Question

我正在尝试使用paramiko获取配置单元表中的记录总数。我知道我们可以使用Pyhive或pyhs2，但是它需要进行某些配置，并且需要很多时间才能从我的IT团队那里完成。

所以我正在使用paramiko执行以下命令并获取计数：

beeline -u jdbc:hive2://localhost:10000 -n hive -e 'select count(*) from table_name'

我得到以下结果，

+----------+--+
|   _c0    |
+----------+--+
| 1232322  |
+----------+--+

我需要从输出中提取此计数。

我尝试了以下代码和RE，但无法正常工作

pattern="""
+----------+--+
|   _c0    |
+----------+--+
| [0-9]*   |
+----------+--+
"""

import paramiko


si, so, se=ssh_con.exec_command("beeline -u jdbc:hive2://localhost:10000 -n hive -e 'select count(*) from table_name'")
print(so.read().decode())
print(re.match(pattern,so.read().decode()))

我能够检索计数并进行打印。只是寻找正则表达式以提取计数。

Answer 1

您的意思是匹配整个字符串，只提取表名下方的数字。

这里是一个正则表达式，可以解决您的问题：

^\+-+\+--\+\n\| *\w+ *\|\n\+-+\+--\+\n\| *(\d+) *\|\n\+-+\+--\+$

请参见regex demo。 \w+匹配一个或多个单词字符，并匹配任何表名。

但是，您似乎只需要一个正则表达式来匹配| ... |之间的数字即可。

使用

result = ''
m = re.search(r'\|\s*(\d+)\s*\|', so.read().decode()) 
if m:
    result = m.group(1)

请参见this regex demo。

详细信息

\|-一个|字符
\s*-超过0个空格
(\d+)-第1组：一个或多个数字
\s*\|-0 +空格和一个|字符。

Answer 2

在Beeline中，结果可以不同的格式显示。默认情况下，结果将打印在带有标题的表中。您可以删除标头和表，而无需使用regexp解析结果。添加以下选项：--showHeader=false --outputformat=tsv2

beeline --showHeader=false --outputformat=tsv2 -u jdbc:hive2://localhost:10000 -n hive -e 'select count(*) from table_name'

阅读有关Output Formats的更多详细信息。

使用正则表达式提取配置单元计数字符串

2 个答案: