pymysql.err.IntegrityError: (1062, "Duplicate entry 'roxml-ROXML' for key 'PRIMARY'")

在《Python数据挖掘－概念、方法与实践》一书的第3章实体匹配中，如果一路按照作者的代码及SQL语句进行配置运行的话，会出现如题目所示的错误。根据python脚本的执行错误提示显示，错误发生在脚本中的第一个INSERT INTO语句中。

其实并不是到插入roxml时候才会报错，而是在前面插入optionparser的时候就已经报错了。这个错误意思是代码试图在表中主键列被插入两个重复值。这个问题耗费了我三个小时，才最终把它解决。

书中的第一个INSERT语句目的是要把具有相同URL的项目的项目名称插入到book_entity_matches表中，在来自RF和RG的两个网站的项目里面，有一些项目，它们的名字是仅有大小写的区别的，如下：

上两图中分别是从RF和RG表中查询出来的结果，可以看到，的确是存在项目名称只有大小写区别的项目。但由于MySQL默认它的VARCHAR字段是不区分大小写的，所以在执行INSERT INTO语句当尝试插入如上图所示的两个相同的（只有大小写区别）项目名称时，就出现了错误！

解决方法之一，就是把这两个字段类型更改为BINARY：

ALTER TABLE book_entity_matches MODIFY COLUMN rg_project_name VARCHAR(100) BINARY NOT NULL;
ALTER TABLE book_entity_matches MODIFY COLUMN rf_project_name VARCHAR(100) BINARY NOT NULL;

其它的方法有：在创建表时指定字段属性为BINARY，或者在创建表时指定编码类型，类型后缀为cs（如utf8_general_cs）的即是区分大小写，为ci（如utf8_general_ci）的即不区分。

参考：

1. MySql 设置字段值区分大小写
2. MySQL大小写敏感说明