零基础学习SQL（三）——数据查询语言（DQL）

数据库 DQL：数据查询的艺术与实践

在数据库操作中，数据查询语言（DQL）是获取和处理数据的核心工具。它能够从数据库表中精准、高效地提取所需信息，满足各种业务场景下的数据查询需求。本文将详细介绍 DQL 的语法结构、各类查询方式，并结合 SQL 代码实例分析其应用场景。

DQL 的语法结构

DQL 的完整语法结构清晰且层次分明，各个子句按照特定的顺序协同工作，具体如下：

SELECT
  字段列表
FROM
  表名字段
WHERE
  条件列表
GROUP BY
  分组字段列表
HAVING
  分组后的条件列表
ORDER BY
  排序字段列表
LIMIT
  分页参数

并且，DQL 各子句的执行顺序为：FROM -> WHERE -> GROUP BY -> SELECT -> ORDER BY -> LIMIT，这一顺序决定了数据处理的流程。

各类查询方式及实例

基础查询

基础查询是获取数据的最基本方式，主要用于查询表中的指定字段或所有字段，并可对字段进行别名设置、去除重复记录以及处理特殊字符转义。

• 查询多个字段：

语法为SELECT 字段1, 字段2, 字段3, ... FROM 表名;，例如从员工表（employee）中查询姓名和年龄字段：

SELECT name, age FROM employee;

若要查询表中所有字段，可使用SELECT * FROM 表名;，如查询员工表的所有字段：

SELECT * FROM employee;

但在实际开发中，不建议频繁使用*，因为它会查询所有字段，可能降低查询效率，且当表结构变化时，结果也会随之变化。

• 设置别名：

可以为查询的字段设置别名，使结果更易理解，语法为SELECT 字段1 [ AS 别名1 ], 字段2 [ AS 别名2 ], ... FROM 表名;，其中AS可省略。例如为员工表的姓名和年龄字段设置别名：

SELECT name AS 员工姓名, age 员工年龄 FROM employee;

• 去除重复记录：

当查询的字段存在重复值时，可使用SELECT DISTINCT 字段列表 FROM 表名;去除重复记录。例如查询员工表中不重复的工作地址：

SELECT DISTINCT workaddress FROM employee;

• 转义：

在模糊查询中，若要查询的内容包含通配符（如_或%），需要进行转义。语法为SELECT * FROM 表名 WHERE 字段 LIKE '转义符+通配符+其他内容' ESCAPE '转义符'。例如查询姓名为 "张三" 的员工（其中 " " 为普通字符）：

SELECT * FROM employee WHERE name LIKE '/_张三' ESCAPE '/';

这里/为转义符，使得后面的_不作为通配符。

条件查询

条件查询通过设置条件筛选出符合要求的数据，语法为SELECT 字段列表 FROM 表名 WHERE 条件列表;，其中条件可由比较运算符和逻辑运算符组合而成。

• 比较运算符：

• • ：大于，如查询年龄大于 30 的员工：

SELECT * FROM employee WHERE age > 30;

• • =：大于等于，如查询年龄大于等于 30 的员工：

SELECT * FROM employee WHERE age >= 30;

• • <：小于，如查询年龄小于 30 的员工：

SELECT * FROM employee WHERE age < 30;

• • <=：小于等于，如查询年龄小于等于 30 的员工：

SELECT * FROM employee WHERE age <= 30;

• • =：等于，如查询年龄等于 30 的员工：

SELECT * FROM employee WHERE age = 30;

• • <>或!=：不等于，如查询年龄不等于 30 的员工：

SELECT * FROM employee WHERE age != 30;

• • BETWEEN ... AND ...：在某个范围内（含最小、最大值），如查询年龄在 20 到 30 之间的员工：

SELECT * FROM employee WHERE age BETWEEN 20 AND 30;

注意，若范围设置为BETWEEN 30 AND 20，则查询不到结果。

• • IN(...) ：在列表中的值，多选一，如查询年龄为 25、30 或 35 的员工：

SELECT * FROM employee WHERE age IN (25, 30, 35);

• • LIKE 占位符：模糊匹配（_匹配单个字符，%匹配任意个字符），如查询姓名为两个字的员工：

SELECT * FROM employee WHERE name LIKE '__';

查询身份证最后为 X 的员工：

SELECT * FROM employee WHERE idcard LIKE '%X';

• • IS NULL：是 NULL，如查询没有身份证的员工（身份证字段为 NULL 或空字符串）：

SELECT * FROM employee WHERE idcard IS NULL OR idcard = '';

• 逻辑运算符：

• • AND或&&：并且（多个条件同时成立），如查询性别为女且年龄小于 30 的员工：

SELECT * FROM employee WHERE age < 30 AND gender = '女';

• • OR或||：或者（多个条件任意一个成立），如查询年龄为 25 或 30 或 35 的员工（与 IN 用法类似）：

SELECT * FROM employee WHERE age = 25 OR age = 30 OR age = 35;

• • NOT或!：非，不是，如查询年龄不大于 30 的员工：

SELECT * FROM employee WHERE NOT age > 30;

