使用Active Record，Rails和Postgres查找具有多个重复字段的行

103

使用Postgres和Activerecord在多列中查找具有重复值的记录的最佳方法是什么？

我在这里找到了这个解决方案：

User.find(:all, :group => [:first, :email], :having => "count(*) > 1" )

但这似乎不适用于postgres。我收到此错误：

PG :: GroupingError：错误：列“ parts.id”必须出现在GROUP BY子句中或在聚合函数中使用

ruby-on-rails postgresql activerecord

— newUserNameHere
source

3

在常规SQL中，我将使用自联接，例如select a.id, b.id, name, email FROM user a INNER JOIN user b USING (name, email) WHERE a.id > b.id。不知道如何用ActiveRecord来表达这一点。

— 克雷格·林格2014年

221

测试和工作版本

User.select(:first,:email).group(:first,:email).having("count(*) > 1")

而且，这有点无关，但是很方便。如果要查看每个组合的查找时间，请在末尾添加.size：

User.select(:first,:email).group(:first,:email).having("count(*) > 1").size

然后您将得到如下所示的结果集：

{[nil, nil]=>512,
 ["Joe", "test@test.com"]=>23,
 ["Jim", "email2@gmail.com"]=>36,
 ["John", "email3@gmail.com"]=>21}

以为那很酷，以前没看过。

感谢Taryn，这只是她的答案的调整版本。

— newUserNameHere
source

7

为了工作，我必须将显式数组传递给select()in：User.select([:first,:email]).group(:first,:email).having("count(*) > 1").count

— 拉斐尔·奥利维拉

4

加上.count给出PG::UndefinedFunction: ERROR: function count

— 马格纳

1

您可以尝试User.select（[：first，：email]）。group（：first，：email）.having（“ count（*）> 1”）。map.count

— Serhii Nadolynskyi

3

我正在尝试相同的方法，但也尝试获取User.id，将其添加到select和group会返回一个空数组。如何返回整个用户模型，或者至少包括：id？

— 阿什伯里2015年

5

使用.size代替.count

— Charles Hamel

32

发生该错误是因为POSTGRES要求您将分组列放在SELECT子句中。

尝试：

User.select(:first,:email).group(:first,:email).having("count(*) > 1").all

（注意：未经测试，您可能需要对其进行调整）

编辑以删除ID列

— 塔林东
source

7

那是行不通的。该id列不是组的一部分，所以除非你聚合它，你不能引用它（如array_agg(id)或json_agg(id)）

— 克雷格林格

9

如果需要完整的模型，请尝试以下操作（基于@newUserNameHere的回答）。

User.where(email: User.select(:email).group(:email).having("count(*) > 1").select(:email))

这将返回行的电子邮件地址不唯一的行。

我不知道在多个属性上执行此操作的方法。

— 本·奥宾
source

```User.where（email：User.select（：email）.group（：email）.having（“ count（*）> 1”））```

— chet corey

谢谢，我的作品很棒:)似乎最后一个.select(:email)也是多余的。我认为这会更清洁一点，但是我可能是错的。 User.where(email: User.select(:email).group(:email).having("count(*) > 1"))

— chet corey 18/12/26

2

如果使用PostgreSQL，则通过一个查询获取所有重复项：

def duplicated_users
  duplicated_ids = User
    .group(:first, :email)
    .having("COUNT(*) > 1")
    .select('unnest((array_agg("id"))[2:])')

  User.where(id: duplicated_ids)
end

irb> duplicated_users

— 尼古拉
source

-1

根据上面 @newUserName 的答案，我认为显示每个计数的正确方法是

res = User.select('first, email, count(1)').group(:first,:email).having('count(1) > 1')

res.each {|r| puts r.attributes } ; nil

— 努诺·科斯塔
source