如何规范分组列的大写？

Question

在配置为不区分大小写的 SQL Server 上，当 [n][var]char 列不是第一个 group by 列时，group by 可能会产生有趣的结果。本质上，它看起来就像遇到“第一”的任何行（在没有订单的情况下“第一”是未定义的）：该分组获胜。例如：

select x.[day], x.[name], count(1) as [count]
from (
    select 1 as [day], 'a' as [name]
    union all select 1, 'A'
    union all select 2, 'A'
    union all select 2, 'a'
    ) x group by x.[day], x.[name]

返回，对我来说：

day         name count
----------- ---- -----------
1           A    2
2           a    2

使用min(x.[name]) 无效，因为分组已经发生。

我不能在group by 之前添加order by 之前，因为那是非法的；并添加order by 之后 group by 只是定义分组后的输出顺序 - 它仍然给出a 和A。

那么：有没有一种理智的方式来做到这一点，其中所有分组的大小写至少是一致的？ （我将在另一天留下单独运行的一致性问题）

所需的输出，或者：

day         name count
----------- ---- -----------
1           A    2
2           A    2

或：

day         name count
----------- ---- -----------
1           a    2
2           a    2

---

编辑：不在组间一致时破坏大写。所以没有上/下。因此，如果其中一个组的值始终为BcDeF，我希望该行的结果为BcDeF，而不是bcdef 或BCDEF。

Answer 1

在Group by 中使用不区分大小写的排序规则，例如：

select day, name, count(*)
from tablename
group by day, name collate SQL_Latin1_General_Cp1_CI_AS_KI_WI

也许 SQL Server 在这里有问题？使用另一个 dbms 执行如下：

SQL>create table t (d int, name varchar(10));
SQL>insert into t values (1,'A');
SQL>insert into t values (2,'A');
SQL>insert into t values (2,'a');
SQL>insert into t values (3,'BcDeF');
SQL>insert into t values (3,'bCdEf');
SQL>insert into t values (4,'a');
SQL>select d, name, count(*)
SQL&from t
SQL&group by d, name collate english_1;
          d name
=========== ========== ====================
          1 A                             1
          2 A                             2
          3 BcDeF                         2
          4 a                             1

                  4 rows found

english_1 是不区分大小写的排序规则。

如预期的那样？

Answer 2

我会为此使用窗口函数。通过使用ROW_NUMBER 并使用不区分大小写的排序规则进行分区，但按区分大小写的排序规则，我们将始终选择一个具有原始大写的结果，但它会将它们分组为相同的：

WITH CTE AS
(
    SELECT  *,
            RN = ROW_NUMBER() OVER(PARTITION BY [day], [name]
                                   ORDER BY [name] COLLATE SQL_Latin1_General_Cp1_Cs_AS),
            N = COUNT(*) OVER(PARTITION BY [day], [name])
    FROM (  select 1 as [day], 'a' as [name]
            union all select 1, 'A'
            union all select 2, 'A'
            union all select 2, 'a'
            union all select 3, 'BcDeF'
            union all select 3, 'bCdEf') X
)
SELECT *
FROM CTE
WHERE RN = 1;

返回：

╔═════╦═══════╦════╦═══╗
║ day ║ name  ║ RN ║ N ║
╠═════╬═══════╬════╬═══╣
║   1 ║ A     ║  1 ║ 2 ║
║   2 ║ A     ║  1 ║ 2 ║
║   3 ║ BcDeF ║  1 ║ 2 ║
╚═════╩═══════╩════╩═══╝

根据@AndriyM 的评论，如果您想在整个结果集中使用相同的大小写，而不仅仅是同一天，您可以使用：

WITH CTE AS
(
    SELECT  *,
            RN = ROW_NUMBER() OVER(PARTITION BY [day], [name]
                                   ORDER BY [name] COLLATE SQL_Latin1_General_Cp1_Cs_AS),
            N = COUNT(*) OVER(PARTITION BY [day], [name])
    FROM (  select 1 as [day], 'a' as [name]
            union all select 1, 'A'
            union all select 2, 'A'
            union all select 2, 'a'
            union all select 3, 'BcDeF'
            union all select 3, 'bCdEf') X
)
SELECT  [day],
        MAX([name] COLLATE SQL_Latin1_General_Cp1_CS_AS) OVER (PARTITION BY [name]) [name],
        N
FROM CTE
WHERE RN = 1;

Answer 3

您可以在GROUP BY 子句中使用UPPER 将所有值转换为相同的大小写。

Answer 4

使用upper() 或lower()：

select x.[day], lower(x.[name]) as name, count(1) as [count]
from (
    select 1 as [day], 'a' as [name]
    union all select 1, 'A'
    union all select 2, 'A'
    union all select 2, 'a'
    ) x
group by x.[day], x.[name];

SQL Server 从不确定的行中选择一个值是正确的。 min() 和 max() 无济于事，因为它们的值是相等的。最简单的解决方案是明确选择您想要的案例。