Python使用标准库zipfile+re提取docx文档中超链接文本和链接地址

推荐教材：

《Python程序设计实用教程》，ISBN：978-7-5635-6065-3，董付国，北京邮电大学出版社

教材封面：

全国各地新华书店有售

京东购买链接：

配套资源：教学大纲、教学课件、例题源码、习题答案、刷题与考试系统。

《Python程序设计实用教程》课后习题答案

发送公众号消息“小屋刷题”可以获取Python小屋刷题神器，1200道Python题目随时可以在线练习。

================

问题描述：

WPS和Office Word创建的docx格式文档虽然格式大致相同，但还是有些细节的区别。例如，使用WPS创建的文档中如果包含超链接，可以使用“Python提取Word文档中所有超链接地址和文本”一文中介绍的技术和代码提取，但是同样的代码对于Office Word创建的docx文档无效。本文使用Python配合正则表达式来提取docx文档中的超链接文本和链接地址。

技术原理：

假设有文件“带超链接的文档（Word版）.docx”，内容如下，

把该文件复制一份得到“带超链接的文档（Word版） - 副本.docx”，修改扩展名为zip得到文件“带超链接的文档（Word版） - 副本.zip”，打开该文件，结构如下，

进入word子文件夹，结构如下，

双击文件document.xml，内容如下，方框内和箭头处是需要提取的内容，其中箭头处为资源ID，

进入_rels文件夹，有如下文件，

双击打开文件“document.xml.rels，内容如下，红线处类似的地方是需要提取的信息，

参考代码：

运行结果：

温馨提示

关注本公众号“Python小屋”，通过菜单“最新资源”==>“历史文章”可以快速查看分专题的1000篇原创技术文章列表（可根据关键字在页面上搜索感兴趣的文章），通过“最新资源”==>“微课专区”可以免费观看500节Python微课，通过“最新资源”==>“培训动态”可以查看近期Python培训安排，通过“最新资源”==>“教学资源”可以查看Python教学资源，海量宝藏等你来挖掘。

---董付国老师Python系列图书---

友情提示：不建议购买太多，最好先通过京东、当当、天猫查阅图书了解目录和侧重点，然后再选择购买适合自己的书。

（1）《Python程序设计（第2版）》（ISBN：978-7-302-43651-5），清华大学出版社，2016年8月出版，2019年度清华大学出版社畅销图书

（2）《Python可以这样学》（ISBN：978-7-302-45646-9），清华大学出版社，2017年2月

（3）《Python程序设计基础（第2版）》（ISBN：978-7-302-49056-2）清华大学出版社，2018年1月出版，2019年度清华大学出版社畅销图书

（4）《中学生可以这样学Python》（ISBN：978-7-302-48039-6）清华大学出版社

（5）《Python程序设计开发宝典》（ISBN：978-7-302-47210-0）清华大学出版社，2018年10月

（6）《玩转Python轻松过二级》（ISBN：978-7-302-49916-9）清华大学出版社，2018年5月

（7）《Python程序设计基础与应用》（ISBN：978-7-111-60617-8），机械工业出版社，2018年9月

（8）《Python程序设计实验指导书》（ISBN：9787302525790），清华大学出版社，2019年4月

（9）《Python编程基础与案例集锦（中学版）》（ISBN：978-7-121-35539-4），电子工业出版社，2019年4月

（10）《大数据的Python基础》（ISBN：978-7-111-62455-4），机械工业出版社，2019年5月出版

（11）译作《Python程序设计》，机械工业出版社（华章），2018年11月出版

（12）繁体版《Python也可以这样学》，台湾博硕文化股份有限公司，2017年10月出版，本书为《Python可以这样学》在台湾发行的繁体版，两本书内容一样，不建议重复购买。

（13）《Python程序设计实例教程》（ISBN：978-7-111-63198-9），机械工业出版社

（14）《Python数据分析、挖掘与可视化》（ISBN：978-7-115-52361-7），人民邮电出版社，2019年12月

（15）《Python程序设计（第3版）》（ISBN：978-7-302-55083-9），清华大学出版社，2020年6月

（16）《Python程序设计实用教程》（ISBN：978-7-5635-6065-3），北京邮电大学出版社，2020年7月

（17）《中学生可以这样学Python（微课版）》，清华大学出版社，ISBN：9787302554639，2020年8月

2020年秋季学期Python教材推荐与选用参考

董付国老师Python在线课程资源使用方法

董付国老师6本Python教材PDF版免费阅读

《Python数据分析、挖掘与可视化》前3章书稿PDF免费阅读