删除一个表中所有含重复字段的数据

删除一个表中所有含重复字段的数据

    这天写了一个管理社工库的软件，就用我最熟悉的SQLite数据库，把从各处导出的数据（账号、密码、邮箱）存到本地数据库里，以后也方便随时查找。

    其中需要一个功能，有的人喜欢用一个邮箱注册很多账号，产生了一些多余的数据。我们可以通过SQL语句批量删除user_email重复的数据，只保留其user_id值最小的那一行。

DELETE FROM datebase  WHERE user_email IN (SELECT user_email FROM datebase GROUP BY user_email HAVING COUNT(user_email) > 1)  AND user_id NOT IN (SELECT MIN(user_id) FROM datebase GROUP BY user_email HAVING COUNT( user_email )>1);

    看起来很长，我们来分析一下。DELETE FROM datebase,我的表名叫datebase，这个不说了。WHERE user_email IN，我的email字段的名字叫user_email，我们主要看后面括号中的内容。括号中是一个子句：SELECT user_email FROM datebase GROUP BY user_email HAVING COUNT(user_email) > 1，意思是：在datebase表中查找COUNT(user_email)大于1的行。

    COUNT(x)是计算x的个数，COUNT(user_email) > 1就指user_name重复的行。而结合GROUP BY使得select出来的行不再重复。所以DELETE FROM datebase WHERE user_email IN （select的返回值）就是删除所有user_name重复的行。

    然后后面又跟了一个NOT IN，也就是要排除的行。和前面一句一样，只是SELECT的内容变成了MIN(user_id),也就是说我们在重复的内容里找user_id最小的那一行，最后把它排除不删。

    这句话有些难以理解，但是对于熟悉了GROUP BY、COUNT的同学理解起来也不难