谷歌地图 url 的 Java 正则表达式？

Question

我想解析字符串中的所有谷歌地图链接。格式如下:

第一个例子https://www.google.com/maps/place/white+house/@38.8976763,-77.0387185,17z/data=!3m1!4b1!4m5!3m4!1s0x89b7b7bcdecbb1df:0x715969d86d0b76bf!8m2!3d38.8976763! 4d-77.0365298

https://www.google.com/maps/place/white+house/@38.8976763,-77.0387185,17z

https://www.google.com/maps/place//@38.8976763,-77.0387185,17z

https://maps.google.com/maps/place//@38.8976763,-77.0387185,17z

https://www.google.com/maps/place/@38.8976763,-77.0387185,17z

https://google.com/maps/place/@38.8976763,-77.0387185,17z

http://google.com/maps/place/@38.8976763,-77.0387185,17z

https://www.google.com.tw/maps/place/@38.8976763,-77.0387185,17z

这些都是有效的谷歌地图网址(链接到白宫)

这是我尝试过的

String gmapLinkRegex = "(http|https)://(www\\.)?google\\.com(\\.\\w*)?/maps/(place/.*)?@(.*z)[^ ]*";
Pattern patternGmapLink = Pattern.compile(gmapLinkRegex , Pattern.CASE_INSENSITIVE);
Matcher m = patternGmapLink.matcher(s);
while (m.find()) {
  logger.info("group0 = {}" , m.group(0));
  String place = m.group(4); 
  place = StringUtils.stripEnd(place , "/"); // remove tailing '/'
  place = StringUtils.stripStart(place , "place/"); // remove header 'place/'
  logger.info("place = '{}'" , place);
  String latLngZ = m.group(5);
  logger.info("latLngZ = '{}'" , latLngZ);
}

它可以在简单的情况下工作，但仍然有问题......例如

需要后期处理来获取可选的地点信息

并且它无法提取具有两个网址的一行，例如:

s = "https://www.google.com/maps/place//@38.8976763,-77.0387185,17z " +
      " and http://google.com/maps/place/@38.8976763,-77.0387185,17z";

它应该是两个网址，但正则表达式匹配整行...

要点:

• 整个 URL 应在 group(0) 中匹配(包括第一个示例中的尾部 data 部分)，
• 在第一个示例中，如果缩放级别:17z 被删除，它仍然是有效的 gmap URL，但我的正则表达式无法匹配它。
• 更容易提取可选的地点信息
• 纬度/经度提取是必须的，缩放级别是可选的。
• 能够在一行中解析多个网址
• 能够处理 maps.google.com(.xx)/maps ，我尝试过 (www|maps\.)？ 但似乎仍然有问题

有什么改进这个正则表达式的建议吗？非常感谢!

Answer 1

点星号

.*

始终允许最后一个 url 末尾的任何内容。您需要“更严格”的正则表达式，它匹配单个 URL，但不匹配多个 URL。如果“[^]*”被“”以外的其他内容分隔，则可能包含下一个 URL，其中包括换行符、制表符、移位空格...

我建议(抱歉，没有在java上测试过)，使用“除@之外的任何内容”和“数字、减号、逗号或点”和“可选的特殊字符串，后跟定制的字符集，多次”。

"(http|https)://(www\.)?google\.com(\.\w*)?/maps/(place/[^@]*)?@([0123456789\.,-]*z)(\/data=[\!:\.\-0123456789abcdefmsx]+)?"

我在 perl-regex 兼容引擎 (np++) 上测试了上面的内容。
如果我猜错了，请自行调整。显式的数字列表可能可以用“\d”替换，我试图尽量减少对正则表达式风格的假设。

为了匹配“URL”或“URL 和 URL”，请使用存储正则表达式的变量，然后执行“(URL 和 )*URL”，将“URL”替换为正则表达式变量。 (假设这在java中是可能的。)如果问题是如何检索多个匹配项:那就是java，我无能为力。让我知道，我会删除这个答案，而不是激起应有的反对票;-)

(已编辑以捕获之前未见过的第一个示例第一行中的数据部分；以及一行中的多个 URL。)