Hay varias formas de hacer lo que quieres.
I. Mediante JOIN
:
Esta técnica consiste en unir la tabla consigo misma mediante JOIN
. Y usar una comparación combinada de la columna id
(que se supone no es repetida nunca) y la columna repetida (email
en este caso).
La consulta sería esta:
DELETE t1 FROM usuarios t1
INNER JOIN usuarios t2
WHERE t1.id > t2.id AND t1.email = t2.email;
Veamos un ejemplo completo:
VER DEMO EN REXTESTER
-- I. Datos de prueba
CREATE TABLE usuarios (
id INT PRIMARY KEY AUTO_INCREMENT,
first_name VARCHAR(50) NOT NULL,
last_name VARCHAR(50) NOT NULL,
email VARCHAR(255) NOT NULL
);
INSERT INTO usuarios (first_name,last_name,email)
VALUES ('Pedro ','Pérez','[email protected]'),
('Juan','Roa','[email protected]'),
('Santiago','Guerrero','[email protected]'),
('Juan','Roa','[email protected]'),
('Andrés ','Brito','[email protected]'),
('Juan','Roa','[email protected]'),
('Santiago','Guerrero','[email protected]'),
('Felipe','Castro','[email protected]')
;
/* Prueba de datos antes de borrar*/
SELECT
id, email
FROM usuarios
ORDER BY email;
-- II. Borrar mediante JOIN
DELETE t1 FROM usuarios t1
INNER JOIN usuarios t2
WHERE t1.id > t2.id AND t1.email = t2.email;
/* Prueba de datos después de borrar*/
SELECT
id, email
FROM usuarios
ORDER BY id;
-- III. Restringir duplicados
ALTER TABLE usuarios ADD UNIQUE (email);
/*
Prueba de la nueva restricción creada:
al descomentar el código tendremos el siguiente error:
Error(s), warning(s): Duplicate entry '[email protected]' for key 'email'
*/
-- INSERT INTO usuarios (first_name,last_name,email) VALUES ('Pedro ','Pérez','[email protected]');
Resultados:
Antes de borrar los duplicados:
id email
5 [email protected]
8 [email protected]
3 [email protected]
7 [email protected]
1 [email protected]
2 [email protected]
4 [email protected]
6 [email protected]
Después de borrar los duplicados:
id email
1 [email protected]
2 [email protected]
3 g[email protected]
5 [email protected]
8 [email protected]
Nótese que aquí se conservaron los valores cuyo id
era menor. Si se quieren conservar aquellos cuyo id
sea mayor, sólo hay que poner el WHERE
de la consulta así: ... WHERE t1.id < t2.id AND t1.email = t2.email
Nótese que aplicando esta técnica, habrá saltos en la columna id
. Si se quiere una tabla con mejor orden en dicha columna, ver el método mencionado a continuación.
II. Mediante la creación de una nueva tabla
Esta técnica consiste en crear una nueva tabla con la misma estructura de la tabla original. Insertar los registros desde la tabla con duplicados aplicando un filtro que evite los duplicados (GROUP BY
en este caso) y luego borrar la tabla vieja, renombrando la nueva.
1. Creamos una copia vacía de la tabla usuarios
CREATE TABLE usuarios_copy LIKE usuarios;
2. Insertamos en la nueva tabla todos los registros, agrupando por la columna repetida
Hay dos formas de hacer esto:
Si quieres tener una nueva tabla con la columna id
ordenada, puedes nombrar explícitamente cada columna, indicando el valor NULL
para la columna auto incremental. Esto permitirá que dicha columna obtenga su valor de forma natural:
INSERT INTO usuarios_copy
SELECT
NULL,
first_name,
last_name,
email
FROM usuarios
GROUP BY email;
Si no te importa tener tantos saltos en la columna id
, puedes hacer la inserción así:
INSERT INTO usuarios_copy
SELECT *
FROM usuarios
GROUP BY email;
3. Borramos la tabla vieja y renombramos la nueva
DROP TABLE usuarios;
ALTER TABLE usuarios_copy RENAME TO usuarios;
En la prueba de datos, obtendrás este resultado. Nótese que aquí la columna id
recobró su orden normal:
id email
1 [email protected]
2 [email protected]
3 g.s[email protected]
4 [email protected]
5 [email protected]
Veamos un ejemplo completo aplicando esta posibilidad:
VER DEMO EN REXTESTER
III. Resolver el problema de raíz
De poco servirá hacer todo el trabajo anterior, si no cambiamos el diseño de la tabla, haciendo que la columna email
sea UNIQUE
, o sea, que no permita emails duplicados.
Esto se lograría con una sola línea de código, la cual hay que ejecutar una vez nuestra tabla esté limpia de duplicados:
ALTER TABLE usuarios ADD UNIQUE (email);
Si ahora nosotros intentamos insertar algún duplicado:
INSERT INTO usuarios (first_name,last_name,email)
VALUES ('Pedro ','Pérez','[email protected]');
El DBMS nos lo impedirá, diciendo lo siguiente:
Duplicate entry '[email protected]' for key 'email'
NOTA: Puede que en una tabla como esta, haya un grupo de columnas que sean UNIQUE
, en ese caso, habría que crear un índice único combinado... Pero ese es otro asunto. Solamente quería indicar que este tipo de problemas hay que resolverlos de raíz.
[id=1, nombre=juan, [email protected]]
y[id=2, nombre=pedro, [email protected]]
, ¿Cual de los dos eliges para borrar?