Читать книгу: «Строки в SQL. 18 задач для чистки данных»

Перед первой задачей

Почему строки портят отчёты

В реальных данных ошибка часто выглядит как лишний пробел, разный регистр, дефис в телефоне или артикул с неожиданным префиксом.

Такие мелочи ломают группировку и соединения: один и тот же email превращается в две строки, а одинаковые товары не склеиваются по ключу.

Эта книга тренирует прикладную чистку строк: привести, найти, отрезать, заменить и проверить результат на маленьких понятных таблицах.

Что важно помнить

Строковые функции зависят от СУБД сильнее, чем базовый SELECT. Примеры здесь запускаются в SQLite, а при переносе в другую систему нужно сверить названия функций.

Нормализация не должна прятать плохие данные. Если строка стала красивой после replace, всё равно полезно знать, сколько таких исправлений было.

Перед автоматической чисткой сначала сделайте маленький отчёт: исходное значение, нормализованное значение и причина изменения.

Маршрут по задачам

1. Убрать пробелы вокруг email

2. Привести email к нижнему регистру

3. Найти email с символом @

4. Очистить телефон от пробелов и дефисов

5. Получить префикс артикула

6. Найти позицию разделителя в артикуле

7. Проверить длину промокода

8. Вытащить домен из email

9. Сгруппировать email по доменам

10. Заменить русские пробелы в тегах

11. Собрать полное имя без двойных пробелов

12. Найти строки с лишними пробелами

13. Выделить код до первого дефиса

14. Посчитать строки с запрещённой меткой

15. Нормализовать город для группировки

16. Сделать короткий заголовок

17. Проверить формат внутреннего кода

18. Собрать финальный отчёт чистки строк

Практические задачи

Задача 1. Убрать пробелы вокруг email

Рабочий вопрос

Нужно привести email к аккуратному виду, если при вводе пользователь оставил пробелы в начале или конце строки.

Данные

CREATE TABLE clients(id INTEGER, email TEXT);

INSERT INTO clients VALUES

(1,' anna@example.test '),

(2,'oleg@example.test'),

(3,' nina@example.test');

Запрос

SELECT id, trim(email) AS clean_email

FROM clients

ORDER BY id;

Ожидаемый результат

[[1, "anna@example.test"], [2, "oleg@example.test"], [3, "nina@example.test"]]

Почему работает

trim(email) убирает пробелы по краям строки.

Внутренняя часть email не меняется.

ORDER BY сохраняет понятный порядок клиентов.

Где легко ошибиться

trim не удаляет пробелы внутри строки. Если пробел стоит в середине email, нужна отдельная проверка качества.

Самостоятельная проверка

Почему клиент 2 не изменился после trim, хотя функция применена ко всем строкам?

Ответ: У клиента 2 уже не было пробелов по краям email, поэтому результат совпал с исходной строкой.