提取Apache POI HWPF超链接

Question

超链接“目标”标签

如何从HWPF文档中提取超链接？我可以从doc文件中获取段落，并在必要时提取正确的样式，例如粗体、斜体等。但是如何识别和提取段落中的超链接？

Answer 1

正如您已经注意到的，.doc格式并不以最简单的方式存储超链接……

超链接将是带有特殊标记的单个CharacterRun。一旦你检测到它，只需根据引号拆分文本。

在Apache Tika中有一个很好的例子，看看WordExtractor的handleSpecialCharacterRuns方法就知道了。