谷歌出站链接转发模式的正则表达式

Question

我试图从谷歌出站转发链接中过滤掉一些导出的谷歌文档。任何作为链接插入到文档中的网址都会通过

重定向

https://www.google.com/url?q=

附加了该网址的其他讨厌的跟踪功能

&sa=D&ust=1460132191131000&usg=AFQjCNHtElMgAbdJQw__--jthRvFeSsWtQ

因此，完整的网址将如下所示：

https://www.google.com/url?q=http://www.url.com/folder/&sa=D&ust=1460132191131000&usg=AFQjCNHtElMgAbdJQw__--jthRvFeSsWtQ

找出正则表达式来过滤这些，只留下实际的url部分，不幸的是超出了我的意思。

Answer 1

简单方法

如果您的网址 完全如问题所示 （https，google.com，etc.），请使用以下网址正则表达式：

https:\/\/www\.google\.com\/url\?q=([^&]*)

数据将存储在 1st捕获组 - Live Demo on Regex101

中

您也可以删除括号，并使用\K重置RegEx，然后URL将是整个匹配（不需要捕获组）：

https:\/\/www\.google\.com\/url\?q=\K[^&]*

Live Demo on Regex101

更安全的方法

如果您的RegEx与展示完全不同（可能是http，google.co.uk，etc.），请尝试使用此版本，这样更安全：

^(https?:\/\/)?(www\.)?google(\.\w{1,3})+\/url\?(.*?)q=([^&]*)

该网址将存储在 5th捕获群组 - Live Demo on Regex101

中

工作原理：

^          # String starts with ...
(          # http(s)://
  http       # http
  s?         # Optional s (for https)
  :\/\/      # ://
)?         # HTTP(S) Protocol is optional (for just www.google....)
(www\.)?   # Optional www. (for just http://google....)
google     # google
(          # TLD(s) - .com, .co.uk, .com.vn
  \.         # .
  \w{1,3}    # TLD between 1 and 3 letters
)+         # Multiple TLDs
\/url      # /url
\?         # ?
(.*?)      # Optional other params before q=
q=         # q=
(          # Capture URL
  [^&]*      # Any character until an & sign. repeated as many times as possible
)

或者，使用\K和非捕获组 - (?:...)：

^(?:https?:\/\/)?(?:www\.)?google(?:\.\w{1,3})+\/url\?(?:.*?)q=\K([^&]*)

Live Demo on Regex101

对于 Notepad ++ 中的查找和替换，请使用更安全的RegEx（带捕获组），最后使用.*：

^(https?:\/\/)?(www\.)?google(\.\w{1,3})+\/url\?(.*?)q=([^&]*).*

并替换为$5（5th捕获组）。

像这样设置查找和替换（确保. 不匹配换行符）：

然后按全部替换。它将取代所有比赛。

或者，使用查找下一个和替换按钮分别循环显示它们：