SQL之查询 - 数据库

1. SQL之模糊查询

例如查询姓名时，不用输入全名，仅仅输入其中的一部分

语法: select 列名 from 表名 where 列名 like 匹配串

其中匹配串用英文的单引号括起来

四种匹配模式：

(1)% 匹配任意字符 (2) _ 匹配单个字符（3）[ ] 在中括号中有多个字符，匹配其中的一个字符（4）[ ^] 不在括号所有字符之内的单个字符

---首先，往表Dept（DeptId,DeptName）中插入数据，其中DeptId为主键和标识列，所以插入时，标识列不用手动输入
insert into Dept(DeptName)
values('部门1'),('部门2'),('部门3'),('部门4')--采用批量插入
---此时表格如图：

--1.% 匹配任意字符  
------三种形式:  '%ab%' 包含于   '%ab'以某字符/字符串结尾   'ab%'以某字符/字符串开头
select* from Dept where DeptName like '%1%'
select* from Dept where DeptName like '部门%'

--2.  _  匹配单个字符 :常用来限制表达式的字符长度
select* from Dept where DeptName like '部_4%'

--3. [ ] 在中括号中有多个字符,匹配其中的一个字符 字符可以全部写出，也可以写一个起点和终点，中间用横线连接，标识范围
select* from Dept where DeptName like '部门[123]%'
select* from Dept where DeptName like '部门[1-3]%'

--4. [^] 不在括号所有字符之内的单个字符
select* from Dept where DeptName like '部门[^123]%'
select* from Dept where DeptName like '部门[^1-3]%'

2. SQL之范围查询

 
---1. 通过 where子句的条件指定查询的范围
---(1)比较运算符
select * from Dept 
where DeptId<=5  
---（2）in  和 not in
select * from Dept 
where DeptId in (2,3,4)  

select * from Dept 
where DeptId not in (2,3,4)  

---后面跟子查询
select * from Dept 
where DeptId in (select DeptId from Dept where DeptId<5 ) 

---(3)between and 等价于 >= and <=
select * from Dept 
where DeptId  between 2 and 5 

---2. 查询前面多少条，或者 百分比
----（1）查询表的前面10行
select top 10 * from Dept
----(2) 查询表的前面占比整张表总行数的50%行
select top 50 percent * from Dept

3. 聚合函数

（1）对一组值执行计算并返回单一的值

---------已知在Dept表中共有8条记录（行）
select count(*) from Dept---结果8

select count(1) from Dept---结果8
--因为表中没有列名为1的，所以count(1) 是伪造列，我们统计总记录数用count(1) ，比count(*)效率高

结果如图：

	无列名
1	8

（2）5种聚合函数

count(列名) 统计一列中值的个数

sum(列名) 统计一列中值的和

avg(列名) 统计一列中值的平均

max(列名) 统计一列中值的最大值

min(列名) 统计一列中值的最小值

---------已知在Dept表中共有8条记录（行）

select sum(DeptId) from Dept ---36

select avg(DeptId) from Dept ---4

select max(DeptId) from Dept ---8

select min(DeptId) from Dept ---1

4. 分组查询

group by 与聚合函数联合使用，根据一个列或者多个列对查询结果集合进行分组。

select ....where....group by ...order by...

---往表Stu(UserId,UserName,UserPwd,CreateTime,DeptId,Age)中插入数据，批量插入数据；其中UserId是主键和标识列，无需手动插入
insert into Stu
values('dio','abc',getdate(),1,11),
('xiao','abc',getdate(),1,11),
('xili','ab',getdate(),2,15),
('liao','ac',getdate(),3,18),
('aa','abcd',getdate(),2,19),
('bb','abcde',getdate(),4,22),
('cc','abcef',getdate(),1,13)

---查询每一个部门下有多少个用户？？？
select DeptId ,count(1)用户数            ----此处可用count(UserId)
from  Stu
group by DeptId

结果如下图：

	DeptId	用户数
1	1	3
2	2	2
3	3	1
4	4	1

若还想要对分组过后的结果进行筛选，在group by 语句后面加上 having

select DeptId ,count(UserId)用户数
from  Stu
where Age<=18
group by DeptId
having DeptId>1

	DeptId	用户数
1	2	1
2	3	1

order by 语句对结果按照某一列或多列进行排序显示

select DeptId ,count(UserId)用户数
from  Stu
group by DeptId
having DeptId>1
------order by Age desc  此处报错：ORDER BY 子句中的列 "Stu.Age" 无效，因为该列没有包含在聚合函数或 GROUP BY 子句中。
order by DeptId desc

强调：select后面出现的列名，必须包含在group by之后，或者包含在聚合函数之中

	DeptId	用户数
1	4	1
2	3	1
3	2	2

5. 连接查询

连接查询就是根据两个或多个表之间的关系，从这些表中查询数据。实现多表查询；

分为内连接，外连接，全连接，交叉连接

1. 内连接：

（1）使用比较运算符 = > >= < <= <> 进行表间的比较，查询与条件相匹配的数据。

（2）多数使用等值连接 = 其余的称作非等值连接

（3）结果：相匹配的数据查询出来，若没有匹配上，就没有结果

（4）显式写法： inner join 表名 on 连接条件；隐式写法：from 表名1，表名2 where ...

