SQL根据表B数据组合（重复）表A？

Question

如何编写 SQL（SQLite3、postgres 或 MySQL）以 根据表 B 数据组合（去重）表 A？

给定具有电话号码（表格：电话）的人员（表格：联系人）， 我想使用电话号码删除重复的联系人。

在这个例子中，公司需要澄清， 真实数据可能没有同一家公司上市，即使 根据电话号码，人是相同的。

注意，在这个例子中，有两个不同的 Betty's，但是 两个查尔斯是同一个人，应该合并。

此外，Ashok 和 Dale 有一个共同的电话号码，因为他们 在同一家公司工作，但不是同一个人。

Table: contacts
===============
id      name      company
1       Ashok     Alpha Co.
2       Betty     Beta Inc.
3       Charles   Cain LLC.          <---|
4       Betty     Delta Corp.            |-- same person
5       Charles   Cain LLC.          <---|
6       Dale      Alpha Co.

Table: phones
============
id      phone_number    contact_id
1       (111) 123-1111  1
2       (111) 123-2222  1
3       (111) 123-3333  1
4       (111) 123-4444  1
5       (222) 456-1111  2
6       (222) 456-2222  2
7       (333) 789-1111  3
8       (333) 789-2222  3
9       (333) 789-3333  3
10      (333) 789-4444  3
11      (444) 456-7777  4
12      (444) 456-8888  4
13      (555) 789-5555  5
14      (333) 789-2222  5
15      (111) 123-3333  6

加入表格给出：

SELECT      c.id, c.name, c.company, p.phone_number, p.contact_id
FROM        contacts as c
INNER JOIN  phones as p
ON          c.id = p.contact_id

c.id    c.name      c.company       p.phone         p.contact_id
1       Ashok       Alpha Co.       (111) 123-1111  1
1       Ashok       Alpha Co.       (111) 123-2222  1
1       Ashok       Alpha Co.       (111) 123-3333  1
1       Ashok       Alpha Co.       (111) 123-4444  1
2       Betty       Beta Inc.       (222) 456-1111  2
2       Betty       Beta Inc.       (222) 456-2222  2
3       Charles     Cain LLC.       (333) 789-1111  3
3       Charles     Cain LLC.       (333) 789-2222  3
3       Charles     Cain LLC.       (333) 789-3333  3
3       Charles     Cain LLC.       (333) 789-4444  3
4       Betty       Delta Corp.     (444) 456-7777  4
4       Betty       Delta Corp.     (444) 456-8888  4
5       Charles     Cain LLC.       (555) 789-5555  5
5       Charles     Cain LLC.       (333) 789-2222  5
6       Dale        Alpha Co.       (111) 123-3333  6

所以我想的是我想遍历所有 的不同电话号码，获取每个联系人的所有联系人 在这些数字中，检查名称是否相同，如果 他们删除了重复的联系人并更改了contact_ids 在电话号码上。

所以结果看起来像：

Table: contacts
===============
id      name      company
1       Ashok     Alpha Co.
2       Betty     Beta Inc.
3       Charles   Cain LLC.
4       Betty     Delta Corp.       <-- Note the duplicate Charles (5) is removed
6       Dale      Alpha Co.

Table: phones
============
id      phone_number    contact_id
1       (111) 123-1111  1
2       (111) 123-2222  1
3       (111) 123-3333  1
4       (111) 123-4444  1
5       (222) 456-1111  2
6       (222) 456-2222  2
7       (333) 789-1111  3
8       (333) 789-2222  3
9       (333) 789-3333  3
10      (333) 789-4444  3
11      (444) 456-7777  4
12      (444) 456-8888  4
13      (555) 789-5555  3         <-- Note the contact_id is updated
15      (111) 123-3333  6         <-- Note the duplicate phone number (14) is removed

或

c.id    c.name      c.company       p.phone         p.contact_id
1       Ashok       Alpha Co.       (111) 123-1111  1
1       Ashok       Alpha Co.       (111) 123-2222  1
1       Ashok       Alpha Co.       (111) 123-3333  1
1       Ashok       Alpha Co.       (111) 123-4444  1
2       Betty       Beta Inc.       (222) 456-1111  2
2       Betty       Beta Inc.       (222) 456-2222  2
3       Charles     Cain LLC.       (333) 789-1111  3
3       Charles     Cain LLC.       (333) 789-2222  3
3       Charles     Cain LLC.       (333) 789-3333  3
3       Charles     Cain LLC.       (333) 789-4444  3
4       Betty       Delta Corp.     (444) 456-7777  4
4       Betty       Delta Corp.     (444) 456-8888  4
3       Charles     Cain LLC.       (555) 789-5555  3
6       Dale        Alpha Co.       (111) 123-3333  6

Answer 1

以下假设您的问题与您所说的一样简单。换句话说，它只是寻找相同的联系人对，而不是遍历可能更复杂的图。

如果您说任何两个具有相同电话号码（无论他们有多少个）和相同姓名的联系人都是相同的，那么您可以使用以下方法找到他们：

with cp as (
      select c.*, p.phone_number
      from contacts c join
           phones p
           on c.id = p.contact_id
     )
select distinct cp.id as id1, cp2.id as id2
from cp join
     cp cp2
     on cp.phone_number = cp2.phone_number and cp.name = cp2.name and
        cp.id <> cp2.id;

大概，你想保持第一次联系。所以，让我们使用聚合来代替。在这个

select min(cp.id) as id1, cp2.id as id2
from cp join
     cp cp2
     on cp.phone_number = cp2.phone_number and cp.name = cp2.name and
         cp.id < cp2.id
group by cp2.id;

这会产生一对联系人 ID。我们想保留第一个并删除第二个。

现在，如果我们假设重复只有一层，那么我们可以将其合并到delete：

with cp as (
      select c.*, p.phone_number
      from contacts c join
           phones p
           on c.id = p.contact_id
     )
delete from contacts
    where id in (select cp2.id
                 from cp join
                      cp cp2
                      on cp.phone_number = cp2.phone_number and cp.name = cp2.name and
                         cp.id < cp2.id
                );

（group by 实际上对于in 来说是不必要的。）。

注意：这在 MySQL 中不起作用，在 MySQL 中需要使用 JOIN 表示等效逻辑，并且不支持 CTE。

Answer 2

我认为最简单的方法是分三步：

1. 执行查询以识别重复记录，只挑选多余的记录并将它们保存到临时表中
2. 删除此临时表中的联系人
3. 删除此临时表中的手机

第一步可以使用这个查询来完成（演示：http://sqlfiddle.com/#!9/a20149/6）

-- CREATE TABLE TEMP_TABLE AS
SELECT p.id as id_phone,
       p.phone_number,
       p.contact_id,
       c.id as id_contact,
       c.name,
       c.company
FROM phones p
JOIN contacts c
ON p.contact_id = c.id
WHERE EXISTS (
  SELECT 'Anythng' 
  FROM phones p1
  JOIN contacts c1
  ON p1.contact_id = c1.id
  WHERE p1.phone_number = p.phone_number
    AND c1.name = c.name
    AND c.id < c1.id 
);

---

| id_phone |   phone_number | contact_id | id_contact |    name |   company |
|----------|----------------|------------|------------|---------|-----------|
|        8 | (333) 789-2222 |          3 |          3 | Charles | Cain LLC. |

然后是步骤 2 和 3：

DELETE contacts WHERE ID IN (SELECT id_contact FROM temp_table);
DELETE phones WHERE ID IN (SELECT id_phone FROM temp_table);