聚合查询（聚合函数）

聚合查询用于对数据进行统计分析，常见的聚合函数包括 count（统计数量）、max（最大值）、min（最小值）、avg（平均值）、sum（求和），语法为SELECT 聚合函数(字段列表) FROM 表名;。

例如，统计工作地址为 "广东省" 的员工数量：

SELECT count(id) FROM employee WHERE workaddress = "广东省";

查询员工的最大年龄：

SELECT max(age) FROM employee;

查询员工的最小年龄：

SELECT min(age) FROM employee;

查询员工的平均年龄：

SELECT avg(age) FROM employee;

查询员工年龄总和：

SELECT sum(age) FROM employee;

分组查询

分组查询用于将数据按照指定字段进行分组，然后对每个分组进行统计分析，语法为SELECT 字段列表 FROM 表名 [ WHERE 条件 ] GROUP BY 分组字段名 [ HAVING 分组后的过滤条件 ];。

WHERE和HAVING的区别在于：

• 执行时机不同：WHERE是分组之前进行过滤，不满足WHERE条件的记录不参与分组；HAVING是分组后对结果进行过滤。

• 判断条件不同：WHERE不能对聚合函数进行判断，而HAVING可以。

例如，根据性别分组，统计男性和女性的数量：

select gender, count(*) from employee group by gender;

根据性别分组，统计男性和女性的平均年龄：

select gender, avg(age) from employee group by gender;

年龄小于 45，并根据工作地址分组：

select workaddress, count(*) from employee where age < 45 group by workaddress;

年龄小于 45，并根据工作地址分组，获取员工数量大于等于 3 的工作地址：

select workaddress, count(*) address_count from employee where age < 45 group by workaddress having address_count >= 3;

需要注意的是，分组之后，查询的字段一般为聚合函数和分组字段，查询其他字段无实际意义；且执行顺序为where > 聚合函数 > having。

排序查询

排序查询用于对查询结果按照指定字段进行排序，语法为SELECT 字段列表 FROM 表名 ORDER BY 字段1 排序方式1, 字段2 排序方式2;，排序方式包括ASC（升序，默认）和DESC（降序）。

例如，根据年龄升序排序：

SELECT * FROM employee ORDER BY age ASC;
-- 或省略ASC
SELECT * FROM employee ORDER BY age;

根据年龄升序排序，当年龄相同时，再按入职时间降序排序：

SELECT * FROM employee ORDER BY age ASC, entrydate DESC;

分页查询

分页查询用于将大量查询结果分页展示，语法为SELECT 字段列表 FROM 表名 LIMIT 起始索引, 查询记录数;。

例如，查询第一页数据，展示 10 条：

SELECT * FROM employee LIMIT 0, 10;

查询第二页数据，展示 10 条：

SELECT * FROM employee LIMIT 10, 10;

需要注意的是，起始索引从 0 开始，起始索引的计算公式为起始索引 = （查询页码 - 1） * 每页显示记录数；且分页查询是数据库的方言，不同数据库有不同实现，MySQL 中使用LIMIT；如果查询的是第一页数据，起始索引可以省略，直接简写为LIMIT 10。

应用场景分析

基础查询的应用场景

• 数据概览：当需要快速了解表中某些字段的基本信息时，使用基础查询获取多个字段或所有字段的数据，如查看员工的姓名、年龄和工作地址等基本信息。

• 数据去重分析：在统计不同类别的数据时，使用DISTINCT去除重复记录，如统计公司员工来自哪些不同的地区。

条件查询的应用场景

• 精准数据筛选：根据业务需求筛选出符合特定条件的数据，如查询年龄在 25-35 岁之间的女性员工，以便开展针对性的活动。

• 模糊搜索：在用户查询功能中，使用LIKE进行模糊匹配，如根据用户输入的关键词查询相关的员工姓名。

聚合查询的应用场景

• 数据统计分析：对数据进行统计，如统计公司员工的总人数、平均工资、最高年龄等，为企业决策提供数据支持。

• 业务指标计算：计算各类业务指标，如某产品的总销量、平均销售额等。

分组查询的应用场景

• 分类统计：按照不同类别对数据进行统计，如按部门分组统计各部门的员工人数、平均工资，便于了解各部门的人员结构和薪酬情况。

• 分组筛选：在分组的基础上进一步筛选出符合条件的分组，如按地区分组后，筛选出员工人数超过 100 人的地区。

排序查询的应用场景

• 数据排序展示：将查询结果按照指定顺序展示，如将员工按入职时间从早到晚排序，便于查看员工的入职先后顺序；将商品按销量从高到低排序，方便用户了解热门商品。

分页查询的应用场景

• 大量数据展示：当查询结果数据量较大时，使用分页查询分批次展示数据，如在网页上展示员工列表时，每页显示 20 条，用户通过翻页查看更多数据，提高页面加载速度和用户体验。

总之，DQL 作为数据查询的核心工具，其丰富的查询方式和灵活的语法能够满足各种复杂的查询需求。