异步数据清洗应嵌入流程而非集中处理，通过 promise 链或 async/await 内联清洗函数实现每步产出即干净数据，并辅以柔性错误处理与纯函数设计保障复用性。
在异步流程中做数据清洗，关键不是“等所有数据回来再洗”，而是把清洗逻辑自然嵌入异步链条，让每一步产出的数据已是干净、可用的状态。清洗动作要随异步操作流转，而不是堆在最后集中处理。
用 Promise 链串联清洗步骤
每个 .then() 不仅能处理上一步结果，还能立刻执行清洗逻辑，比如格式标准化、空值过滤、字段映射：
- 从 API 获取原始响应后，立即解析并剔除 null/undefined 字段，避免脏数据向下传递
- 对日期字符串调用 formatDate() 统一转为 ISO 格式，再交给下一步使用
- 价格字段用正则提取纯数字，转为 number 类型，并丢弃“￥”“USD”等前缀
async/await 中内联清洗函数
在 async 函数里，清洗不再需要额外回调或嵌套，可直接写成同步风格的语句：
- await fetchUserData() 得到原始用户对象后，马上调用 sanitizeUser(user)
- 清洗函数内部可包含多步：去空格、转小写、校验邮箱格式、补全默认头像 URL
- 若某字段需异步校验（如查重用户名），清洗函数可返回 Promise，await 它即可，不打断主流程
错误清洗与降级策略要提前定义
异步过程中遇到脏数据，不能只抛错中断，而应设计柔性清洗规则：
- 手机号含字母？自动过滤非数字字符，再判断长度是否合规
- 日期无法解析？记为 null 或 fallback 到当前日期，同时记录 warning 日志
- 关键字段缺失时，用默认值填充（如 status: "pending"），而非让整个 Promise reject
清洗逻辑尽量无副作用、可复用
把清洗函数写成纯函数——输入确定，输出确定，不修改原对象，不依赖外部状态：
- 接收原始行数据，返回新对象，不 mutate row
- 函数名体现意图，如 normalizePhone()、coerceToNumber()，方便测试和复用
- 在 Kettle 或 AppSmith 等工具中复用同一套清洗逻辑，只需传入不同来源的 row 对象
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
