Question

我一直试图找出如何使用python从docx文件中获取url，但未能找到任何内容，我已经尝试过python-docx和python-docx2txt，但是python-docx似乎只提取了文本，而python-docx2txt能够从超链接中提取文本，但不能从网址中提取文本。

Answer 1

我使用以下代码解决了它，以便从docx

打印超链接内容

from docx import Document
from docx.opc.constants import RELATIONSHIP_TYPE as RT

document = Document('test.docx')
rels = document.part.rels

def iter_hyperlink_rels(rels):
    for rel in rels:
        if rels[rel].reltype == RT.HYPERLINK:
            yield rels[rel]._target      

print(iter_hyperlink_rels(rels)

Answer 2

你可以使用wps另存为.hml文件，然后运行文件

Answer 3

def iter_hyperlink_rels(rels):
   for rel in rels:
      if rels[rel].reltype == RT.HYPERLINK:
         yield rels[rel]

这将删除错误。

Answer 4

我迟到了这个派对，但是如果你想要从.docx文件中提取所有链接的东西并制作它们的电子表格（或返回它们的列表），我有一个脚本可能会这样做您。它包括URL和链接文本，如果需要，您可以将其提供给整个文件夹。

https://github.com/Colin-Fredericks/hx-py/blob/master/XML_utilities/GetWordLinks.py

它使用BeautifulSoup和UnicodeCSV，你也可以从同一个仓库中获取它们。在Python3中运行。文件顶部的说明。处理非ascii字符。到目前为止只在Mac和Ubuntu上测试过。尽管Google Drive可以，但Excel无法可靠地导入Unicode CSV。在禁止的地方提供void（）。

Answer 5

我是Python的初学者，并且有一个作业要使用Python来更改.docx文档中的每个超链接。感谢Kiran的代码，它给了我一些尝试，尝试和错误的提示，并最终使它起作用。这是我想要与其他初学者分享的代码。

# python to change docx URL hyperlinks:
### see: https://stackoverflow.com/questions/40475757/how-to-extract-the-url-in-hyperlinks-from-a-docx-file-using-python

from docx import Document
from docx.opc.constants import RELATIONSHIP_TYPE as RT

print(" This program changes the hyperlinks detected in a word .docx file \n")

docx_file=input(" Pls input docx filename (without .docx): ")

document = Document(docx_file + ".docx")

rels = document.part.rels

for rel in rels:
   if rels[rel].reltype == RT.HYPERLINK:
      print("\n Origianl link id -", rel, "with detected URL: ", rels[rel]._target)
      new_url=input(" Pls input new URL: ")
      rels[rel]._target=new_url

out_file=docx_file + "-out.docx"

document.save(out_file)

print("\n File saved to: ", out_file)

谢谢你，何丽萍

如何使用python从docx文件中提取超链接中的url

5 个答案: