如何在R中读取含超链接的Excel文件并提取URL

readxl包默认只能读取超链接的显示文本，无法获取背后的URL。要实现需求，推荐使用openxlsx包，它支持直接提取超链接信息，步骤如下：

1. 安装并加载依赖包 #

install.packages("openxlsx")
library(openxlsx)

2. 读取工作簿与基础数据 #

# 加载目标Excel文件
wb <- loadWorkbook("path/to/file.xlsx")
# 读取工作表数据（这里默认读取第一个工作表，可根据实际修改sheet参数）
raw_data <- read.xlsx(wb, sheet = 1)

3. 提取超链接并整理数据框 #

# 获取工作表中的所有超链接信息
hyperlink_details <- getHyperlinks(wb, sheet = 1)

# 整理数据：假设原数据的id列是第一列，超链接显示文本在第二列
raw_data$link_text <- raw_data[, 2] # 可替换为实际列名，比如raw_data$链接文本
raw_data$link_url <- sapply(hyperlink_details, function(item) item$url)

# 调整为期望的列顺序
final_data <- raw_data[, c("id", "link_text", "link_url")]

验证结果 #

运行以下代码查看最终数据框：

print(final_data)

输出格式如下：

注意事项 #

• 确保Excel中的超链接是单元格绑定的超链接，而非纯文本格式的网址
• 若超链接列位置或工作表序号不同，需对应调整代码中的索引或参数

内容的提问来源于stack exchange，提问作者Raga