GROUP BY是否可以对某些字符进行相同处理？

Question

我有这样的数据表：

forename        surname
John            O'Neil
Aaron           O Neil
Peter           O-Neil
Mary            Tollmache-Tollmache
Beatrice        Tollmache Tollmache

所有数据都已经过清理，因此它们只包含拉丁语和拉丁语补充字符表中的字符，以及space（），appostrophe（'）和连字符（ - ）。

执行GROUP BY时，是否可以将字符space（），appostrophe（'）和连字符（ - ）视为相同。

因此，以上表为例，以下查询：

SELECT surname, COUNT(*) AS cnt FROM tbl GROUP BY surname;

会回来：

surname                cnt
O'Neil                 3
Tollmache-Tollmache    2

更新：如果您像我一样使用此查询来构建其他表，那么Jim的建议很有用，但可能不适合部署。

使用Jim的建议，我对表格索引为姓名的表进行了以下测试：

550,000 row table: 4.98 seconds
3.375 million row table: 27.62 seconds
12.485 million row table: 1 min 33 seconds

Answer 1

您可以使用REPLACE将这些字符转换为空格（或撇号e.t.c.）并检查：

SELECT surname, 
COUNT(*) AS cnt 
FROM tbl 
GROUP BY REPLACE(REPLACE(surname,"-"," "),"'"," ");

可能值得确保数据库中的数据采用您想要的格式，而不是动态转换。