Data Extraction

Definition / 定义

“Data extraction”指从数据源（如数据库、网页、PDF、日志、API、表格等）中获取并提取所需数据的过程，通常是数据分析、ETL（抽取-转换-加载）或数据挖掘的第一步。（在某些语境下也可指从非结构化内容中“抽取信息/字段”的信息抽取。）

Pronunciation / 发音

/ˈdeɪtə ɪkˈstrækʃən/（亦常见 /ˈdætə ɪkˈstrækʃən/）

Examples / 例句

We automated data extraction from the website using an API.
我们通过 API 实现了从该网站自动抽取数据。

Accurate data extraction is essential for building a reliable analytics pipeline, especially when the source contains messy or inconsistent fields.
准确的数据抽取对构建可靠的分析流水线至关重要，尤其当数据源字段杂乱或不一致时。

Etymology / 词源

“Data”源自拉丁语 datum（“给出的东西”），在现代英语中多指信息与事实记录；“extraction”来自拉丁语 extrahere（ex- “向外” + trahere “拉”），本义为“抽出、提取”。组合起来即“把需要的数据从来源中抽取出来”。

Related Words / 相关词

• Extraction
• Scraping
• Parsing
• ETL
• Ingestion
• Data Mining
• Data Cleaning
• Transformation

Literary Works / 文学作品中的用例

• Python for Data Analysis（Wes McKinney）：讨论从多种来源读取与整理数据，常涉及数据抽取流程。
• Data Mining: Concepts and Techniques（Han, Kamber, Pei）：在数据预处理与集成部分常使用“数据抽取/抽取数据”的概念。
• The Data Warehouse Toolkit（Ralph Kimball 等）：围绕ETL与数仓建设，频繁涉及数据抽取与加载实践。