名寄せ機能の実装に関して (MYSQL)

Question

###前提・実現したいこと
MYSQLを使って名寄せ（重複項目の統合）を行いたいです。
ですが、データベースの初心者であるため、どう行えば良いかわかりません。

条件としては、主キー(id)
nayose_otameshi テーブルに４つのカラム
first_name_kana, 
last_name_kana, 
phone_number, 
city
の項目の名寄せを行いたいです。
現状としては、下記の用に記載したのですが、うまくプログラムが動きません。
お力をお貸しいただけないでしょうか？

```
SELECT *
FROM   nayose_otameshi r1
WHERE  EXISTS(SELECT *
              FROM   nayose_otameshi r2
              WHERE  r1.first_name_kana =  r2.first_name_kana
              AND    r1.last_name_kana    =  r2.last_name_kana
              AND    r1.phone_number    =  r2.phone_number
              AND    r1.city    =  r2.city
             )
;
```

エラーメッセージ
```
You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'r1 WHERE  EXISTS(SELECT * FROM   nayose_otameshi r2　' at line 1

Accepted Answer

不必要に複雑に考えているかもしれませんが、idを取得できるように考えてみました。

```SQL
SELECT
  r1.id id1
  , concat(r1.first_name_kana, ' ', r1.last_name_kana) name1
  , r2.id id2
  , concat(r2.first_name_kana, ' ', r2.last_name_kana) name2 
FROM
  ( 
    SELECT
      MIN(id) id
      , first_name_kana
      , last_name_kana
      , phone_number
      , city 
    FROM
      nayose_otameshi 
    GROUP BY
      first_name_kana
      , last_name_kana
      , phone_number
      , city
  ) r1 
  INNER JOIN nayose_otameshi r2 
    ON r1.first_name_kana = r2.first_name_kana 
    AND r1.last_name_kana = r2.last_name_kana 
    AND r1.phone_number = r2.phone_number 
    AND r1.city = r2.city 
    AND r1.id < r2.id 
order by
  id1, id2; 
```
---
追記：

削除まで一気にやるとするならこうでしょうか。
```
DELETE 
FROM
  nayose_otameshi 
WHERE
  nayose_otameshi.id IN ( 
    SELECT
      tmp.id 
    FROM
      ( 
        SELECT
          r2.id 
        FROM
          ( 
            SELECT
              MIN(id) id
              , first_name_kana
              , last_name_kana
              , phone_number
              , city 
            FROM
              nayose_otameshi 
            GROUP BY
              first_name_kana
              , last_name_kana
              , phone_number
              , city
          ) r1 
          INNER JOIN nayose_otameshi r2 
            ON r1.first_name_kana = r2.first_name_kana 
            AND r1.last_name_kana = r2.last_name_kana 
            AND r1.phone_number = r2.phone_number 
            AND r1.city = r2.city 
            AND r1.id < r2.id
      ) as tmp
  ); 
```

Answer

とりあえず抽出したいのであれば
```
SELECT first_name_kana,last_name_kana,phone_number,city
FROM   nayose_otameshi
GROUP BY first_name_kana,last_name_kana,phone_number,city
HAVING count(*)>1
```
とするだけでよいかと思います

# sample

```SQL
create table nayose_otameshi(id int primary key auto_increment,
first_name_kana varchar(10),
last_name_kana varchar(10),
phone_number varchar(10),
city varchar(10));

insert into nayose_otameshi(first_name_kana,last_name_kana,phone_number,city) values
('f1','l1','p1','c1'),
('f2','l2','p2','c2'),
('f2','l2','p2','c2'),
('f3','l3','p3','c3'),
('f1','l4','p4','c4'),
('f1','l1','p1','c1'),
('f3','l3','p3','c3'),
('f2','l2','p2','c2');
```
上記のように別途主キーが設定されているのであれば２番め以降に出て来るレコードはこう
```SQL
select id from nayose_otameshi as t1
where exists(select 1 from nayose_otameshi as t2
where 1
and t1.first_name_kana=t2.first_name_kana
and t1.last_name_kana=t2.last_name_kana
and t1.phone_number=t2.phone_number
and t1.city=t2.city
and t1.id>t2.id
)
```
id=3,6,7,8が抽出されるのでこれを利用して削除
```SQL
delete from nayose_otameshi
where id in(
select id from(
select id from nayose_otameshi as t1
where exists(select 1 from nayose_otameshi as t2
where 1
and t1.first_name_kana=t2.first_name_kana
and t1.last_name_kana=t2.last_name_kana
and t1.phone_number=t2.phone_number
and t1.city=t2.city
and t1.id>t2.id
)
)as temp
)
```
deleteに自己結合したデータはダイレクトにつかえないので
一度ダミーのサブクエリでselectを抽出しないといけません

sample

関連した質問