1．Pentaho Kettle

  Kettle是一款国外的开源ETL工具，纯Java编写，可以在Windows、Linux、UNIX上运行，无须安装，数据抽取高效稳定。

  Kettle（中文译名：水壶），该项目的主程序员Matt 希望把各种数据放到一个壶里，然后以一种指定的格式流出。

Kettle将ETL流程编译为XML格式，学起来十分简单，Pentaho Data Integration（Kettle）使用Java（Swing）开发。Kettle作为编译器对以XML格式书写的流程进行编译。Kettle的JavaScript引擎（和Java引擎）可以深层地控制对数据的处理。

2．OpenRefine

  OpenRefine最初叫作Freebase Gridworks，由一家名为Metaweb的公司开发，主要用于调试各种表格，以避免随着时间的推移出现错误，这对于任何数据库来说都是一个很大的问题。后来，该软件被谷歌收购，更名为Google Refine，并发布了第2版。2012年10月，Google Refine被社区接管，并以OpenRefine为名进行了开源。

3．DataWrangler

   DataWrangler（中文译名：牧马人）是一款由斯坦福大学开发的在线数据清洗、数据重组软件，主要用于去除无效数据，将数据整理成用户需要的格式等。使用    DataWrangler能节约用户花在数据整理上的时间，从而使其有更多的精力用于数据分析。

4．Hawk

  Hawk是一种数据抓取和清洗工具，依据GPL协议开源，软件基于C#实现，其前端界面使用WPF开发，支持插件扩展。能够灵活高效地采集网页、数据库、文件等来源的数据，并通过可视化拖曳操作，快速地进行生成、过滤、转换等数据操作，快速建立解决方案。非常适合作为网页爬虫和数据清洗工具。Hawk含义为“鹰”，形容能够高效、准确地抓取和清洗数据。