数据清洗(Data cleaning),是用来提高数据质量的方法。和大多数公司一样,正虹公司的信息化要求越来越迫切,其中一个很重要的方面就是企业数据的质量管理。为了支持正确决策,就要求所管理的数据可靠,没有错误,准确地反映企业的实际情况。因此,公司数据质量的管理正在获得越来越多的关注。随着 Web的发展,公司的业务部分在 Web 上实现,因此 Web 数据清洗的重要性逐渐为人们所认识,本文主要从 Web 数据清洗的角度加以探讨数据质量管理的问题。本文由绪论,数据清洗理论,XML 在数据清洗上的应用,正虹 Web 系统数据清洗的设计和正虹 Web 系统数据清洗实践,总结与展望六个部分组成。本文主要做了以下的几点工作:系统性地概述了数据清洗的实施流程及理论;分析了 XML 语言在数据清洗上的应用优势;结合 XML 技术提出了一种在 Web 系统上进行数据清洗的框架;讨论距离函数在记录匹配上的应用;在前面工作基础上对正虹 Web 系统数据进行了试验性清洗。数据清洗是一个领域相关性非常强的工作,国内外的研究人员始终没有提出一个通用的自动化的数据清洗框架,所有关于该领域的研究都是针对特定领域数据的,通用的清理方案会受到越来越多的重视。而对于 Web 数据清洗,国外又提出了 XML 键的概念,完全有理由相信它们可以促进针对 XML 数据的清洗,正如关系表的键在数据集成中扮演了特殊的角色一样。