如何从HWPFDocument提取2003格式Word文档的超链接？

由于HWPF（处理旧版.doc格式Word文档）没有像XWPF那样提供直接的getHyperlinks() API，需要通过解析文档的字段或字符运行（CharacterRun）来提取超链接，以下是两种可行方案：

方案一：遍历文档字段提取 #

超链接在HWPF中以FIELD_HYPERLINK类型的字段存在，可通过遍历所有字段筛选并提取：

WordExtractor wordExtractor = null;
          
if(inFilePath == null || inFilePath.equals("")) {
    throw new Exception("Invalid file path");
}
HWPFDocument document = null;
InputStream is;
File file = new File(inFilePath);
is = new FileInputStream(file);

document = new HWPFDocument(is);

// 开始提取超链接
FieldIterator fieldIterator = document.getRange().getFields();
while (fieldIterator.hasNext()) {
    Field field = fieldIterator.next();
    if (field.getType() == FieldType.FIELD_HYPERLINK) {
        // 提取目标URL
        String fieldCode = field.getFieldCode();
        String url = fieldCode.substring(fieldCode.indexOf("HYPERLINK") + 9).trim();
        // 去除URL两端的引号
        if (url.startsWith("\"") && url.endsWith("\"")) {
            url = url.substring(1, url.length() - 1);
        }
        // 提取显示文本
        String displayText = field.getResult();
        // 输出或处理超链接
        System.out.printf("超链接文本：%s，目标URL：%s%n", displayText, url);
    }
}

wordExtractor = new WordExtractor(document);
// 后续代码...

方案二：遍历段落的CharacterRun提取 #

每个超链接会关联到对应的CharacterRun，可通过遍历段落中的字符运行获取：

WordExtractor wordExtractor = null;
          
if(inFilePath == null || inFilePath.equals("")) {
    throw new Exception("Invalid file path");
}
HWPFDocument document = null;
InputStream is;
File file = new File(inFilePath);
is = new FileInputStream(file);

document = new HWPFDocument(is);

// 开始提取超链接
Range documentRange = document.getRange();
for (int paraIndex = 0; paraIndex < documentRange.numParagraphs(); paraIndex++) {
    Paragraph para = documentRange.getParagraph(paraIndex);
    for (int runIndex = 0; runIndex < para.numCharacterRuns(); runIndex++) {
        CharacterRun run = para.getCharacterRun(runIndex);
        Hyperlink hyperlink = run.getHyperlink();
        if (hyperlink != null) {
            String url = hyperlink.getAddress();
            String displayText = run.text();
            // 输出或处理超链接
            System.out.printf("超链接文本：%s，目标URL：%s%n", displayText, url);
        }
    }
}

wordExtractor = new WordExtractor(document);
// 后续代码...

注意事项 #

• 方案一基于字段解析，能更准确获取超链接的完整显示文本（即使文本跨多个CharacterRun）；
• 方案二更直观，但如果超链接的显示文本被拆分到多个CharacterRun中，可能需要额外处理拼接。

内容的提问来源于stack exchange，提问作者Code Trickle