SQL语句——高级字符串函数 / 正则表达式 / 子句

1667修复表中的名字

思路

1. 字符串格式化：

   • 使用 SUBSTRING(name, 1, 1) 获取用户名的第一个字符
   • 通过 UPPER() 函数将第一个字符转换为大写
   • 使用 SUBSTRING(name, 2) 获取用户名从第二个字符开始的子串
   • 通过 LOWER() 函数将剩余字符转换为小写
   • 最后用 CONCAT() 函数将处理后的两部分拼接起来，形成首字母大写、其余字母小写的标准化用户名

2. 结果排序：

   • 按 user_id 升序排列结果，确保输出顺序的一致性

3. 应用场景：

   • 统一用户名的格式，解决可能存在的大小写混乱问题
   • 例如，将 "alice" 转换为 "Alice"，将 "BOB" 转换为 "Bob"，将 "jOhN" 转换为 "John"

这个查询适用于需要标准化姓名格式的场景，使输出的用户名更加规范和统一。

SQL语句

SELECT user_id, CONCAT(UPPER(SUBSTRING(name, 1, 1)), LOWER(SUBSTRING(name, 2))) AS name
FROM Users
ORDER BY user_id;

1527患某种疾病的患者

思路

筛选核心条件

通过LIKE模糊匹配，精准定位包含目标疾病的记录，涵盖两种场景：

• conditions LIKE 'DIAB1%'：匹配 “DIAB1” 作为conditions字段开头的情况（如 “DIAB100”“DIAB1ABC”），对应患者仅患此疾病或此疾病排在首位的情况。
• conditions LIKE '% DIAB1%'：匹配 “DIAB1” 前有空格的情况（如 “XYZ DIAB100”“ABC DIAB1XYZ”），对应患者同时患有多种疾病，且目标疾病非首个记录的情况。

2. 结果字段与用途

• 选取patient_id（患者 ID）、patient_name（患者姓名）、conditions（疾病情况）三个字段，完整呈现患者身份与患病信息。
• 未额外排序，直接返回符合条件的原始记录（若需固定顺序，可补充ORDER BY patient_id等排序语句）。

3. 场景适用性

适用于医疗数据筛选，尤其是当conditions字段用 “空格” 分隔多种疾病、且目标疾病编码以 “DIAB1” 开头（如糖尿病相关疾病编码）的场景，能避免漏筛或误筛（例如不会匹配 “ADIAB123” 这类不含目标疾病的记录）。

SQL语句

SELECT patient_id, patient_name, conditions
FROM Patients
WHERE conditions LIKE 'DIAB1%' OR conditions LIKE '% DIAB1%';

196删除重复的电子邮箱

思路

1. 自连接表操作：

   • 将 Person 表与自身连接，分别使用别名 p1 和 p2
   • 连接条件是两个记录的邮箱相同（p1.Email = p2.Email）

2. 删除重复记录的判定：

   • 条件 p1.Id > p2.Id 表示：当两个记录邮箱相同时，保留 ID 较小的记录（p2），删除 ID 较大的重复记录（p1）
   • 这样就能确保每个邮箱只留下 ID 最小的那条记录

3. 删除语法说明：

   • 使用 DELETE p1 FROM ... 语法，明确指定要删除的是 p1 表中的记录
   • 这是 MySQL 中删除重复记录的经典写法，通过自连接找到重复项并保留其中一条

SQL语句

DELETE p1 FROM Person p1,Person p2
WHEREp1.Email = p2.Email AND p1.Id > p2.Id

176第二高的薪水

思路

 核心子查询：筛选第二高薪资

• 去重处理：使用DISTINCT salary确保薪资不重复，避免因多个员工同薪资导致 “第二高” 计算偏差（例如若最高薪资有 2 人，仍需正确找到次高薪资）。
• 排序与定位：先按salary DESC降序排列薪资，再通过LIMIT 1 OFFSET 1取排序后的第 2 条记录（OFFSET 1表示跳过第 1 条，即最高薪资，LIMIT 1取 1 条，即为第二高薪资）。

2. 处理 “无第二高薪资” 的情况

• 使用IFNULL(..., NULL)函数：若子查询未找到结果（例如表中只有 1 条薪资记录或无记录），则返回 NULL，避免查询结果显示 “无数据” 而非明确的 NULL 值。

