"SQL SERVER 库表存储人员记录，来自多种源数据，如果两条记录的 Name、Phone、Email 字段之一有重复，则说明这两条记录是同一个人。null 是数据未知，两条记录的字段都为 .."

jinxing
乾学院 53 号会员
1 回帖 • 102 浏览 • 1 个月前

*SQL：多字段混合去重后编号

应用计算

SQL SERVER 库表存储人员记录，来自多种源数据，如果两条记录的 Name、Phone、Email 字段之一有重复，则说明这两条记录是同一个人。null 是数据未知，两条记录的字段都为 null 时表示两者默认不重复，是否重复要靠其他字段判断。注意，如果 A 和 B 重复，B 和 C 重复，则 A 和 C 也是重复的。

RegisterId	Name	Phone	Email
XXX-00001	John Strauss	241567	Null
XXX-00023	Rick Astley	241567	richardastley@gmail.com
XXX-00003	John Strauss	NULL	NULL
XXX-00099	NULL	241567	georgeharrison@gmail.com
XXX-00085	NULL	256819	richardastley@gmail.com
XXX-00016	NULL	NULL	georgeharrison@gmail.com
XXX-00007	John Deep	280933	NULL
XXX-00008	John Deep	93484	NULL
XXX-00009	Javier Estrada	94578	javier@gmail.com
XXX-00010	NULL	39939	39939@gmail.com

要求：新增计算列人员编号 no，找到重复的记录，给每组重复的记录赋予一个独立的 no。

RegisterId	Name	Phone	Email	no
XXX-00001	John Strauss	241567		1
XXX-00023	Rick Astley	241567	richardastley@gmail.com	1
XXX-00003	John Strauss			1
XXX-00099		241567	georgeharrison@gmail.com	1
XXX-00085		256819	richardastley@gmail.com	1
XXX-00016			georgeharrison@gmail.com	1
XXX-00007	John Deep	280933		7
XXX-00008	John Deep	93484		7
XXX-00009	Javier Estrada	94578	javier@gmail.com	9
XXX-00010		39939	39939@gmail.com	10

编写SPL代码


1	=mssql.query("select * from tb")
2	=T=A1.derive(#:no)
3	for T.count(T[1:].count( if(no!=T.no && ( (Name && T.Name && Name==T.Name) \|\| (Phone && T.Phone && Phone==T.Phone) \|\| (Email && T.Email && Email==T.Email)), T.no=no=min(no,T.no) ))>0)>0
4	return T

A1: 通过JDBC查询数据库。

A2：新增编号列no，缺省为记录序号#。

A3：用死循环遍历记录调整no列，如果某次遍历后有no被调整的情况，则重新遍历，直到所有no都不再调整为止。遍历记录时从上往下进行，当前是第i条记录时，把它依次与第i+1直至最后一条记录比较，如果被认为是重复记录则同步两者的no，取两者间较小的那个。字段值为null时，默认与其他记录不重复。注意null与任何值进行逻辑与运算时，都为false。

count函数返回符合条件的成员的个数，当第i条记录与i+1直至最后一条记录比较的过程中，如果有发生no被调整的动作，则内层的count将大于0，这会导致外层的count也大于0，满足继续循环的条件。

还需要有no!=T.no的条件，确保调整动作中至少有一个no值会变得更小，否则可能出现无法结束的死循环。

问题来源：https://stackoverflow.com/questions/78410258/group-rows-which-share-some-value-in-three-columns-and-assign-them-a-same-id