Java 无法使用Apache POI获取.docx文件的超链接标签

我的目标是计算docs.google.com类型的超链接在MS Word文档（.docx）中出现的次数

除了计算超链接外，我还试图计算包含“docs.google.com”的“纯文本”

例如，考虑一个具有以下文本的Word文档：

https://docs.google.com/1234

根据我想要的逻辑，链接的总数应该是1+2+1=4。 第二个是2，因为显示值是一个google文档链接，而目标URL是一个google文档链接

我很难在下面的Java代码中获取“纯文本”类型链接的显示值：

int[] getNumGDocLinksFromWord(String filepath) {

    int [] numLinks = {0, 0};
    File file = new File(filepath);

    try (FileInputStream fis = new FileInputStream(file.getAbsolutePath())) {
      XWPFDocument document = new XWPFDocument(fis);
      List<XWPFParagraph> paragraphs = document.getParagraphs();
      for (XWPFParagraph para : paragraphs) {
        numLinks[0] += numOccurrences(para.getText(), GOOG_DOC_URL_HOST);
        for(XWPFRun run : para.getRuns()) {
          if(run instanceof XWPFHyperlinkRun) {
            XWPFHyperlink link = ((XWPFHyperlinkRun)run).getHyperlink(document);
            if(link != null && link.getURL().contains(GOOG_DOC_URL_HOST)) {
              numLinks[1]++;
            }
          }
        }
      }
    } catch (Exception e) {
      e.printStackTrace();
    }
    return numLinks;
}


private int numOccurrences(String text, String sequence) {
    int n = 0, i = 0;
    while (i != -1) {
      i = text.indexOf(sequence, i + 1);
      if (i != -1) {
        n++;
      }
    }
    return n;
}

int[]getNumGDocLinksFromWord（字符串文件路径）{
int[]numLinks={0,0}；
文件文件=新文件（文件路径）；
try（FileInputStream fis=newfileinputstream（file.getAbsolutePath（）））{
XWPF文件=新的XWPF文件（fis）；
列表段落=document.getPages（）；
对于（XWPF段落：段落）{
numLinks[0]+=numOccurrences（para.getText（），GOOG_DOC_URL_HOST）；
对于（XWPFRun:para.getRuns（））{
if（运行XWPFHyperlinkRun的实例）{
XWPFHyperlink=（（XWPFHyperlinkRun）run）.getHyperlink（文档）；
if（link！=null&&link.getURL（）.contains（GOOG\u DOC\u URL\u HOST））{
numLinks[1]++；
}
}
}
}
}捕获（例外e）{
e、 printStackTrace（）；
}
返回numLinks；
}
私有整数货币（字符串文本、字符串序列）{
int n=0，i=0；
而（i！=-1）{
i=text.indexOf（序列，i+1）；
如果（i！=-1）{
n++；
}
}
返回n；
}

numLinks[0]捕获显示值出现次数，numLinks捕获超链接的目标值出现次数

---

有人能告诉我如何准确地计算这两种类型的值吗？

您到底有什么问题？具有

静态字符串GOOG\u DOC\u URL\u HOST=“docs.google.com”

和您描述的word文档，您的代码为我生成了

numLinks[0]

和

numLinks[1]

这两个

2

，这是正确的。否？@AxelRichter，请对此文档尝试相同的操作：。numLinks应该是[3,3]，但它现在是[2,3]。我添加了一些打印语句，它似乎没有拾取显示值“”。在

/word/document.xml

中有：

。。。。。。http://docs.google.com/doc...3

。正如您看到的文本

http://docs.google.com/doc

是在外部超链接中的超链接中运行的文本。文本

3

是在外部超链接中运行的文本。到目前为止，

apachepoi

没有考虑到这一点。但根据Ecma-376中的XML定义，

CT\u超链接

可能包含其他

CT\u超链接

。所以这是ApachePOI中的一个bug。