑距离的方法更灵活，能覆盖所有单个字母差异的情况。

内容的提问来源于stack exchange，提问作者Jaakko Santavuori