scrapy默认有url去重，存数据库时的数据该怎么去重

可以用redis做判断去重：

启动redis时，将已存在数据加载到redis

通过redis判断数据是否重复

重复就更新 *** 作，否则 插入

示例

假设存在一个产品信息表Products，其表结构如下：

CREATE TABLE Products (  

ProductID int,  

ProductName nvarchar (40),  

Unit char(2),  

UnitPrice money  

)

表中数据如图：

图中可以看出，产品Chang和Tofu的记录在产品信息表中存在重复。现在要删除这些重复的记录，只保留其中的一条。步骤如下：

第一步——建立一张具有相同结构的临时表

CREATE TABLE Products_temp (  

ProductID int,  

ProductName nvarchar (40),  

Unit char(2),  

UnitPrice money  

)

第二步——为该表加上索引，并使其忽略重复的值

方法是在企业管理器中找到上面建立的临时表Products _temp，单击鼠标右键，选择所有任务，选择管理索引，选择新建。如图2所示。

按照图2中圈出来的地方设置索引选项

第三步——拷贝产品信息到临时表

insert into Products_temp Select  from Products

此时SQL Server会返回如下提示：

服务器: 消息 3604，级别 16，状态 1，行 1

已忽略重复的键。

它表明在产品信息临时表Products_temp中不会有重复的行出现。

第四步——将新的数据导入原表

将原产品信息表Products清空，并将临时表Products_temp中数据导入，最后删除临时表Products_temp。

delete Products  insert into Products select  from Products_temp drop table Products_temp

这样就完成了对表中重复记录的删除。无论表有多大，它的执行速度都是相当快的，而且因为几乎不用写语句，所以它也是很安全的

在对数据库进行 *** 作过程中我们可能会碰到这种情况 表中的数据可能重复出现 使我们对数据库的 *** 作过程中带来很多的不便 那么怎么删除这些重复没有用的数据呢

重复数据删除技术可以提供更大的备份容量 实现更长时间的数据保留 还能实现备份数据的持续验证 进步数据恢复服务水平 方便实现数据容灾等 重复的数据可能有这样两种情况 第一种时表中只有某些字段一样 第二种是两行记录完全一样 Oracle数据库重复数据删除技术有如下优势 更大的备份容量 数据能得到持续验证 有更高的数据恢复服务水平 方便实现备份数据的容灾

一 删除部分字段重复数据

先来谈谈如何查询重复的数据吧

下面语句可以查询出那些数据是重复的

select 字段 字段 count() from 表名 group by 字段 字段 having count() >

将上面的>号改为=号就可以查询出没有重复的数据了

想要删除这些重复的数据 可以使用下面语句进行删除

delete from 表名 a where 字段 字段 in

(select 字段 字段 count() from 表名 group by 字段 字段 having count() > )

上面的语句非常简单 就是将查询到的数据删除掉 不过这种删除执行的效率非常低 对于大数据量来说 可能会将数据库吊死 所以我建议先将查询到的重复的数据插入到一个暂时表中 然后对进行删除 这样 执行删除的时候就不用再进行一次查询了 如下

create TABLE 暂时表 AS

(select 字段 字段 count() from 表名 group by 字段 字段 having count() > )

上面这句话就是建立了暂时表 并将查询到的数据插入其中

下面就可以进行这样的删除 *** 作了

delete from 表名 a where 字段 字段 in (select 字段 字段 from 暂时表);

这种先建暂时表再进行删除的 *** 作要比直接用一条语句进行删除要高效得多

这个时候 大家可能会跳出来说 什么你叫我们执行这种语句 那不是把所有重复的全都删除吗而我们想保留重复数据中最新的一条记录啊!大家不要急 下面我就讲一下如何进行这种 *** 作

在oracle中 有个隐藏了自动rowid 里面给每条记录一个唯一的rowid 我们假如想保留最新的一条记录

我们就可以利用这个字段 保留重复数据中rowid最大的一条记录就可以了

下面是查询重复数据的一个例子

以下是引用片段 selecta rowid a from表名a　wherea rowid!=　(　selectmax(b rowid)from表名b　wherea 字段 =b 字段 and　a 字段 =b 字段)

