更新同一张表中的重复或相似记录

Question

我有一个允许插入记录的表，这些记录非常相似，但相差一个或两个列值。例如表中有以下记录：

ID    TITLE                                 URL                             COUNTRY

1494  Hollywood Reporter                    http://www.hollywoodreporter.com    USA
1497  Hollywood Reporter via Drudge Report  http://www.hollywoodreporter.com    NULL
2158  Hollywood Reporter via                http://www.hollywoodreporter.com    NULL

我想更新最后两条记录中 url 相同的国家列。 此外，我还想知道如何按 url 列对表格进行排序，以便将所有重复的 url 组合在一起，或者即使它们与您在某些情况下的相似，例如：

http://www.hollywoodreporter.com       http://www.blog.hollywoodreporter.com

提前致谢。

尝试了以下方法，它在 url 相同的地方工作

UPDATE t1

SET t1.country = t2.country FROM Sources AS t1 加入源作为 t2 ON t1.url = t2.url WHERE t1.url=t2.url;

只是想弄清楚其余的。谢谢大家

---

更新

我能够编辑具有匹配 url 但类似的记录 http://www.pantagraph.com http://pantagraph.com http://pantagraph.com/titles

没有更新。使用排序和选择时，我可以查看所有这些记录，但是在尝试更新它们时它不起作用。我什至只是尝试了这个简单的版本：

 select * from Sources s
 where s.url like url 

显示记录但更新时不起作用。

update Sources 
set country = s.country 
from Sources s 
 where s.url like url

Answer 1

您可以使用子查询：

update  yt
set     country = (
                  select  distinct country 
                  from    YourTable yt2 
                  where   yt.url = yt2.url 
                          and yt2.country is not null
                  )
from    YourTable yt

如果 URL 包含不同的国家/地区，这应该会出错：在这种情况下，您应该调整查询以选择其中一个国家/地区。

根据您的评论，查找具有冲突国家/地区的行：

select  url
,       count(distinct country) as NumberOfCountries
from    YourTable
where   country is not null
group by
        url
,       country
having  count(distinct country) > 1

Answer 2

要对 URL 进行排序，请尝试为“域名”添加另一列。您将提取域名 (hollywoodreporter.com)，将其存储，然后按该列排序。或者，您可以在 ORDER BY 子句中使用正则表达式，但这可能会导致性能问题。

Answer 3

update table
set
    table.country = t2.country
from
    table t2
where
    table.url = t2.url
    and t2.country is not null

您正在根据 url 将表连接到自身，并从国家字段中包含某些内容的行进行更新。

但是，如果您有那么多重复的数据，那么您的设计可能很糟糕。如果可以，请尝试规范化数据库。