Handling Duplicates

Introduction

En général, les tables ou les ensembles de résultats contiennent parfois des enregistrements en double. La plupart du temps, cela est autorisé mais il est parfois nécessaire d'arrêter les enregistrements en double. Il est nécessaire d'identifier les enregistrements en double et de les supprimer de la table. Ce chapitre décrit comment empêcher l'apparition d'enregistrements en double dans une table et comment supprimer les enregistrements en double déjà existants.

Preventing Duplicates from Occurring in a Table

Vous pouvez utiliser une PRIMARY KEY ou un index UNIQUE sur une table avec les champs appropriés pour arrêter les enregistrements en double.

Prenons un exemple - La table suivante ne contient pas d'index ou de clé primaire, elle autorise donc les enregistrements en double pour first_name et last_name.

CREATE TABLE person_tbl (
   first_name CHAR(20),
   last_name CHAR(20),
   sex CHAR(10)
);

Pour empêcher la création de plusieurs enregistrements avec les mêmes valeurs de prénom et de nom de famille dans cette table, ajoutez une PRIMARY KEY à sa définition. Dans ce cas, il est également nécessaire de déclarer que les colonnes indexées sont NOT NULL, car une PRIMARY KEY n'autorise pas les valeurs NULL.

CREATE TABLE person_tbl (
   first_name CHAR(20) NOT NULL,
   last_name CHAR(20) NOT NULL,
   sex CHAR(10),
   PRIMARY KEY (last_name, first_name)
);

La présence d'un index unique dans une table provoque normalement une erreur si vous insérez dans la table un enregistrement qui duplique un enregistrement existant dans la ou les colonnes qui définissent l'index.

Utilisez la commande INSERT IGNORE plutôt que la commande INSERT. Si un enregistrement ne duplique pas un enregistrement existant, MySQL l'insère comme d'habitude. Si l'enregistrement est un doublon, le mot-clé IGNORE indique à MySQL de le rejeter silencieusement sans générer d'erreur.

L'exemple suivant n'entraîne pas d'erreur et, en même temps, il n'insère pas d'enregistrements en double.

mysql> INSERT IGNORE INTO person_tbl (last_name, first_name)
   -> VALUES( 'Jay', 'Thomas');
Query OK, 1 row affected (0.00 sec)

mysql> INSERT IGNORE INTO person_tbl (last_name, first_name)
   -> VALUES( 'Jay', 'Thomas');
Query OK, 0 rows affected (0.00 sec)

Utilisez la commande REPLACE plutôt que la commande INSERT. Si l'enregistrement est nouveau, il est inséré comme avec INSERT. S'il s'agit d'un doublon, le nouvel enregistrement remplace l'ancien.

mysql> REPLACE INTO person_tbl (last_name, first_name)
   -> VALUES( 'Ajay', 'Kumar');
Query OK, 1 row affected (0.00 sec)

mysql> REPLACE INTO person_tbl (last_name, first_name)
   -> VALUES( 'Ajay', 'Kumar');
Query OK, 2 rows affected (0.00 sec)

Les commandes INSERT IGNORE et REPLACE doivent être choisies en fonction du comportement de traitement des doublons que vous souhaitez appliquer. La commande INSERT IGNORE conserve le premier jeu d'enregistrements dupliqués et élimine les autres. La commande REPLACE conserve le dernier jeu d'enregistrements en double et efface les précédents.

Une autre façon de renforcer l'unicité est d'ajouter un index UNIQUE plutôt qu'une PRIMARY KEY à une table.

CREATE TABLE person_tbl (
   first_name CHAR(20) NOT NULL,
   last_name CHAR(20) NOT NULL,
   sex CHAR(10)
   UNIQUE (last_name, first_name)
);

Counting and Identifying Duplicates

Voici la requête pour compter les enregistrements en double avec prénom et nom dans une table.

mysql> SELECT COUNT(*) as repetitions, last_name, first_name
   -> FROM person_tbl
   -> GROUP BY last_name, first_name
   -> HAVING repetitions > 1;

Cette requête renvoie une liste de tous les enregistrements en double dans la table person_tbl. En général, pour identifier des ensembles de valeurs qui sont dupliquées, suivez les étapes indiquées ci-dessous.

• Déterminez les colonnes qui contiennent les valeurs susceptibles d'être dupliquées.
• Énumérez ces colonnes dans la liste de sélection des colonnes, ainsi que le COUNT(*).
• Énumérez également les colonnes dans la clause GROUP BY.
• Ajoutez une clause HAVING qui élimine les valeurs uniques en exigeant que le nombre de groupes soit supérieur à un.