SQL查找删除重复的数据行
本节内容：
查找并删除重复行的方法。
一，如何查找重复行
第一步是定义什么样的行才是重复行。
多数情况下很简单：它们某一列具有相同的值。
本文采用这一定义，或许你对“重复”的定义比这复杂，你需要对sql做些修改。
要用到的数据样本：
insert into test(id, day) values(1, '2006-10-08');
insert into test(id, day) values(2, '2006-10-08');
insert into test(id, day) values(3, '2006-10-09');
select * from test;
+----+------------+
| id | day |
+----+------------+
| 1 | 2006-10-08 |
| 2 | 2006-10-08 |
| 3 | 2006-10-09 |
+----+------------+
前面两行在day字段具有相同的值，因此如何将他们当做重复行，这里有一查询语句可以查找。
查询语句使用GROUP BY子句把具有相同字段值的行归为一组，然后计算组的大小。
例句：
+------------+----------+
| day | count(*) |
+------------+----------+
| 2006-10-08 | 2 |
| 2006-10-09 | 1 |
+------------+----------+
重复行的组大小大于1。
如何希望只显示重复行，必须使用HAVING子句，比如：
+------------+----------+
| day | count(*) |
+------------+----------+
| 2006-10-08 | 2 |
+------------+----------+
基本的技巧：根据具有相同值的字段分组，然后知显示大小大于1的组。
二，为什么不能使用WHERE子句？
因为WHERE子句过滤的是分组之前的行，HAVING子句过滤的是分组之后的行。
三，如何删除重复行
一个常见的任务是，重复行只保留一行，其他删除，然后可以创建适当的索引，防止以后再有重复的行写入数据库。
同样，首先是弄清楚重复行的定义。
要保留的是哪一行呢？第一行，或者某个字段具有最大值的行？
本文中，假设要保留的是第一行——id字段具有最小值的行，意味着你要删除其他的行。
也许最简单的方法是通过临时表。
尤其对于MYSQL，有些限制是不能在一个查询语句中select的同时update一个表。
在另一篇文章 MySQL SELECT同时UPDATE同一张表 中，讲述了如何绕过这些限制。
简单起见，这里只用到了临时表的方法。
任务：删除所有重复行，除了分组中id字段具有最小值的行。
因此，需要找出大小大于1的分组，以及希望保留的行。
可以使用MIN()函数。这里的语句是创建临时表，以及查找需要用DELETE删除的行。
例句：
insert into to_delete(day, min_id)
select day, MIN(id) from test group by day having count(*) > 1;
select * from to_delete;
+------------+--------+
| day | min_id |
+------------+--------+
| 2006-10-08 | 1 |
+------------+--------+
有了这些数据，可以开始删除“脏数据”行了。
可以有几种方法，各有优劣，这里不做详细比较，只是说明在支持查询子句的关系数据库中，使用的标准方法。
例句：
where exists(
select * from to_delete
where to_delete.day = test.day and to_delete.min_id <> test.id
)
四，如何查找多列上的重复行
有人问过以下的问题：
一个表上有两个字段b和c，分别关联到其他两个表的b和c字段。我想要找出在b字段或者c字段上具有重复值的行。
咋看很难明白，通过对话后我理解了：他想要对b和c分别创建unique索引。
如上所述，查找在某一字段上具有重复值的行很简单，只要用group分组，然后计算组的大小。
并且查找全部字段重复的行也很简单，只要把所有字段放到group子句。但如果是判断b字段重复或者c字段重复，问题困难得多。
提问者用到的样本数据：
a int not null primary key auto_increment,
b int,
c int
);
insert into a_b_c(b,c) values (1, 1);
insert into a_b_c(b,c) values (1, 2);
insert into a_b_c(b,c) values (1, 3);
insert into a_b_c(b,c) values (2, 1);
insert into a_b_c(b,c) values (2, 2);
insert into a_b_c(b,c) values (2, 3);
insert into a_b_c(b,c) values (3, 1);
insert into a_b_c(b,c) values (3, 2);
insert into a_b_c(b,c) values (3, 3);
现在，可以轻易看到表里面有一些重复的行，但找不到两行具有相同的二元组{b, c}。这就是为什么问题会变得困难了。
2，错误的查询语句
如果把两列放在一起分组，你会得到不同的结果，具体看如何分组和计算大小。
提问者恰恰是困在了这里。有时候查询语句找到一些重复行却漏了其他的。
这是他用到的查询：
group by b, c
having count(distinct b > 1)
or count(distinct c > 1);
结果返回所有的行，因为CONT(*)总是1.为什么？因为 >1 写在COUNT()里面。
这个错误很容易被忽略，事实上等效于：
group by b, c
having count(1)
or count(1);
为什么？因为(b > 1)是一个布尔值，根本不是想要的结果。
需要的是：
group by b, c
having count(distinct b) > 1
or count(distinct c) > 1;
返回空结果。
很显然，因为没有重复的{b,c}。
这人试了很多其他的OR和AND的组合，用来分组的是一个字段，计算大小的是另一个字段，像这样：
+------+----------+
| b | count(*) |
+------+----------+
| 1 | 3 |
| 2 | 3 |
| 3 | 3 |
+------+----------+
没有一个能够找出全部的重复行。
而且，对于某些情况，这种语句是有效的，如果错误地以为就是这么写法，然而对于另外的情况，很可能得到错误结果。
事实上，单纯用GROUP BY 是不可行的。
为什么？
因为当对某一字段使用group by时，就会把另一字段的值分散到不同的分组里。
对这些字段排序可以看到这些效果，正如分组做的那样。
您可能感兴趣的文章：
sql 删除重复数据与查找重复数据的方法
总结SQL查询重复记录并删除的方法【老师说值得收藏】
Oracle 删除重复数据只留一条的sql代码
sql 删除重复行(ALL或DISTINCT)
mysql保存查询数据提示:specified twice错误解决办法
mysql常见出错代码中文解释
Mysql数据库错误代码中文说明详解
mysql错误代码总结
HTML5中Web Sql的学习小结
ORACLE 删除重复数据 实例学习