Question

我的目标是使用PHP解析DOCX文件，以获取以下格式的所有超链接：

<start of hyperlink(number of the first element of hyperlink in text)>, <end of hyperlink(number of the last element of hyperlink in text)>, <hyperlink text>

例如：

输入：“您好，绝对可怕 {adjective: distressing}(you cannot see this in .docx file)世界！”

输出：{19，26，“形容词：令人痛苦”}

到目前为止，我已经完成了将所有超链接解析为纯文本的代码，但是无法获得其在文本中的位置编号。这是我的代码：

define("dir", "Dictations");
define("test_file", "Dictation_Text.docx");

/**
 * @param $filename
 * @return string
 */
function getHyperLinks($filename) {
    $explode_result = explode('.', $filename);
    $extension = end($explode_result);
    if ($extension == "docx") {
        $dataFile = "word/document.xml";
    }
else {
    return "DOCX files only supported";
}
$zip = new ZipArchive;
if ($zip->open($filename) === true) {
    if (($zip_index = $zip->locateName($dataFile)) !== false) {
        $data = $zip->getFromIndex($zip_index);
        $parser = xml_parser_create();
        xml_parse_into_struct($parser, $data, $values, $indexes);
        xml_parser_free($parser);
        $result = Array();
        foreach ($indexes["W:HYPERLINK"] as $ind) {
            if ($values[$ind]["type"] == "open") {
                $result[] = $values[$ind]["attributes"]["W:ANCHOR"];
            }
        }
        return $result;
    }
    else {
        return "File " . $filename . " couldn't be found in " . document;
    }
}
    else {
        return "Couldn't open archive " . $filename;
    }
}

#TODO: getting filename from front by $_GET
$document = dir . "/" . test_file;
$result = getHyperLinks($document);
if (is_array($result)) {
    foreach ($result as $res) {
        echo $res . "\n";
    }
}
else {
    echo $result;
}

所以我找不到超链接起始位置的任何XML属性，请告诉我如何获取它或从XMLObject获取它的某种方法，或者告诉我另一种更方便的方法来解析DOCX文件以获取所有信息。我需要。

Answer 1

您的方法通常看起来不错，但您查找的文件错误。

.docx链接元素未存储在document.xml中。奇怪吧？

word / _rels / document.xml.rels 具有所有这些数据（或 header1.xml.rels 等）。

如果要查看格式，请将.docx重命名为.zip。然后，您可以提取它并查看其中的所有.xml文件。每个链接都有一行XML，因此，如果您只需要链接，则可能根本不需要从document.xml进行解析。

如果确实需要上下文，则将按每个Relationship上的“ Id”变量的关联进行操作。

用PHP解析DOCX document.xml时如何获得超链接标记的位置？

1 个答案: