0182. Duplicate Emails¶
题目信息¶
- 题号:
查找重复的电子邮箱
- 难度:
Easy
- 主题:
Database、分组、聚合过滤
- 原题:
- 重点:
将相同邮箱的多行压缩为一个分组状态,再用 HAVING 按组计数筛选重复值
题目重述¶
Person(id, email) 表保存非空电子邮箱。查询所有至少出现两次的邮箱,将输出列命名为
Email。
同一重复邮箱无论出现多少次都只输出一行;只出现一次的邮箱不输出。结果顺序任意。
自建示例¶
Person:
id | email
1 | team@example.com
2 | solo@example.com
3 | team@example.com
4 | news@example.com
5 | news@example.com
6 | news@example.com
输出:
Email
team@example.com
news@example.com
team@example.com 出现两次,news@example.com 出现三次,二者各输出一次。
SQL 实现¶
SELECT email AS Email
FROM Person
GROUP BY email
HAVING COUNT(*) > 1;
题解¶
逐行寻找伙伴会重复生成答案¶
从一条人员记录出发,可以自连接 Person,寻找 id 不同但 email 相同的另一行。
它能证明重复存在,却会把一组大小为 k 的重复邮箱展开成许多行对;同一邮箱还需要
DISTINCT 才能恢复为一个结果。重复越多,产生的中间组合越多。
题目不关心哪些两行相等,只关心每个邮箱值对应多少行。因此更自然的原始对象不是行对,
而是“相同 email 的整组记录”。
分组同时完成去重与计数¶
GROUP BY email 把所有相同邮箱收进一个分组。分组之后,每个邮箱只剩一个逻辑结果
状态,COUNT(*) 表示该组包含的原始行数:
team@example.com -> 2
solo@example.com -> 1
news@example.com -> 3
条件 COUNT(*) > 1 精确对应“至少出现两次”。通过条件的每个分组只投影一次分组键
email,所以无需再写 DISTINCT;分组本身已经把重复行压缩成唯一邮箱。
为什么使用 HAVING¶
WHERE 在分组前筛选单条原始记录,此时还没有 COUNT(*),不能判断某个邮箱最终有
多少行。HAVING 在 GROUP BY 产生组并计算聚合值之后筛选,正好处理组级条件:
FROM Person 读取原始行
GROUP BY email 建立每个邮箱的组
HAVING COUNT(*) > 1 保留重复组
SELECT email 输出组键
把计数条件写进 WHERE 不只是语法位置错误,也反映了把“单行属性”和“分组统计”混为
一谈。
COUNT(*) 的含义¶
题目保证 email 非空,因此 COUNT(email) 与 COUNT(*) 在本题结果相同。
主解使用 COUNT(*),明确表达统计组内记录数,不让列的 NULL 规则参与推理。若邮箱
允许为空,还需先决定多个 NULL 是否应视为一个重复邮箱组;本题合同已排除该歧义。
具体走读¶
示例分组后,solo@example.com 的计数为 1,被 HAVING 删除;另外两组计数分别为
2、3,都通过条件。每组只产生一个 email 值,再通过 AS Email 满足输出列名。
查询没有 ORDER BY,因为题目允许任意顺序。无索引时数据库可通过哈希或排序建立分组,
通常需要一次 O(n) 扫描并保存不同邮箱状态;邮箱索引可能帮助有序聚合。相比自连接,
分组不会生成二次规模的重复行对。