SQL选择在组中找到的整个记录

Question

我正在利用PostgreSQL中的metaphone函数来查找可能拼写错误的重复记录。

SELECT metaphone(first_name, 4), metaphone(last_name, 4)
FROM people GROUP BY metaphone(last_name, 4),
metaphone(first_name, 4) HAVING COUNT(*) > 1;

这对于向我展示我们的数据库中至少有100个潜在的副本是很好的，但是我不能对此做太多的工作，因为我无法从查询结果中获得任何唯一的标识信息。我试过这个：

SELECT person_id, first_name, last_name
FROM people
WHERE metaphone(first_name, 16) IN (
    SELECT metaphone(first_name, 16)
    FROM people GROUP BY metaphone(last_name, 16),
    metaphone(first_name, 16) HAVING COUNT(*) > 1
)
AND metaphone(last_name, 16) IN (
    SELECT metaphone(last_name, 16)
    FROM people GROUP BY metaphone(last_name, 16),
    metaphone(first_name, 16) HAVING COUNT(*) > 1
)
ORDER BY last_name, first_name;

哪些类型的工作，但仍然包含一些记录实际上没有匹配的两个字段。例如，我可以有两个‘约翰史密斯’，2个‘简史密斯’和2个‘无名氏’。我可能只有一个“简·多伊”，但她会出现在第二个查询的结果中。

是否有更准确地获取用于编译第一个查询结果的行的方法？

Answer 1

您需要同时进行两种比较：

SELECT person_id, first_name, last_name
FROM people
WHERE (metaphone(first_name, 16), metaphone(last_name, 16)
      ) IN (SELECT metaphone(first_name, 16), metaphone(last_name, 16)
            FROM people
            GROUP BY metaphone(first_name, 16), metaphone(last_name, 16),
            HAVING COUNT(*) > 1
           )
ORDER BY last_name, first_name;