如何从带有超链接文本的Excel(.xlsx)单元格中提取对应URL地址

以下是两种常用实现方案：

方案1：使用openxlsx包（最常用） #

• 第一步：安装并加载依赖包

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

• 第二步：读取Excel工作簿对象，提取超链接信息

# 读取工作簿
wb <- loadWorkbook("你的目标文件路径.xlsx")
# 提取指定工作表的所有超链接，返回数据框包含ref（单元格位置）、target（超链接地址）字段
hyperlinks_df <- getHyperlinks(wb, sheet = "你要处理的工作表名称")
# 读取该工作表的普通文本内容
content_df <- readWorkbook(wb, sheet = "你要处理的工作表名称")

• 第三步：关联超链接与对应单元格文本
  以超链接均在A列（第一列）为例，将超链接合并到原数据表中：

# 提取超链接对应的行号
hyperlinks_df$row_num <- as.integer(gsub("[^0-9]", "", hyperlinks_df$ref))
# 为原数据表新增url列存储对应超链接，无超链接的单元格该字段为NA
content_df$url <- hyperlinks_df$target[match(1:nrow(content_df), hyperlinks_df$row_num)]

处理完成后content_df中既包含单元格显示文本，也包含对应的超链接地址。

方案2：使用tidyxl包（适合复杂格式场景） #

如果表格存在多种单元格格式、超链接分布在多列的场景，用tidyxl处理更灵活：

• 第一步：安装并加载依赖包

install.packages("tidyxl")
library(tidyxl)

• 第二步：读取所有单元格信息

# 读取指定工作表的全量单元格信息
all_cells <- xlsx_cells("你的目标文件路径.xlsx", sheets = "你要处理的工作表名称")

返回的all_cells数据框中，content字段为单元格显示文本，hyperlink字段为对应绑定的超链接地址，col和row字段为单元格的列号、行号，你可以根据需要筛选对应列的信息即可。

注意：如果你的超链接是通过=HYPERLINK()公式生成的而非直接插入的单元格超链接，需要额外解析单元格公式提取URL，可通过openxlsx的readWorkbook函数设置extractFormula = TRUE获取公式后正则匹配提取地址。

内容的提问来源于stack exchange，提问作者mpettis