如何去除数据表中的重复数据

通常情况下，一个我们在做一个产品的时候，一开始可能由于设计考虑不周或者程序写的不够严谨，某个字段上的值产生重复了，但是又必须去掉，这个时候就稍微麻烦了一点，直接加一个UNIQUE KEY肯定是不行了，因为会报错。

现在，我们来采用一种变通的办法，不过可能会丢失一些数据 :)

在这里，我们设定一个表，其结构如下：

mysql> desc `user`;
+-------+------------------+------+-----+---------+----------------+
| Field | Type　　　　　　 | Null | Key | Default | Extra　　　　　|
+-------+------------------+------+-----+---------+----------------+
| id　　| int(10) unsigned | NO　 | PRI | NULL　　| auto_increment |
| name　| char(10)　　　　 | NO　 |　　 |　　　　 |　　　　　　　　|
| extra | char(10)　　　　 | NO　 |　　 |　　　　 |　　　　　　　　|
+-------+------------------+------+-----+---------+----------------+

原来表中的数据假定有以下几条：

mysql> SELECT * FROM `user`;
+----+-------+--------+
| id | name　| extra　|
+----+-------+--------+
|　1 | user1 | user1　|
|　2 | user2 | user2　|
|　3 | user3 | user3　|
|　4 | user4 | user4　|
|　5 | user5 | user5　|
|　6 | user3 | user6　|
|　7 | user6 | user7　|
|　8 | user2 | user8　|
|　9 | USER2 | user9　|
| 10 | USER6 | user10 |
+----+-------+--------+

1、将原来的数据导出

mysql>SELECT * INTO OUTFILE '/tmp/user.txt' FROM `user`;

2、清空数据表

mysql>TRUNCATE TABLE `user`;

3、创建唯一索引，并且修改 `name` 字段的类型为BINARY CHAR区分大小写

mysql> ALTER TABLE `user` MODIFY `name` CHAR(10) BINARY NOT NULL DEFAULT '';
mysql> ALTER TABLE `user` ADD UNIQUE KEY ( `name` );

现在来看看新的表结构：

mysql> desc user;
+-------+------------------+------+-----+---------+----------------+
| Field | Type　　　　　　 | Null | Key | Default | Extra　　　　　|
+-------+------------------+------+-----+---------+----------------+
| id　　| int(10) unsigned | NO　 | PRI | NULL　　| auto_increment |
| name　| char(10)　　　　 | NO　 | UNI |　　　　 |　　　　　　　　|
| extra | char(10)　　　　 | NO　 |　　 |　　　　 |　　　　　　　　|
+-------+------------------+------+-----+---------+----------------+

4、把数据导回去，在这里，有两种选择：新的重复记录替换旧的记录，只保留最新的记录或者是新的记录略过，只保留最旧的记录

mysql> LOAD DATA INFILE '/tmp/user.txt' REPLACE INTO TABLE `user`;
Query OK, 10 rows affected (0.00 sec)
Records: 8　Deleted: 2　Skipped: 0　Warnings: 0
mysql> SELECT * FROM USER;
+----+-------+--------+
| id | name　| extra　|
+----+-------+--------+
|　1 | user1 | user1　|
|　8 | user2 | user8　|
|　6 | user3 | user6　|
|　4 | user4 | user4　|
|　5 | user5 | user5　|
|　7 | user6 | user7　|
|　9 | USER2 | user9　|
| 10 | USER6 | user10 |
+----+-------+--------+

上面是采用REPLACE的方式，可以看到，导入过程中删掉了两条数据，结果验证确实是新的重复记录替换旧的记录，只保留最新的记录。

现在，来看看用IGNORE的方式：

mysql> LOAD DATA INFILE '/tmp/user.txt' IGNORE INTO TABLE `user`;
Query OK, 6 rows affected (0.01 sec)
Records: 8　Deleted: 0　Skipped: 2　Warnings: 0
mysql> SELECT * FROM USER;
+----+-------+--------+
| id | name　| extra　|
+----+-------+--------+
|　1 | user1 | user1　|
|　2 | user2 | user2　|
|　3 | user3 | user3　|
|　4 | user4 | user4　|
|　5 | user5 | user5　|
|　7 | user6 | user7　|
|　9 | USER2 | user9　|
| 10 | USER6 | user10 |
+----+-------+--------+

看到了吧，确实是新的记录略过，只保留最旧的记录。