ccyOracle的博客

本文拆解点检表数据清洗逻辑：针对纸质表电子化后“给人看”与“能入库”之间的差距，构建纯本地离线的六步流水线，通过词典匹配、位置偏移与边界判定三层规则，精准识别表头、履历、项目，并统一以report_code关联三张结构化表（报表、项目、履历），实现可解释、可诊断的数据清洗。核心在于“不依赖网络、不泄露数据”，确保在无结构约束的复杂表格中稳定产出规范行。

本文分享了在工厂点检表数据清洗中的实战经验：面对无规则、格式多变的纸质/Excel表单，系统需将“人能看懂”的表格转化为“机器可读”的结构化数据。核心挑战在于区分“无数据”与“未识别”，通过三层非AI逻辑（认字、定位、边界判断）实现可解释、可审计的识别。关键成果包括过程留痕、结构线框图、健康分评分及单元格级脱敏，确保在离线、保密前提下稳定运行。总结出三大原则：区分空与误识、警惕位置兜底、实现细粒度脱敏。