下面我就来讲解一下 上面括号中的语句是查询出重复数据中rowid最大的一条记录

而外面就是查询出除了rowid最大之外的其他重复的数据了

由此 我们要删除重复数据 只保留最新的一条数据 就可以这样写了

deletefrom表名a　wherea rowid!=　(　selectmax(b rowid)from表名b　wherea 字段 =b 字段 and　a 字段 =b 字段)

随便说一下 上面语句的执行效率是很低的 可以考虑建立暂时表 讲需要判定重复的字段 rowid插入暂时表中 然后删除的时候在进行比较

createtable暂时表as　selecta 字段 a 字段 MAX(a ROWID)dataidfrom正式表aGROUPBYa 字段 a 字段 ;　deletefrom表名a　wherea rowid!=　(　selectb dataidfrom暂时表b　wherea 字段 =b 字段 and　a 字段 =b 字段);　mit;

二 完全删除重复记录

对于表中两行记录完全一样的情况 可以用下面语句获取到去掉重复数据后的记录

select distinct from 表名

可以将查询的记录放到暂时表中 然后再将原来的表记录删除 最初将暂时表的数据导回原来的表中 如下

createTABLE暂时表AS(selectdistinctfrom表名);truncatetable正式表; 注 原先由于笔误写成了droptable正式表; 现在已经改正过来insertinto正式表(selectfrom暂时表);droptable暂时表;

假如想删除一个表的重复数据 可以先建一个暂时表 将去掉重复数据后的数据导入到暂时表 然后在从暂时表将数据导入正式表中 如下

insertINTOt_table_bak　selectdistinctfromt_table;

三 怎样快速删除oracle数据库

最快的方法就进入注册表 在运行 里输入regedit

依次展开HKEY_LOCAL_MACHINE SOFARE

找到ORACLE节点 删除

然后删除ORACLE数据文件 安装的时候选的路径

lishixinzhi/Article/program/Oracle/201311/18677

oracle查询出来的数据消除重复数据的具体步骤如下：

1、首先我们查看表中重复的数据。

2、然后我饿美女使用distinct去除函数查询出去掉重复后的数据。

3、然后我们创建新表把去掉重复的数据插入到新表中。

4、最后使用truncate清空原表中的数据。

5、再向原表中插入新表中重复的数据，即可达到去重复数据的效果。

有两个意义上的重复记录，一是完全重复的记录，也即所有字段均重复的记录，二是部分关键字段重复的记录，比如Name字段重复，而其他字段不一定重复或都重复可以忽略。

1、对于第一种重复，比较容易解决，使用

select distinct from tableName

就可以得到无重复记录的结果集。

如果该表需要删除重复的记录（重复记录保留1条），可以按以下方法删除

复制代码代码如下:

select distinct into #Tmp from tableName

drop table tableName

select into tableName from #Tmp

drop table #Tmp

发生这种重复的原因是表设计不周产生的，增加唯一索引列即可解决。

2、这类重复问题通常要求保留重复记录中的第一条记录， *** 作方法如下

假设有重复的字段为Name,Address，要求得到这两个字段唯一的结果集

复制代码代码如下:

select identity(int,1,1) as autoID, into #Tmp from tableName

select min(autoID) as autoID into #Tmp2 from #Tmp group by Name,autoID

select from #Tmp where autoID in(select autoID from #tmp2)

使用distinct去重：

例：select distinct column1,column2 from table_name where ;

注意：1distinct只能放在去重字段的最前面

2distinct 后的字段名全部算在去重条件中 也就是如果 column1 且 column2 必须都相同才能算作重复的记录

sql

单表/多表查询去除重复记录

单表distinct

多表group

by

group

by

必须放在

order

by

和

limit之前，不然会报错

1、查找表中多余的重复记录，重复记录是根据单个字段（peopleId）来判断

select

from

people

where

peopleId

in

(select

peopleId

from

people

group

by

peopleId

having

count(peopleId)

>

1)

