MySQL中如何高效移除含重复数字的无效手机号数据行？

嘿，我懂你现在的困扰——用NOT IN一个个枚举无效手机号实在太局限了，不仅写起来麻烦，还根本覆盖不完所有奇葩的垃圾号码（比如全2、全3，或者11100011100这种组合）。我给你几个更通用的优化方案，帮你一次性过滤掉这类重复数字过多的无效号码：

方案1：用正则排除全相同数字的号码 #

如果你的手机号是固定长度（比如国内常见的11位），可以用正则直接匹配所有数字完全相同的号码，不用一个个枚举：

WHERE C.`XBW-CELL-PHONE` NOT REGEXP '^([0-9])\\1{10}$'

• 解释：^([0-9])匹配第一个数字，\\1{10}表示后面10个数字和第一个完全相同，也就是11位全重复的号码（比如11111111111、99999999999）。如果是10位手机号，把{10}改成{9}即可。

方案2：过滤只有少数几种数字的号码 #

很多垃圾手机号不是全重复，但只有2种数字组合（比如11111100000、00011100011），可以通过统计号码中不同数字的种类数来过滤：

WHERE (
  (C.`XBW-CELL-PHONE` REGEXP '0') +
  (C.`XBW-CELL-PHONE` REGEXP '1') +
  (C.`XBW-CELL-PHONE` REGEXP '2') +
  (C.`XBW-CELL-PHONE` REGEXP '3') +
  (C.`XBW-CELL-PHONE` REGEXP '4') +
  (C.`XBW-CELL-PHONE` REGEXP '5') +
  (C.`XBW-CELL-PHONE` REGEXP '6') +
  (C.`XBW-CELL-PHONE` REGEXP '7') +
  (C.`XBW-CELL-PHONE` REGEXP '8') +
  (C.`XBW-CELL-PHONE` REGEXP '9')
) >= 3

• 解释：每个REGEXP判断号码是否包含对应数字，结果会被转成1（包含）或0（不包含），相加后就是号码中不同数字的种类数。这里设置>=3，只保留至少有3种不同数字的号码，直接过滤掉只有1种或2种数字的垃圾号。

方案3：综合过滤（推荐） #

把上面的规则和手机号合法性检查结合起来，比如先确保是纯数字、长度正确，再过滤重复数字过多的号码，甚至可以加上国内手机号的开头规则：

SELECT *
FROM your_table C
WHERE 
  -- 确保是11位纯数字（根据你的实际长度调整）
  C.`XBW-CELL-PHONE` REGEXP '^[0-9]{11}$'
  -- 排除全相同数字的号码
  AND C.`XBW-CELL-PHONE` NOT REGEXP '^([0-9])\\1{10}$'
  -- 排除只有2种及以下不同数字的号码
  AND (
    (C.`XBW-CELL-PHONE` REGEXP '0') +
    (C.`XBW-CELL-PHONE` REGEXP '1') +
    (C.`XBW-CELL-PHONE` REGEXP '2') +
    (C.`XBW-CELL-PHONE` REGEXP '3') +
    (C.`XBW-CELL-PHONE` REGEXP '4') +
    (C.`XBW-CELL-PHONE` REGEXP '5') +
    (C.`XBW-CELL-PHONE` REGEXP '6') +
    (C.`XBW-CELL-PHONE` REGEXP '7') +
    (C.`XBW-CELL-PHONE` REGEXP '8') +
    (C.`XBW-CELL-PHONE` REGEXP '9')
  ) >= 3
  -- 可选：过滤国内合法手机号开头（13/14/15/16/17/18/19开头）
  AND C.`XBW-CELL-PHONE` REGEXP '^1[3-9][0-9]{9}$'

为什么比你原来的方案好？ #

你之前用NOT IN的方式只能覆盖你想到的几个特例，但垃圾号码的组合是无限的——比如全4、全5，或者11222222222这种，NOT IN根本列不完。上面的方案是规则化过滤，不管是什么数字的重复组合，只要符合“全重复”或“只有少数几种数字”的特征，都会被自动过滤掉，扩展性强得多。

内容的提问来源于stack exchange，提问作者sortinousn