表Stu:

UserId	UserName	UserPwd	CreateTime	DeptId	Age
1	dio	abc	2022-04-19 15:22:47.100	1	11
2	xiao	abc	2022-04-19 15:22:47.100	1	11
3	xili	ab	2022-04-19 15:22:47.100	2	15
4	liao	ac	2022-04-19 15:22:47.100	3	18
5	aa	abcd	2022-04-19 15:22:47.100	2	19
6	bb	abcde	2022-04-19 15:22:47.100	4	22
7	cc	abcef	2022-04-19 15:22:47.100	1	13

表Dept ：

DeptId	DeptName
1	部门1
2	部门2
3	部门3
4	部门4
5	部门1
6	部门2
7	部门3
8	部门4

--表  Stu(UserId,UserName,UserPwd,CreateTime,DeptId,Age) 和 表 Dept(DeptId,DeptName)建立联系
select UserId,UserName,u.DeptId,DeptName
from Stu u ---给表起别名
inner join Dept d on u.DeptId = d.DeptId----等值连接
where Age>18
---先建立连接，再写where条件语句！！！

-- DeptId在两个表中都有，DeptId是Stu的外键，是表Dept是主键,实现了关联
--我们也可以在上述的on后面人为地建立关联条件

---上述写法称为显式写法，还可以隐式写法：（比较多地使用！！！！！）
select UserId,UserName,u.DeptId,DeptName
from Stu u , Dept d  
where u.DeptId = d.DeptId and Age>18

结果如下表：

	UserId	UserName	DeptId	DeptName
1	5	aa	2	部门2
2	6	bb	4	部门4

2. 外连接

（1）分类：左外连接（左连接），右外连接（右连接），全外连接（全连接）

（1）左连接 : 左表 left join 右表 on 关联条件

返回左表的所有行，右表有的列若没有匹配上，右表这个列值在左表的显示出null

select *
from Dept d  left join Stu u on  u.DeptId = d.DeptId
--左表是Dept 右表Stu

	DeptId	DeptName	UserId	UserName	UserPwd	CreateTime	DeptId	Age
1	1	部门1	1	dio	abc	2022-04-19 15:22:47.100	1	11
2	1	部门1	2	xiao	abc	2022-04-19 15:22:47.100	1	11
3	1	部门1	3	xili	ab	2022-04-19 15:22:47.100	2	15
4	2	部门2	4	liao	ac	2022-04-19 15:22:47.100	3	18
5	2	部门2	5	aa	abcd	2022-04-19 15:22:47.100	2	19
6	3	部门3	6	bb	abcde	2022-04-19 15:22:47.100	4	22
7	4	部门4	7	cc	abcef	2022-04-19 15:22:47.100	1	13
8	5	部门5	NILL	NILL	NILL	NILL	NILL	NILL
9	6	部门6	NILL	NILL	NILL	NILL	NILL	NILL
10	7	部门7	NILL	NILL	NILL	NILL	NILL	NILL
11	8	部门8	NILL	NILL	NILL	NILL	NILL	NILL

（2）右连接 : 左表 right join 右表 on 关联条件

返回右表的所有行，左表有的列若没有匹配上，左表这个列值在右表的显示出null

select *
from Dept d  right join Stu u on  u.DeptId = d.DeptId
--左表是Dept 右表Stu  返回右表中的所有行

	DeptId	DeptName	UserId	UserName	UserPwd	CreateTime	DeptId	Age
1	1	部门1	1	dio	abc	2022-04-19 15:22:47.100	1	11
2	1	部门1	2	xiao	abc	2022-04-19 15:22:47.100	1	11
3	1	部门1	3	xili	ab	2022-04-19 15:22:47.100	2	15
4	2	部门2	4	liao	ac	2022-04-19 15:22:47.100	3	18
5	2	部门2	5	aa	abcd	2022-04-19 15:22:47.100	2	19
6	3	部门3	6	bb	abcde	2022-04-19 15:22:47.100	4	22
7	4	部门4	7	cc	abcef	2022-04-19 15:22:47.100	1	13

（3）全连接 full join

返回左表和右表中的所有行，当某一行在另一个表中没有匹配，则另一个表中的列写null

select *
from Stu u 
full join Dept d on  u.DeptId = d.DeptId

3. 交叉连接 cross join

也称笛卡尔积，若不带where 子句时，返回被连接的行数是两个表的行数之积，就是两个表的笛卡尔积

select *
from Stu u 
cross join Dept d  ---返回7*8=56 行

若带where 子句时，就等价于内连接

select *
from Stu u /
cross join Dept d    
where u.DeptId = d.DeptId

	DeptId	DeptName	UserId	UserName	UserPwd	CreateTime	DeptId	Age
1	1	部门1	1	dio	abc	2022-04-19 15:22:47.100	1	11
2	1	部门1	2	xiao	abc	2022-04-19 15:22:47.100	1	11
3	1	部门1	3	xili	ab	2022-04-19 15:22:47.100	2	15
4	2	部门2	4	liao	ac	2022-04-19 15:22:47.100	3	18
5	2	部门2	5	aa	abcd	2022-04-19 15:22:47.100	2	19
6	3	部门3	6	bb	abcde	2022-04-19 15:22:47.100	4	22
7	4	部门4	7	cc	abcef	2022-04-19 15:22:47.100	1	13

本文摘自：https://www.cnblogs.com/

SQL之查询2022-04-25 23:13:54