Python使用标准库zipfile+re提取docx文档中超链接文本和链接地址

问题描述：

WPS和Office Word创建的docx格式文档虽然格式大致相同，但还是有些细节的区别。例如，使用WPS创建的文档中如果包含超链接，可以使用“Python提取Word文档中所有超链接地址和文本”一文中介绍的技术和代码提取，但是同样的代码对于Office Word创建的docx文档无效。本文使用Python配合正则表达式来提取docx文档中的超链接文本和链接地址。

技术原理：

假设有文件“带超链接的文档（Word版）.docx”，内容如下，

把该文件复制一份得到“带超链接的文档（Word版） - 副本.docx”，修改扩展名为zip得到文件“带超链接的文档（Word版） - 副本.zip”，打开该文件，结构如下，

进入word子文件夹，结构如下，

双击文件document.xml，内容如下，方框内和箭头处是需要提取的内容，其中箭头处为资源ID，

进入_rels文件夹，有如下文件，

双击打开文件“document.xml.rels，内容如下，红线处类似的地方是需要提取的信息，

参考代码：

运行结果：