是否可以 GROUP BY 对待某些字符相同？

Question

我有这样的数据表：

forename        surname
John            O'Neil
Aaron           O Neil
Peter           O-Neil
Mary            Tollmache-Tollmache
Beatrice        Tollmache Tollmache

所有数据都经过清理，因此它们只包含拉丁和拉丁补充字符表中的字符，以及空格 ( )、撇号 (') 和连字符 (-)。

是否可以在执行 GROUP BY 时将字符空格 ( )、撇号 (') 和连字符 (-) 视为相同。

所以，以上表为例，如下查询：

SELECT surname, COUNT(*) AS cnt FROM tbl GROUP BY surname;

会返回：

surname                cnt
O'Neil                 3
Tollmache-Tollmache    2

更新：如果您像我一样使用此查询来构建其他表，Jim 的建议很有用，但可能不是部署的好主意。

根据 Jim 的建议，我对 surname 列索引的表进行了以下测试：

550,000 row table: 4.98 seconds
3.375 million row table: 27.62 seconds
12.485 million row table: 1 min 33 seconds

Answer 1

您可以使用REPLACE 将这些字符转换为空格（或撇号等）并检查：

SELECT surname, 
COUNT(*) AS cnt 
FROM tbl 
GROUP BY REPLACE(REPLACE(surname,"-"," "),"'"," ");

确保数据库中的数据采用您想要的格式而不是动态转换它可能是值得的。