2Novatos

Esta mañana en el trabajo necesitaba limpiar una tabla en la que se guardaban miles de registros de usuarios, de la que como de costumbre en muchos sitios… la habían definido sin indices, ni uniques,… suerte que aun tenía un campo ID como primaria.

Pero aun así, eso no es suficiente cuando estás guardando datos de usuarios, de los que tienes que mantener cierta integridad. Total, que como lo único que tenía a mano para poder guiarme y limpiar esos miles de registros era el campo email, que era el que al cliente le interesaba, no he tenido muchas opciones.

Pues contando solo con el email, he mirado primero que cantidad de registros tenía duplicados con la siguiente query:

SELECT nombre, apellidos, email, count(*) AS Repetido
FROM followers As Tmp
GROUP BY email
HAVING Count(*) > 1

Con esto lo que obtenemos es una tabla temporal que nos muestra los datos que queramos, además de en este caso el email, y las veces que este campo se repite.

Una vez tenía listados los registros duplicados me ha tocado hacer una copia de todos los registros que tenia quitando los duplicados, pero manteniendo al menos uno de los duplicados, ya que sino estoy perdiendo registros. Pues para cargarme los duplicados y dejar copia de uno junto a todos los demás… hacemos lo siguiente:

INSERT INTO nueva_tabla
SELECT *
FROM tabla_original
GROUP BY email
HAVING Count(*) >=1;

Lo que hacemos aquí es pasar todos los registros de la tabla_original a la nueva_tabla, eliminando los registros duplicados, pero manteniendo uno de ellos. Con lo que por fin conseguimos limpiar la tabla.

Otra forma de hacer algo así es pasar los datos de una tabla a otra usando el DISTINCT * de la tabla_original, pero eso no nos asegura la copia de uno de los duplicados, ni nada parecido. Espero que os sea de tanta utilidad como a mi, y si tenéis algún otro método o solución, encantados de saberlo!