SQL中如何用GROUP BY和HAVING清除表中的完全重复数据？-SQL-PHP中文网

GROUP BY + HAVING 本身不能删除数据，因其仅用于查询分组与条件筛选，不支持DELETE语义；正确做法是先用其识别重复键，再通过子查询或JOIN配合DELETE删除多余行。

sql中如何用group by和having清除表中的完全重复数据？

不能直接用 GROUP BY + HAVING 删除重复行 —— 它们只负责筛选分组，不提供删除能力。真正能删的，是配合 DELETE 的子查询逻辑。

为什么 GROUP BY + HAVING 本身不删数据

GROUP BY 是查询阶段的分组机制，HAVING 只是对分组结果做条件过滤，二者都运行在 SELECT 语义下。哪怕写成 DELETE ... GROUP BY ... HAVING ...，绝大多数数据库（MySQL 5.7+、PostgreSQL、SQL Server）会直接报错或忽略 HAVING —— 因为标准 SQL 不允许在 DELETE 中使用 GROUP BY 或 HAVING。

常见错误现象：ERROR 1093 (HY000): You can't specify target table 't' for update in FROM clause（MySQL），或 syntax error near HAVING（PostgreSQL）。

正确做法：用 GROUP BY + HAVING 找出重复键，再用 DELETE 关联删除

核心思路是两步走：先用 GROUP BY + HAVING 锁定哪些值组合是重复的；再用 DELETE 剔除其中多余行（通常保留 MIN(id) 或 MAX(id)）。

适用于单字段去重（如只按 email 判重）：

DELETE FROM users 
WHERE email IN (
  SELECT email FROM users 
  GROUP BY email 
  HAVING COUNT(*) > 1
) 
AND id NOT IN (
  SELECT MIN(id) FROM users 
  GROUP BY email 
  HAVING COUNT(*) > 1
);

适用于多字段联合去重（如 name + phone）：
```
DELETE t1 FROM users t1
INNER JOIN users t2 
  ON t1.name = t2.name AND t1.phone = t2.phone 
  AND t1.id > t2.id;
```
这个写法更简洁，但依赖 MySQL 的非标语法；PostgreSQL 需改用 CTE + ROW_NUMBER()。
注意：若表无主键或唯一标识列（如 id），必须先加一列（ALTER TABLE ADD COLUMN row_id INT AUTO_INCREMENT PRIMARY KEY FIRST），否则无法可靠保留“某一行”。

容易被忽略的兼容性坑

不同数据库对“同一张表在子查询中被修改”的限制差异很大：

MySQL 5.7+：不允许在 DELETE 的 WHERE 子句中直接嵌套查询目标表（即上面第一个示例会报错 ERROR 1093），必须用派生表绕过：

DELETE FROM users 
WHERE email IN (
  SELECT email FROM (
    SELECT email FROM users 
    GROUP BY email 
    HAVING COUNT(*) > 1
  ) AS tmp
) 
AND id NOT IN (
  SELECT id FROM (
    SELECT MIN(id) AS id FROM users 
    GROUP BY email 
    HAVING COUNT(*) > 1
  ) AS keep
);

PostgreSQL / SQL Server：不支持 DELETE ... FROM ... JOIN 这种写法，得用 WITH + ROW_NUMBER()：

WITH duplicates AS (
  SELECT id, ROW_NUMBER() OVER (
    PARTITION BY email ORDER BY id
  ) AS rn FROM users
)
DELETE FROM users 
WHERE id IN (SELECT id FROM duplicates WHERE rn > 1);

所有数据库：GROUP BY 字段必须和 SELECT 中非聚合列严格一致；若漏掉某个判重字段（比如本该 GROUP BY a,b 却只写 GROUP BY a），会导致误删。

最麻烦的点不是语法，而是“完全重复”意味着整行字段都一样 —— 如果有 NULL 值参与比较，GROUP BY 会把所有 NULL 归为一组，但 = 判断却返回 UNKNOWN。这时候靠 MIN(id) 保留一行可能意外丢数据，得提前用 COALESCE(col, '>') 统一处理空值。