如何用LEFT或SUBSTRING在MySQL中按字段部分内容分组查询？

本文共计801个文字，预计阅读时间需要4分钟。

直接说结论：

为什么不能直接在 GROUP BY 里写 SUBSTRING(field, 1, 3)？

MySQL 允许在 GROUP BY 中使用表达式，包括 SUBSTRING 和 LEFT，但问题常出在「隐式类型转换」和「NULL 处理」上：

• 如果被截取字段是 NULL，SUBSTRING(NULL, 1, 3) 仍返回 NULL，而所有 NULL 会被归为同一组——这容易掩盖真实数据分布
• 若字段含前导/尾随空格，LEFT(name, 2) 可能截到空格，导致本该同组的记录被拆开
• SUBSTRING(str, pos) 中 pos 超出长度时返回空字符串 ''，而非报错，容易和真实空值混淆

LEFT 和 SUBSTRING 在分组场景下的实际差异

二者在分组中功能高度重叠，但行为细节不同：

• LEFT(str, n) 更适合「固定长度前缀」场景，比如取城市编码前两位：LEFT(city_code, 2)
• SUBSTRING(str, 1, n) 等价于 LEFT，但 SUBSTRING(str, -n) 支持倒取（如取后三位），LEFT 不支持
• 当需要动态起始位置（比如从某个字符后开始截），只能用 SUBSTRING 配合 LOCATE，例如：SUBSTRING(url, LOCATE('://', url) + 3)
• 性能上无显著差别，但 LEFT 语义更直白，可读性略高

分组时必须处理的三个边界情况

不加防护的截取分组极易翻车，这几个点必须显式应对：

• 用 COALESCE 或 IFNULL 包裹截取表达式，避免 NULL 干扰分组：GROUP BY IFNULL(LEFT(tag, 4), 'unknown')
• 对源字段先 TRIM，再截取，防止空格污染：LEFT(TRIM(name), 3)
• 确认截取长度不超过字段最大可能长度，否则短字段会补空——可用 LEAST 控制上限：LEFT(title, LEAST(LENGTH(title), 10))

一个真实可用的分组查询示例

假设要按邮箱域名前缀（如 gmail.com → gmail）统计用户数，且需排除无效邮箱：

SELECT SUBSTRING_INDEX(email, '@', -1) AS domain, SUBSTRING_INDEX(SUBSTRING_INDEX(email, '@', -1), '.', 1) AS domain_prefix, COUNT(*) AS cnt FROM users WHERE email REGEXP '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$' AND email IS NOT NULL GROUP BY domain_prefix;

这里用了两次 SUBSTRING_INDEX：第一次取 @ 后部分，第二次取该部分第一个 . 前的内容。关键点在于 WHERE 过滤掉了格式异常的数据——没这步，SUBSTRING_INDEX 遇到不含 @ 的字段会原样返回，导致分组混乱。

真正难的不是函数怎么写，而是你得清楚字段里到底有什么脏数据。截取分组一旦跑起来，错误往往静默发生，等发现时已影响报表或下游逻辑。