python-如何提取DOCX超链接的文本？

基于：

---

我需要同时获取url和超链接的文本（例如，url为

mydomain.com

，文本为

Go to My Domain

）

回答我自己的问题，我必须通过

html

来完成以下操作：

from bs4 import BeautifulSoup
with open('my_word_file.htm', 'r') as file:
    page = file.read()
soup = BeautifulSoup(page, 'lxml')

text_and_url = []
for link in soup.findAll('a'):
    text_and_url.append({'text':link.string, 'url':link.get('href')})

---

Foor转换

docx

文件

html

：

from bs4 import BeautifulSoup
with open('my_word_file.htm', 'r') as file:
    page = file.read()
soup = BeautifulSoup(page, 'lxml')

text_and_url = []
for link in soup.findAll('a'):
    text_and_url.append({'text':link.string, 'url':link.get('href')})