2、删除表中多余的重复记录，重复记录是根据单个字段（peopleId）来判断，只留有rowid最小的记录

delete

from

people

where

peopleId

in

(select

peopleId

from

people

group

by

peopleId

having

count(peopleId)

>

1)

and

rowid

not

in

(select

min(rowid)

from

people

group

by

peopleId

having

count(peopleId

)>1)

3、查找表中多余的重复记录（多个字段）

select

from

vitae

a

where

(apeopleId,aseq)

in

(select

peopleId,seq

from

vitae

group

by

peopleId,seq

having

count()

>

1)

4、删除表中多余的重复记录（多个字段），只留有rowid最小的记录

delete

from

vitae

a

where

(apeopleId,aseq)

in

(select

peopleId,seq

from

vitae

group

by

peopleId,seq

having

count()

>

1)

and

rowid

not

in

(select

min(rowid)

from

vitae

group

by

peopleId,seq

having

count()>1)

5、查找表中多余的重复记录（多个字段），不包含rowid最小的记录

select

from

vitae

a

where

(apeopleId,aseq)

in

(select

peopleId,seq

from

vitae

group

by

peopleId,seq

having

count()

>

1)

and

rowid

not

in

(select

min(rowid)

from

vitae

group

by

peopleId,seq

having

count()>1)

(二)

比方说

在A表中存在一个字段“name”，

而且不同记录之间的“name”值有可能会相同，

现在就是需要查询出在该表中的各记录之间，“name”值存在重复的项；

Select

Name,Count()

From

A

Group

By

Name

Having

Count()

>

1

如果还查性别也相同大则如下:

Select

Name,sex,Count()

From

A

Group

By

Name,sex

Having

Count()

>

1

(三)

方法一

declare

@max

integer,@id

integer

declare

cur_rows

cursor

local

for

select

主字段,count()

from

表名

group

by

主字段

having

count()

>；

1

open

cur_rows

fetch

cur_rows

into

@id,@max

while

@@fetch_status=0

begin

select

@max

=

@max

-1

set

rowcount

@max

delete

from

表名

where

主字段

=

@id

fetch

cur_rows

into

@id,@max

end

close

cur_rows

set

rowcount

0

方法二

＂重复记录＂有两个意义上的重复记录，一是完全重复的记录，也即所有字段均重复的记录，二是部分关键字段重复的记录，比如Name字段重复，而其他字段不一定重复或都重复可以忽略。

1、对于第一种重复，比较容易解决，使用

select

distinct

from

tableName

就可以得到无重复记录的结果集。

如果该表需要删除重复的记录（重复记录保留1条），可以按以下方法删除

select

distinct

into

#Tmp

from

tableName

drop

table

tableName

select

into

tableName

from

#Tmp

drop

table

#Tmp

发生这种重复的原因是表设计不周产生的，增加唯一索引列即可解决。

2、这类重复问题通常要求保留重复记录中的第一条记录， *** 作方法如下

假设有重复的字段为Name,Address，要求得到这两个字段唯一的结果集

select

identity(int,1,1)

as

autoID,

into

#Tmp

from

tableName

select

min(autoID)

as

autoID

into

#Tmp2

from

#Tmp

group

by

Name,autoID

select

from

#Tmp

where

autoID

in(select

autoID

from

#tmp2)

最后一个select即得到了Name，Address不重复的结果集（但多了一个autoID字段，实际写时可以写在select子句中省去此列）

(四)

查询重复

select

from

tablename

where

id

in

(select

id

from

tablename

group

by

id

having

count(id)

>

1

)

3、查找表中多余的重复记录（多个字段）

select

from

vitae

a

where

(apeopleId,aseq)

in

(select

peopleId,seq

from

vitae

group

by

peopleId,seq

having

count()

>

1)

运行会产生问题，where(apeopleId,aseq)这样的写发是通不过的！！！

以上就是关于scrapy默认有url去重，存数据库时的数据该怎么去重全部的内容，包括:scrapy默认有url去重，存数据库时的数据该怎么去重、sql数据库中出现重复行数据，如何删除这些重复记录、教你删除Oracle数据库中重复没用的数据等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！