数据采集
网络搜索
数据清洗
文档存储与分享
导入PDF文档
数据可视化
全球深度报道网中文站自2014年9月开通以来为大家介绍了大量国外的数据新闻工具，囊括数据采集、分析和可视化等方面。我们将最常用的工具整理如下，并附上介绍其具体使用方法的文章。我们还会及时更新文中内容，欢迎访问网站cn.gijn.org“资源库”内的“数据新闻”栏目，了解最新最全的数据新闻工具包。
数据采集
数据采集（Data Scraping）又称作数据抓取或网页抓取，是利用电脑程序从网页采集文字和数据，并将其整理成便于分析的格式。比较常用的方法是用R语言或Python编写“爬虫”程序，但也可以用现成的软件或基于网页的应用，包括Helium Scraper（每月收费100美金）、 Import.io、 parsehub、 Web Scraper，中文用户还可以选择造数。
相关文章：
想知道有哪些议员在“吃空饷”？自己写一个爬虫吧！（2016）
记者采集网络信息的职业伦理问题（2015）
新闻人网络数据采集入门（2015）
网络搜索
对于现代记者而言，网络搜索的重要性怎么强调都不为过。全球深度报道网刊登过多篇介绍网络搜索技巧的文章，尤其是BBC搜索专家Paul Myers的文章深受读者欢迎。我们将相关文章再次整理如下：
清单 | BBC专家再荐新工具 “人肉”搜索调查利器逐个看（2017）
报道亚洲| BBC专家：网络搜索，大有可为（2016）
2015调查新闻新招：网络搜索技法大全（2015）
网络搜索专家：有了这些网站，在中国做调查报道会更容易（2015）
实用贴：如何用网络搜索搞定新闻要素？（2015）
实用帖：网络搜索工具&调查技巧分享（2015）
数据清洗
数据一多，就有可能残缺、冗余，或名称不一致，数据量越大越可能出错。免费开源的数据清洗工具Open Refine可以帮你在使用数据前挖掘、清洗数据——别怕原始数据会因此遗失，它在网上运行的同时，也悄悄把所有数据存进了你的电脑。
相关文章：
处理数据、制作可视化：数据记者利器推荐（2016）
数据清洗神器Open Refine简明入门（2016）
文档存储与分享
调查记者往往需要处理大量电子文档，例如Word文件，PDF或者扫描图片，用于批量存储和搜索文档的DocumentCloud比一般的云端存储工具更切合记者需要。
DocumentCloud曾经是调查记者与编辑联盟（Investigative Reporters and Editors，IRE）的项目，主要是为了方便记者处理电子文档，功能包括云端存储、分享、添加注释，分类管理等。目前已经有1,619家新闻机构的约8400名记者使用该工具，既有美国《纽约时报》、《华盛顿邮报》和英国《卫报》等传统主流媒体，也有类似维基解密这样的网络协作项目。
相关文章：
电子文档或暴露隐私 专家教你如何自我保护（2017）
普利策奖得主教你五步，做好数字化调查（2017）
导入PDF文档
PDF文档一般需要转换成Word、TXT或CSV等格式后方能对文字和数据作进一步加工和分析。 目前比较先进的网络工具是CometDocs（美国调查新闻记者免费，其他人员每月9.99美元），OnlineOCR.net（免费，而且能识别繁简体中文），二者最大的特点是支持光学字符识别（Optical Character Recognition, OCR）技术，可以识别扫描件或照片中的文字。
另外还有专门识别表格的Tabula（免费）和Adobe的官方转换工具（24美元一年）。
相关文章：
PDF文档数据难处理？资深记者教你几招（2017）
从PDF中提取数据表（2014）
数据可视化
Data Wrapper
Datawrapper是一个开源的数据可视化工具，可以免费生成图表并保存为PNG格式，目前可生成折线图、柱状图、叠加柱状图、地图、圆环图、表格图。付费后可以获取图像链接（用于嵌入网页）以设计更多元素。
相关文章：
处理数据、制作可视化：数据记者利器推荐（2016）
CartoDB
CartoDB是一款交互式地图制作工具，提供“一键式制图”功能，上传数据后会自动推荐一系列地图格式供用户选择和修改，方便实用，适合缺乏编程基础又想尝试可视化的人士。
该程序最初由两名西班牙研究生物多样性和自然保护的科学家开发，至今已经拥有超过12万用户，尤其深受数据新闻工作者的喜爱。
相关文章：
清单 | 十个地图可视化工具 从易到难总有一款适合你（2017）
地图可视化神器CartoDB简明使用指南（2015）
Google Fusion
Fusion Tables属於Google Drive产品中的一项应用，是一个功能庞杂的制图工具，适用于CSV和Excel等常见数据格式。绘制地图方面，其特点之一是能够融合不同的数据集，而且地理信息编码功能也十分突出。记录地理信息的KML（Keyhole Markup Language）是其常用格式。
相关文章：
清单 | 十个地图可视化工具 从易到难总有一款适合你（2017）
调查记者专用：数字信息调查工具清单（2015）
TimelineJS
TimelineJS用于制作新闻事件时间轴，属于免费且开源的可视化工具，目前支持40种语言。你需要先用Google Spreadsheet按照格式要求编制一份表格，将表格链接复制到TimelineJS，然后就能自动生成一个时间轴了。
相关文章：
普利策奖得主教你五步，做好数字化调查（2016）
编译/周穗斌
编辑/Ivan Zhai