Question

我有一个输入xlsx工作簿，其中包含许多（数千个）内部超链接到许多其他工作表（在同一工作簿中）。在xlsx image：＆＃34; A2＆＃34;链接到＆＃34; linksTab！B3＆＃34;。 xlsx file本身位于Dropbox上。

我可以使用

访问（基于此similar question）

library(XML)

# rename file to .zip
my.zip.file <- sub("xlsx", "zip", my.excel.file)
file.copy(from = my.excel.file, to = my.zip.file)

# unzip the file
unzip(my.zip.file)

# unzipping produces a bunch of files which we can read using the XML package
# sheet1 has our data
xmlfile <- xmlParse("xl/worksheets/sheet1.xml")

但是，在这种情况下，引用的问题输出中的最终xml提取会产生空输出。深入研究XML sheet1，我发现链接在xml文件中表示为

＆LT;超链接ref =＆＃34; A2＆＃34;位置=＆＃34;！B3 linksTab＆＃34; tooltip =＆＃34;转到链接＆＃34; 显示=＆＃34;连结＆＃34; XR：UID =＆＃34; {94 ...＆＃39;

如何提取它们？

Answer 1

找到我自己的答案：按上述方式加载xmlfile后，通过

获取链接

# grab the hyperlinks, and dump the XML components by convert them to character vector
 linkReferences <- tibble(
     RefCell  = as.character( xpathApply(xmlfile, "//x:hyperlink/@ref",      namespaces="x")),
     LinkCell = as.character( xpathApply(xmlfile, "//x:hyperlink/@location", namespaces="x"))
 )

 linkReferences  
 # A tibble: 5 x 2
   RefCell    LinkCell
     <chr>       <chr>
 1      A2 linksTab!B3
 2   A3:A5 linksTab!B3
 3      A3 linksTab!D3
 4      A4 linksTab!F3
 5      A5 linksTab!H3

从xlsx工作簿中提取内部超链接

1 个答案: