python docx如何读取具有超链接的文本？

Question

我正在使用 python-docx 将 word 文档转换为 txt 文件。文档中有一些词有超链接。我不需要链接，我只需要文本本身。但是当我使用段落来阅读它时，文本就消失了。

 elements = []
    for block in fp.element.body:
        if block.__class__.__name__ == 'CT_P':
            elements.append(('paragraph', block))
        elif block.__class__.__name__ == 'CT_Tbl':
            elements.append(('table', block))

for index, type_el in enumerate(elements):
        element_type, element = type_el[0], type_el[-1]

        # write paragraph into the txt file
        if element_type == 'paragraph':
            paragraph = Paragraph(parse_xml(element.xml), parent=None)
            img = paragraph._element.xpath('.//pic:pic')
            if not img:
                txt = paragraph.text
                if txt != "":
                    txt_file.write(txt + "\n")

Answer 1

超链接表示为 Run 对象。您可以通过以下代码获取超链接文本：

for run in paragraph.runs:
    if "hyperlink" in run._element.xml:
        txt_file.write(run.text + "\n")

Answer 2

这已在

python-docx==1.0.0

中得到纠正，其中

Paragraph.text

包括超链接文本。

在撰写本文时，它的名称为

pip install python-docx==1.0.0rc1

，但应该会在 2023 年 11 月 1 日之前以

pip install python-docx

的形式提供。

当您需要知道超链接出现在段落文本其余部分中的位置时，它还允许直接访问超链接：

from docx.text.hyperlink import Hyperlink
from docx.text.run import Run

...

for item in paragraph.iter_inner_content():
    if isinstance(item, Run):
        ...
    elif isinstance(item, Hyperlink):
        ...