enron_xls：来自安然公司的电子表格数据

简介：
Enron_XLS包含的是美国能源巨头安然公司所使用的原始电子表格数据，记录了该公司复杂而庞大的财务交易和市场操作信息。这段数据为外界提供了深入了解这家公司内部运作的独特视角，并且是研究21世纪初企业欺诈案例的重要资料之一。 安然电子表格语料库是在对前安然公司的调查过程中积累的大量电子邮件数据库。原始语料库以一系列PST格式的电子邮件存档形式提供。这些邮件中包含数万份电子表格，其中包括个人身份信息，如出生日期和社会保险号等敏感数据。 为了便于研究和分析，生成了一个更干净的数据集，并向社区开放了使用权限。该数据集中包含了多种原始格式的电子表格文件，包括BIFF2、TSV、以分号分隔值（CSV）、SYLK以及另存为XLSHTML等多种类型。 为了避免名称冲突问题，在处理过程中采用了特定命名规则：${PST_NAME}.${INDEX}.xls 。具体方法是从干净电子邮件集开始，每个PST文件都通过出色的Node模块下载并进行相应的数据提取工作。从这些邮件中获取了所有可用的XLS附件（因为2007年之前普遍使用的是XLS格式），然后根据MD5校验和对重复项进行了去除处理。