C# 将Word保存为UTF-8编码的HTML

我正在编写一些C#VSTO代码，用于读取Microsoft Word文档并将其保存为过滤后的HTML。在通用Word文档上执行此功能时，html文件的输出使用Windows字符集，如下所示：

<meta http-equiv=Content-Type content="text/html; charset=windows-1252">

（注意：我试着把65001用引号括起来，不加引号..既不抛出错误，也不起作用）

接下来，我继续设置文档的web选项，如下所示：

<meta http-equiv=Content-Type content="text/html; charset=utf-8">

doc = app.Documents.Open("C:\\Temp\\Test.docx");
doc.WebOptions.Encoding = Microsoft.Office.Core.MsoEncoding.msoEncodingUTF8;
doc.SaveAs2(destFile, MsWord.WdSaveFormat.wdFormatFilteredHTML);

<meta http-equiv=Content-Type content="text/html; charset=windows-1252">

doc = app.Documents.Open("C:\\Temp\\Test.docx");

doc.Fields.Update(); // ** this is the new line of code.

doc.WebOptions.Encoding = Microsoft.Office.Core.MsoEncoding.msoEncodingUTF8;
doc.SaveAs2("C:\\Temp\\Test.htm", MsWord.WdSaveFormat.wdFormatFilteredHTML);

据我所知，上述代码执行的功能与我手动打开文件、转到文件->选项…、设置为UTF-8并将文件保存为筛选的html完全相同，但输出仍然如下所示：

<meta http-equiv=Content-Type content="text/html; charset=utf-8">

doc = app.Documents.Open("C:\\Temp\\Test.docx");
doc.WebOptions.Encoding = Microsoft.Office.Core.MsoEncoding.msoEncodingUTF8;
doc.SaveAs2(destFile, MsWord.WdSaveFormat.wdFormatFilteredHTML);

<meta http-equiv=Content-Type content="text/html; charset=windows-1252">

doc = app.Documents.Open("C:\\Temp\\Test.docx");

doc.Fields.Update(); // ** this is the new line of code.

doc.WebOptions.Encoding = Microsoft.Office.Core.MsoEncoding.msoEncodingUTF8;
doc.SaveAs2("C:\\Temp\\Test.htm", MsWord.WdSaveFormat.wdFormatFilteredHTML);

---

有没有一种方法可以强制Microsoft Word将文件输出到UTF-8，而不必先手动配置文档？

在撰写本文时，我不清楚我的特定版本的Microsoft Word（Word Online）或VSTO模板是否遇到了错误，但我将在这里回答是什么原因使这一点对我有效

如果此代码不起作用：

doc = app.Documents.Open("C:\\Temp\\Test.docx");
doc.WebOptions.Encoding = Microsoft.Office.Core.MsoEncoding.msoEncodingUTF8;
doc.SaveAs2("C:\\Temp\\Test.htm", MsWord.WdSaveFormat.wdFormatFilteredHTML);

然后，更改代码以刷新文档的字段，如下所示：

<meta http-equiv=Content-Type content="text/html; charset=utf-8">

doc = app.Documents.Open("C:\\Temp\\Test.docx");
doc.WebOptions.Encoding = Microsoft.Office.Core.MsoEncoding.msoEncodingUTF8;
doc.SaveAs2(destFile, MsWord.WdSaveFormat.wdFormatFilteredHTML);

<meta http-equiv=Content-Type content="text/html; charset=windows-1252">

doc = app.Documents.Open("C:\\Temp\\Test.docx");

doc.Fields.Update(); // ** this is the new line of code.

doc.WebOptions.Encoding = Microsoft.Office.Core.MsoEncoding.msoEncodingUTF8;
doc.SaveAs2("C:\\Temp\\Test.htm", MsWord.WdSaveFormat.wdFormatFilteredHTML);

---

在Visual Studio中，您必须添加引用：

在您的项目中：

'MyProject'>Solution Explorer>References>Add Reference>COM>Microsoft Office 16.0对象库

---

VS给出了一个非常隐晦的错误，它对查找库没有帮助。

使用

doc.WebOptions.Encoding=msoEncodingUTF8

对我很有用。你确定你检查的文件是正确的吗？@DirkVollmar，我一直在尝试这个，但它不起作用。然后，我之前做了一个Doc.Fields.Update（），它成功了。奇怪，谢谢，这救了我的命，很高兴有帮助。真是令人沮丧！哈哈，现在我的客户只想使用Word转换为PDF，因为他们不喜欢HTML转换。算了吧，哈哈……至少你的腰带上还有另一个工具，准备下一个：-）