如何让PowerShell脚本在Word文件中正确搜索UTF-8字符串？

问题分析 #

你的脚本搜索ASCII字符正常，但遇到含特殊字符的UTF-8字符串（如"KOLİ"）时无法匹配，核心原因有两点：

• 冗余的编码转换：你对$searchWord执行的UTF8.GetBytes再GetString操作完全没必要，PowerShell中字符串默认采用UTF-16编码，Word COM对象返回的文档文本同样是Unicode（UTF-16）格式，这种转换反而可能破坏原字符的正确表示。
• 用PowerShell的-match直接匹配文档文本，适配性不如Word原生的Find方法，后者能更好处理Word文档内的字符编码、格式细节。

修正后的脚本 #

# 定义搜索目录和目标关键词
$OutputEncoding = [Console]::OutputEncoding = [Text.UTF8Encoding]::UTF8
$directoryPath = "D:\BAKIM_ARIZA_TAKIP_FORMU\2024\AGUSTOS_AYI"
$searchWord = "KOLİ"

# 加载Word应用程序
$word = New-Object -ComObject Word.Application
$word.Visible = $false

# 获取目录下所有.doc文件
$docxFiles = Get-ChildItem -Path $directoryPath -Filter *.doc

foreach ($file in $docxFiles) {
    # 打开文档
    $document = $word.Documents.Open($file.FullName)
    
    # 使用Word原生Find方法搜索关键词
    $found = $false
    foreach ($range in $document.StoryRanges) {
        $find = $range.Find
        $find.ClearFormatting()
        $find.Text = $searchWord
        # 可选：设置全字匹配，按需调整
        $find.WholeWord = $true
        # 执行搜索
        if ($find.Execute()) {
            $found = $true
            break
        }
        # 遍历子StoryRange（如脚注、尾注等区域）
        $currentRange = $range.NextStoryRange
        while ($currentRange -ne $null) {
            $findSub = $currentRange.Find
            $findSub.ClearFormatting()
            $findSub.Text = $searchWord
            $findSub.WholeWord = $true
            if ($findSub.Execute()) {
                $found = $true
                break
            }
            $currentRange = $currentRange.NextStoryRange
        }
        if ($found) { break }
    }
    
    # 输出包含关键词的文件路径
    if ($found) {
        Write-Output "Found '$searchWord' in file: $($file.FullName)"
    }
    
    # 关闭文档且不保存修改
    $document.Close([Microsoft.Office.Interop.Word.WdSaveOptions]::wdDoNotSaveChanges)
}

# 退出Word并释放COM对象，避免进程残留
$word.Quit()
[System.Runtime.Interopservices.Marshal]::ReleaseComObject($word) | Out-Null
Remove-Variable word

关键修改说明 #

• 移除冗余编码转换：直接使用原始$searchWord作为搜索文本，避免编码转换导致的字符失真。
• 使用Word原生Find方法：Word的Find对象专门针对文档内容设计，能正确识别文档中的特殊字符，比PowerShell的-match更适配Word文档场景。
• 覆盖所有文档区域：除主文档内容外，遍历处理脚注、尾注等子StoryRange，确保不遗漏任何可能含目标字符的区域。
• 规范资源释放：明确文档关闭时不保存修改，添加COM对象释放操作，防止Word进程后台残留。

内容的提问来源于stack exchange，提问作者Mustafa Sarıalp