如何自动检索Maven仓库以获取Jar包的完整Maven坐标

问题背景 #

我有一个存放Maven构件的目录，部分构件包含可用于完整解析其GAV的pom.properties文件，大部分则没有。所有构件的命名格式均为<artifact>-<version>.jar。我希望为每个Jar制作一份包含Maven坐标的表格，已编写了一个Python函数用于从文件名中提取构件名和版本：

import re

REGEX_A = re.compile(r'^([\w\.-]+?)-(\d+\.\d+[\w\.-]*)\.jar$')
REGEX_B = re.compile(r'^(.+?)-([\w\.]+)\.jar$')

# Returns (artifact, version) tuple
def parse_filename(basename):
    m = REGEX_A.fullmatch(basename)
    if m is None:
        m = REGEX_B.fullmatch(basename)
    if m is not None:
        return m.group(1), m.group(2)
    # last resort: return unversioned basename without extension
    return basename[:len(basename)-4], None

我可以通过这些构件名/版本对在Maven仓库网站上查询构件，但该过程十分繁琐。如何无需通过浏览器自动查询构件信息？我发现Apache提供了Maven Search API Java库，但该库文档不完善，我不确定它是否符合需求，也找不到其背后实际API的相关信息。我可以通过逆向工程查看源码，但希望有更简便的解决方案。

解决方案 #

方案1：直接调用Maven Central公开REST API #

无需依赖第三方库，直接用Python发起HTTP请求即可查询完整坐标。Maven Central提供了结构化的搜索接口，通过构件名和版本精准匹配：

核心逻辑

构造查询URL，发起GET请求后解析返回的JSON数据，提取groupId、artifactId、version字段。

示例代码（整合现有解析函数）

import re
import requests

REGEX_A = re.compile(r'^([\w\.-]+?)-(\d+\.\d+[\w\.-]*)\.jar$')
REGEX_B = re.compile(r'^(.+?)-([\w\.]+)\.jar$')

def parse_filename(basename):
    m = REGEX_A.fullmatch(basename)
    if m is None:
        m = REGEX_B.fullmatch(basename)
    if m is not None:
        return m.group(1), m.group(2)
    return basename[:-4], None

def query_maven_central(artifact, version):
    if not artifact or not version:
        return None
    # 构造精准查询的URL
    url = f"https://search.maven.org/solrsearch/select?q=a:{artifact}+AND+v:{version}&rows=1&wt=json"
    try:
        response = requests.get(url)
        response.raise_for_status()
        data = response.json()
        # 检查是否有匹配结果
        if data['response']['numFound'] > 0:
            doc = data['response']['docs'][0]
            return {
                'groupId': doc.get('g'),
                'artifactId': doc.get('a'),
                'version': doc.get('v')
            }
    except Exception as e:
        print(f"查询[{artifact}:{version}]失败：{str(e)}")
    return None

# 测试使用
if __name__ == "__main__":
    test_filename = "commons-lang3-3.12.0.jar"
    art, ver = parse_filename(test_filename)
    coords = query_maven_central(art, ver)
    if coords:
        print(f"完整Maven坐标：{coords['groupId']}:{coords['artifactId']}:{coords['version']}")

方案2：利用本地Maven命令行工具 #

如果你的环境已安装Maven，可以通过调用Maven命令自动查询并解析坐标。这种方式无需编写复杂网络请求逻辑，依赖Maven自身的仓库查找能力。

操作方式

使用mvn dependency:get命令尝试获取构件，控制台输出会包含完整GAV信息。可以通过Python的subprocess模块调用命令并提取关键内容：

import subprocess
import re

def query_via_maven(artifact, version):
    cmd = [
        'mvn', 'dependency:get',
        '-Dartifact=:*:' + version,
        '-DremoteRepositories=https://repo1.maven.org/maven2',
        '-Dtransitive=false',
        '-Dsilent=true'
    ]
    try:
        result = subprocess.run(cmd, capture_output=True, text=True)
        # 从输出中匹配GAV格式：groupId:artifactId:version
        match = re.search(r'([\w\.-]+):([\w\.-]+):([\w\.-]+)', result.stderr)
        if match:
            return {
                'groupId': match.group(1),
                'artifactId': match.group(2),
                'version': match.group(3)
            }
    except Exception as e:
        print(f"Maven查询失败：{str(e)}")
    return None

方案3：解析Jar内部元数据（本地优先） #

部分Jar的META-INF/MANIFEST.MF或META-INF/maven/<groupId>/<artifactId>/pom.properties文件中包含完整坐标信息，可以优先解析本地文件，减少网络请求：

解析Jar元数据示例

from zipfile import ZipFile

def parse_jar_metadata(jar_path):
    coords = {}
    try:
        with ZipFile(jar_path, 'r') as zf:
            # 优先查找pom.properties
            maven_dirs = [name for name in zf.namelist() if name.startswith('META-INF/maven/') and name.endswith('pom.properties')]
            if maven_dirs:
                with zf.open(maven_dirs[0]) as f:
                    content = f.read().decode('utf-8')
                    for line in content.splitlines():
                        if line.startswith('groupId='):
                            coords['groupId'] = line.split('=',1)[1].strip()
                        elif line.startswith('artifactId='):
                            coords['artifactId'] = line.split('=',1)[1].strip()
                        elif line.startswith('version='):
                            coords['version'] = line.split('=',1)[1].strip()
                    if all(k in coords for k in ['groupId','artifactId','version']):
                        return coords
            # 没有pom.properties则尝试解析MANIFEST.MF
            if 'META-INF/MANIFEST.MF' in zf.namelist():
                with zf.open('META-INF/MANIFEST.MF') as mf:
                    lines = mf.read().decode('utf-8').splitlines()
                    for line in lines:
                        if line.startswith('Implementation-Vendor-Id:'):
                            coords['groupId'] = line.split(':',1)[1].strip()
                        elif line.startswith('Implementation-Title:'):
                            coords['artifactId'] = line.split(':',1)[1].strip()
                        elif line.startswith('Implementation-Version:'):
                            coords['version'] = line.split(':',1)[1].strip()
                    if all(k in coords for k in ['groupId','artifactId','version']):
                        return coords
    except Exception as e:
        print(f"解析Jar元数据失败：{str(e)}")
    return None

内容的提问来源于stack exchange，提问作者William Rosenbloom