覺得這系列文有點糾結，哈哈~
原本打算是，案件中可以發現一些有趣或值得分享的資料或觀察，貼文來記錄記錄。但大都因簽有保密協議，能提的內容非常有限，有點隔靴搔癢，沒辦法直接看到亮點。
當然我文章還是盡量把這些擦邊球講得有趣些，實際狀況，只能有賴大家想像力了。
與「法務部司法官學院犯罪防治研究中心」的合作至今半年，這兩天因專案中有份資料與法條有關，所以細細的把這本和犯防同仁借的小六法，好好再次翻過，看時總覺得內容似乎與多年前翻閱時已經不同，這才意識到：對！法條是會變的！
「法條會變」這件事令我「哇喔」驚呼一下的點在於……
資料清洗中，「地址正規化」幾乎是所有資料處理中的大魔王，因為地址的輸入大都是人工手打輸入，會有各式各樣奇葩的文字，但卻是案主認為這該知道它實際地址的。例如「北所」兩個字，「北所」是哪裡？台北市？不……它是「台北看守所」，是「新北市土城區」。
換言之，資料中只要看到「北所」，系統就必須自動將其轉換成「新北市土城區立德路2號」，而這一長串的地址和「北所」甚至只有「北」這個字有重複到。
這和正常乖乖寫完整地址例如「新北市新店區復興路10號4樓」的狀況完全不同，等於我們必須針對這些「大家知道這在哪的地點」去賦予它一個正確的實際地址。換句話說，會有非常多的客製化狀況，也因此「地址正規化」在資料處理中經常是個大魔王。
然而「法條正規化」卻是一個不下於此的清洗難度……
法條於我所取得的資料中其結構是：條、條之、項、款，四個層級。
如圖片舉例【刑法第339條之4,第1項,第3款】(339,4,1,3)，是四個層級都有，但資料因為同樣是人為輸入，會有什麼問題呢？歷久以來的資料會出現：
第339條之4第3款(沒有寫項最常見)
第339條之4第3項(款誤寫為項)
第339條第3款(沒有寫條之和項)
第339條第3項(這開始危險了…會不會是第339條之3？)
第340條之4第1項第3款(等等…第340條不是刪除了嗎？)
上述於原始資料裡分別是：
【339,4,0,3】(應是【339,4,1,3】)
【339,4,3,0】(應是【339,4,1,3】)
【339,0,0,3】(應是【339,4,1,3】)
【339,0,3,0】(是【339,3,1,0】還是【339,4,1,3】呢？)
【340,4,1,3】(必須查歷史看有沒有【340,4,1,3】)
這還只是冰山一角，沒寫條之、該寫項沒寫項、該寫款沒寫款、項款寫相反等等等等，縱使比例不高但也是會發生。更關鍵重點在於，如當前法條340是已刪除沒錯，但此案件有可能是在法條刪除前發生的，換句話說必須比對的法條不只當前法條，必須去比對案件發生日期的法條才行！哇喔哇喔~~~這不比地址正規化簡單哪！
好在與犯防中心研究員有共識，法條輸入錯誤的，難以追究，也難以還原，就不強求。此部分工作範圍僅需將四個層級(四個欄位)以一個欄位呈現即可，亦不須帶入背後實際的法條文字內容。故在本案中，仍可毫無阻礙地繼續順利完成其他部分。
只是仍會想著：法學單位的資料建構這條路繼續走下去，未來肯定還是會需要建一個「法條歷史資料庫」(尤其重點是歷史二字,不然早期的案件怎比對)，才可供上述資料進行精準比對與除錯，而這「法條歷史資料庫」該如何建置，光想就是個令人讚嘆的大工程！
話說回來，所有的案件背後都存有【文字卷宗】，因此縱使當前尚無「法條歷史資料庫」，資料庫如上舉例縱有些許人為輸入錯誤，但並不影響歷史事件，也不影響研究單位持續的研究深化。
資料處理中的清洗與採礦作業，都是為了使研究上更有效率，也讓研究單位全面了解系統資料裡可能遭遇的問題或困難點，屬於輔助研究的性質就是了。
