SQL：多字段混合去重后编号
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 | |
| 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 | 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。
免费下载试用