數據展示：
（一）
選取字符串最開始的數字和最後一個數字，篩除分隔符
數據如圖
要進行操作的是“職位年薪”
採用js腳本：
var ZDNX = parseInt(職位年薪);
var index = indexOf(職位年薪,'-');
//var index1 = indexOf(職位年薪，'-');
var in1=indexOf(職位年薪,'元');
var ZGNX = parseInt(substr(職位年薪,index + 1,in1));
ZDNX是字符串最開始的的數字，可直接調用parseInt（）方法。對於最後一個數字，先進行“-”的定位，再substr提取。
注意kettle中的許多函數的應用和網頁中js的編寫不同。
（變量的命名，在代碼第三、四行，不知爲何第三行index1會出現錯誤。望提出指正。）
（二）
整列Field值的替換
有兩種方法
1.在採用自帶的“字符串替換”步驟時，如果採用下圖方式，則沒有實現整個的替換，而是對每一個分隔得的字符前加上想要替換的值。
操作和結果如圖：
2.使用js腳本，replace函數（var，var，var） 三個參數：字段名，被替換，替換成
var 公司地點 = replace(公司地點, 公司地點, '北京');
結果全部公司地點值 都爲“北京”。
若採用更多形式的替換，可靈活運用函數和字符串替換。
（三）
模糊匹配
介紹：
kettle裏有兩個地方能找到相似度算法：“Calculator”步驟和“Fuzzy match”步驟偶這兩個步驟裏的相似度算法幾乎一 樣，但是工作方式不一樣；“Calculator”步驟比較一行裏的兩個字段，而“Fuzzy match ”步驟使用查詢的方式，從字典表中查詢出相似度在一定範圍內的記錄。我們在使用這些步驟和算法之前，最好能理解這些算法的概念和用途。打開“Fuzzy match”步驟，選中算法列表，可以看到有很多可用的算法，如“Damerau-Levenshtein”,”Jaro Winkler”,”Double Metaphone”。這些算法的共同點就是用來做字符串匹配。但是他們的工作方式不一樣，所以不同算法適合做不同的工作，如排重之類的工作。下面解釋一下這些算法。
Levenshtein和Damerau-Levenshtein:編輯一個字符串到另一個字符串需要多少步驟，根據步驟數，來計算兩個字符串之間的距離。第一個算法裏的編輯步驟只包括插入字符，刪除字符，更新字符，第二個算法裏還包括調換字符位置的步驟。需要的最少步驟數就是最後的結果，例如”CASTERS”和“CASTRO”這兩個字符串的距離就是2（步驟1：刪除字母E；步驟2：把字母S替換成O）
Needleman-Wunsch: 這個算法主要用於生物信息學領域，以差異扣分的方法來計算距離，上面的CASTERS和CASTRO的距離是-2
Jaro和Jaro-Winkler： 計算兩個字符串的相似度，結果是介於0（完全不一樣）到1（完全一樣）之間的小數。例如我們使用Lenvenshtein算法計算CASTERS和POOH相似度時，結果是7，而使用Jaro或Jaro-Winkler算法時，結果是0，因爲兩個字符串之間沒有任何相似度。而Levenshtein算法總會得到一個距離，因爲一個字符串經過編輯總是可以變成另一個字符串。
Pair Letters similarity: 只有“Fuzzy match”步驟裏有這個算法，這個算法把兩個字符串都分割成多個字符對，然後比較這些字符對。如CASTERS和CASTRO這個例子，這兩個字符串被分割成{CA, AS, ST, TE, ER, RS}和{CS,AS,ST,TR,RO}，最後的相似度=（相等的字符對個數）乘以2/兩個字符串的字符對總個數，這個例子就是（3*2）/11=0.545(這個結果是匹配度非常高的)
Metaphone,Double Metaphone, Soundex和RefinedSoundEx：這些算法都是利用單詞的發音來做匹配，也稱爲語音算法。這些語音算法的缺點是以英語爲基礎，所以基本不能用於法語，西班牙語，荷蘭語等其他語種。
當然，最後的問題就是我們應該選擇哪個算法，這取決你要解決的問題。對信息提取類的需求，例如，提取亞馬遜上所有的圖書，找出和Pentaho相關的圖書，並給出相似度分數，這時就可以使用字符對的模糊匹配算法。如果要做數據排重工作，而且還可能有拼寫錯誤，這時就要使用Jaro-Winkler算法。但使用該算法時要小心匹配不準確的情況，如“Jos van Dongen”和“Davidson”這兩個人名的相似度是0.615，而“Jos van Dongen”和“Dongen, jos van”這兩個人名的相似度是0.604，從計算結果看前面一對人名相似度更高，但是我們可以看出後面的一對人名實際上是同一個人實例：
這是流程：
需要注意的是橢圓圈起來的的步驟。輸入數據無所謂，都可以，在這裏我要用的是js腳本輸出的“職位類別”Field。
注意：空輸出是必備的！
在模糊匹配時：匹配流是自定義常量，需要自定義輸入。將主數據流與匹流進行算法的匹配，可選擇是否再輸出額外的在匹配流中的字段。