hyperlink - ApachePOIHWPFハイパーリンクの抽出

Question

HYPERLINK「ターゲット」ラベル

HWPFドキュメントからハイパーリンクを抽出するにはどうすればよいですか？docファイルから段落を取得し、必要に応じて正しいスタイル（太字、斜体など）を抽出できます。しかし、段落からハイパーリンクを識別して抽出するにはどうすればよいですか？

Answer 1

お気づきのように、.doc形式ではハイパーリンクを最も簡単な方法で保存しません...

ハイパーリンクは、特別なマーカーが付いた単一のCharacterRunになります。検出したら、引用符に基づいてテキストを分割します。

Apache Tikaでこれを行う良い例があります。WordExtractorのhandleSpecialCharacterRunsメソッドを見て、それが行われていることを確認してください。