3. 结果命名

• 将最终结果列命名为SecondHighestSalary，使输出更清晰易读。

SQL语句

SELECT IFNULL((SELECT DISTINCT salaryFROM EmployeeORDER BY salary DESCLIMIT 1 OFFSET 1),NULL
) AS SecondHighestSalary;

1484按日期分组销售的产品

思路

核心统计维度
按日期分组：通过GROUP BY sell_date将数据按销售日期聚合，确保每个日期只输出一条汇总记录。
统计销售商品数：COUNT(DISTINCT(product))计算每日销售的不重复商品数量（避免同一商品当日多次销售导致计数重复），结果命名为num_sold。
拼接商品列表：GROUP_CONCAT(DISTINCT product ORDER BY product SEPARATOR ',')将每日销售的不重复商品按字母顺序排序后，用英文逗号连接成字符串，结果命名为products（DISTINCT去重、ORDER BY保证顺序、SEPARATOR指定连接符）。
2. 结果排序
通过ORDER BY sell_date ASC将最终结果按销售日期升序排列，使数据按时间顺序呈现，便于查看销售趋势。
3. 场景适用性
适用于销售数据汇总场景，例如电商或零售行业，需要快速了解 “每日卖了多少种商品” 以及 “具体卖了哪些商品”，结果直观且信息完整。

SQL语句

SELECT sell_date,COUNT(DISTINCT(product)) AS num_sold, GROUP_CONCAT(DISTINCT product ORDER BY product SEPARATOR ',') AS products
FROM Activities
GROUP BY sell_date
ORDER BY sell_date ASC

1327列出指定时间段下的所有的下单产品

思路

表连接与数据关联
通过JOIN将Products表（商品信息）和Orders表（订单信息）通过product_id关联，确保能同时获取商品名称和对应的销售数据。
2. 时间范围筛选
WHERE o.order_date BETWEEN '2020-02-01' AND '2020-02-29'限定只统计 2020 年 2 月（含 2 月 1 日至 2 月 29 日）的订单数据，聚焦特定月份的销售情况。
3. 分组与聚合计算
GROUP BY p.product_name按商品名称分组，确保每个商品只生成一条汇总记录。
SUM(o.unit) as unit计算每个商品在 2 月的总销售量（unit为单条订单的商品数量），结果列名为unit。
4. 销量阈值筛选
HAVING SUM(o.unit) >= 100筛选出总销量达到或超过 100 的商品，仅保留符合业务阈值的记录。

SQL语句

SELECT p.product_name,SUM(o.unit) as unit
FROM Products p
JOIN Orders o ON p.product_id = o.product_id
WHERE o.order_date BETWEEN '2020-02-01' AND '2020-02-29'
GROUP BY p.product_name
HAVING SUM(o.unit) >= 100;

1517查找拥有有效邮箱的用户

思路

核心筛选：正则表达式匹配
通过REGEXP_LIKE(mail, '^[a-zA-Z][a-zA-Z0-9._-]*@leetcode\\.com$', 'c')定义邮箱的合法格式，规则拆解如下：
^[a-zA-Z]：邮箱前缀的第一个字符必须是字母（大写或小写），确保前缀开头合法。
[a-zA-Z0-9._-]*：前缀后续字符可包含字母、数字、.、_、-，*表示这些字符可出现 0 次或多次（覆盖不同长度的前缀）。
@leetcode\\.com$：固定匹配@leetcode.com域名，\\.是转义后的.（正则中.需转义才能表示实际的点号），$确保邮箱结尾就是该域名（避免后缀多余字符）。
第三个参数'c'：表示区分大小写（即A和a视为不同字符，若需不区分大小写可改为'i'）。
2. 结果返回
SELECT *返回符合格式的用户所有字段（如user_id、name、mail等），直接获取完整的合法用户信息。
3. 场景适用性
适用于需要严格校验leetcode.com域名邮箱的场景，例如：
筛选平台的官方注册用户（排除非该域名的无效邮箱）。
清理用户表中的非法邮箱数据（如前缀含特殊字符、域名错误的邮箱）。
例如，合法邮箱如[e-mail]、[e-mail]会被选中；非法邮箱如[e-mail]（前缀以数字开头）、[e-mail]（域名多余后缀）会被排除。

SQL语句

SELECT * 
FROM users
WHERE REGEXP_LIKE(mail, '^[a-zA-Z][a-zA-Z0-9._-]*@leetcode\\.com$', 'c');