时常有人讨论结构化数据、非结构化数据。而且经常有争论。
- 有人说数据库是结构化（数据），Excel也是一种数据库，所以Excel是结构化。
- 有人说非结构化数据就是图片、视频、声音这些，所以Xml，Json不是非结构化，可以算作半结构化。
- 有人说图片文件也是有结构的，包括视频流也是有结构的。
我们先来看看百度百科中的定义：
结构化数据，简单来说就是数据库。结合到典型场景中更容易理解，比如企业ERP、财务系统；医疗HIS数据库；教育一卡通；政府行政审批；其他核心数据库等。
非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。包括所有格式的办公文档、文本、图片、XML, HTML、各类报表、图像和音频/视频信息等等。
半结构化数据(semi-structured data)。和普通纯文本相比，半结构化数据具有一定的结构性，OEM(Object exchange Model)是一种典型的半结构化数据模型。（因为我不懂什么是OEM，所以划掉了）
以上定义我认真看了很多遍，不能完全理解。能得到一点简单的结论：数据库是结构化。好吧，那我把文件存到数据库中，可以吧？可以。也算结构化数据吗？不算，你这是抬杠。看，关于这方面的争论（争吵）还是挺多的。
如果说是否结构化决定了存储的方式，而又根据存储的方式来判断是否结构化，这种陷入互为因果的逻辑是没有意义的。争论一个问题是或不是，并不是我们的目的，我们为什么要争论这个问题，才是目的。换句话说，它对实践的指导意义是什么？
存储不是目的，存储后怎么使用才是目的所在。数据的应用从一个侧面来说就是为了能读。即是读得懂，或者是机器读得懂，或者是人读得懂。结构化数据和非结构化数据决定了不同的处理方式。结构化的数据，可以用于查询、加减乘除等数学运算、相等、比较大小、与或非等逻辑运算，还有计算、求和等统计运算。非结构化数据往往是还原出来，给人看和听，比如文章、图片、声音、视频。人可以看得懂，然后指挥机器进行拼装、删除、添加、剪辑。如果机器想“读得懂”这些数据，得采用的是OCR等技术来识别图片中的文字，NLP等技术来识别文字的词性或含义，总之是采用AI的方式来解析处理。与处理数据库的技术是完全不同的技术。所以，结构化与非结构化之间，相比存储方式的不同，更重要的是分析处理的工具不同。
一篇纯文本文章存入数据库，但结构化处理工具只能把它当作一个整体处理，说明纯文本也不一定是结构化数据。举个简单的例子，一个人名，中国汉字，3个字，让机器拆分出姓是什么，名是什么，这有难度。别说一定是左边一个字是姓，右边两个字是名。复姓了解一下。欧阳修、西门庆听说过吧。人为什么知道他姓欧阳名修呢？除了老师说的，另外一个原因是知道有"欧阳”、“西门”这两个复姓。所以机器可以把全部的复姓先存起来。还是前面的3字姓名，先判断左边两个字是不是复姓，即在不在复姓表中，在的话，左边两个字是姓右边一个字是名，即2+1，否则左边一个字是姓右边两个字是名，即1+2。严谨（抬杠）的来了，左边2个字“欧阳”就一定是姓欧阳么，”欧阳某”也可能是姓欧名阳某。同理夏候某，可能姓夏侯，也可能姓夏。通过这个小小的例子，就能感受到非结构化带来的，难以拆分，难以处理的问题。
如何要准确拆分姓和名，按结构化来，应该怎么存储和处理呢？这里提供两种处理方式：
1.把姓和名分别存储，在数据库中就是姓存一字段，名存一字段。如果数据来自界面用户的填写，也要让用户姓和名分开填。
2.如果非要写在一个字段中，可以规定姓和名中间有一个空格，并且姓不允许有空格，名也不允许有空格。读取时通过空格就能准确拆分姓和名。这就是结构化的做法。空格就是结构本身，它确定了子结构的范围。
无论是两个字段还是添加分隔符，都是一种结构，把姓和名分别存在这种结构中的两个容器中，读取的时候就能准确拿到姓或名。
当我从一个人的信息能准确拿到姓名时，姓名相对于一个人的信息来说，是结构化的。当我还要继续拆解出姓和名的时候，姓名是一个整体，它是非结构化的。所以是否结构化不是绝对的，看相对于什么而言，看你想拆解到哪种程度。
数据库中可以存一篇纯文本文章，这种可以看作是非结构化存在结构化之中。而图片文件这种非结构化的数据，它本身也有一定的结构。你中有我，我中有你，才是它们的实际关系。
感谢 螺丝钉 、Habby(QQ:1285219148) 协助阅稿并提出修改建议。