删除编号重复超过 5 的记录答案

【问题标题】：Deleting records with number repeating more than 5删除编号重复超过 5 的记录
【发布时间】：2023-04-03 07:56:01
【问题描述】：

我有一个长度为 9 的表中的数据，其中数据是这样的

999999969
000000089
666666689

我只想删除那些从 1 到 9 的任何数字重复超过 5 次的数据。

【问题讨论】：

连续数字，或任何组合？即15552555 会被删除吗？
no 15552555 不会被删除...125555555 应该被删除

标签： sql regex database postgresql pattern-matching

【解决方案1】：

好的，所以这里的逻辑可以总结为：

在任何给定数字中查找相同连续数字的最长序列；和
如果最长值大于 5 位，则返回 true

对吗？

所以，让我们把它分成一系列连续的数字：

regress=> SELECT regexp_matches('666666689', '(0+|1+|2+|3+|4+|5+|6+|7+|8+|9+)', 'g');
 regexp_matches 
----------------
 {6666666}
 {8}
 {9}
(3 rows)

然后过滤最长的：

regress=> 

SELECT x[1] 
FROM regexp_matches('6666666898', '(0+|1+|2+|3+|4+|5+|6+|7+|8+|9+)', 'g') x 
ORDER BY length(x[1]) DESC 
LIMIT 1;

    x    
---------
 6666666
(1 row)

...但实际上，我们实际上并不关心这一点，只要任何条目的长度超过 5 位，所以：

SELECT x[1] 
FROM regexp_matches('6666666898', '(0+|1+|2+|3+|4+|5+|6+|7+|8+|9+)', 'g') x 
WHERE length(x[1]) > 5;

可以用作EXISTS 测试，例如

WITH blah(n) AS (VALUES('999999969'),('000000089'),('666666689'),('15552555'))
SELECT n
FROM blah
WHERE EXISTS (
    SELECT x[1] 
    FROM regexp_matches(n, '(0+|1+|2+|3+|4+|5+|6+|7+|8+|9+)', 'g') x 
    WHERE length(x[1]) > 5
)

这实际上非常有效并返回正确的结果（总是很好）。但可以通过以下方式进一步简化：

WITH blah(n) AS (VALUES('999999969'),('000000089'),('666666689'),('15552555'))
SELECT n
FROM blah
WHERE EXISTS (
    SELECT x[1] 
    FROM regexp_matches(n, '(0{6}|1{6}|2{6}|3{6}|4{6}|5{6}|6{6}|7{6}|8{6}|9{6})', 'g') x;
)

您可以在DELETE 中使用相同的WHERE 子句。

【讨论】：

好像你忘记了正则表达式反向引用。

【解决方案2】：

使用back reference 的正则表达式可以简单得多。

DELETE FROM tbl
WHERE  col ~ '([1-9])\1{5}';

就是这样。

解释

([1-9]) ... 数字从 1 到 9 的字符类，用括号括起来以供后面的反向引用。
\1 ... 反向引用第一个（并且仅在这种情况下）括号内的子表达式。{5} .. 正好（另一个）5 次，使其“超过 5”。

Per documentation:

后向引用 (\n) 匹配前一个匹配的相同字符串由数字 n [...] 指定的带括号的子表达式 [...] 例如，([bc])\1 匹配 bb 或 cc 但不匹配 bc 或 cb。

SQL Fiddle demo.

【讨论】：

【解决方案3】：

在性能方面非常糟糕，但它应该可以工作：

DELETE FROM YOURTABLE 
 WHERE YOURDATA LIKE '%111111%' 
    OR YOURDATA LIKE '%222222%' 
    OR YOURDATA LIKE '%333333%'
    OR YOURDATA LIKE '%444444%'
    OR YOURDATA LIKE '%555555%'
    OR YOURDATA LIKE '%666666%'
    OR YOURDATA LIKE '%777777%'
    OR YOURDATA LIKE '%888888%'
    OR YOURDATA LIKE '%999999%'

【讨论】：

实际上，性能可能没有看起来那么糟糕，因为LIKE 与trigram index 结合使用仍然很快。但有了这么多替代方案，单个正则表达式可能会更快，当然也更短。