Как автоизвлечь все гиперссылки из документа в формате docx?

Question

[vreitech]

Имеется документ MS Word, сохранённый в формате docx.
Каким образом (с помощью какого ПО) из него можно извлечь все гиперссылки?

Answer 1

[vreitech]

Под Linux можно использовать утилиты unzip и perl. Для perl предварительно должен быть установлен пакет XML::LibXML.
Допустим, имя документа - ~/Document.docx.
Тогда:

unzip -p ~/Document.docx word/document.xml |\
perl -0e 'use XML::LibXML; use open ":encoding(utf8)"; open($fh, "</dev/stdin"); $dom = XML::LibXML->load_xml(IO => $fh); foreach ($dom->findnodes("//w:hyperlink")) { print $_->findvalue(".")."\n"; }'

Answer 2

[Вадим Соловьёв]

Это можно сделать при помощи надстроек kutools для Word.
Как скопировать все гиперссылки в Word?


Либо сохранить его в PDF формат и извлечь из него все гиперссылки при помощи вот этой программы: PDF Link Editor Pro