C# .NET中使用DocumentFormat.OpenXml保存UTF-8特殊字符失败问题

在C# .NET中使用DocumentFormat.OpenXml操作Word文档时，调用document.MainDocumentPart.Document.Save()保存类似ʧ这类特殊UTF-8字符失败。调试发现保存前文本内容、InnerText及InnerXml均正常，但保存后特殊字符丢失，常规字符可正常修改保存。已尝试多种归一化处理并确保编码为UTF-8，仍未解决问题，求排查思路。

代码示例 #

...
using (WordprocessingDocument document = WordprocessingDocument.Open(wordDocumentPath, true))
{
    var body = document.MainDocumentPart.Document.Body;

    for (int i = 0; i < bemenetLines.Length; i++)
    {
        string searchText = bemenetLines[i].Normalize(NormalizationForm.FormC);
        if (searchText == "cs")
        {; }
        string replacementText = mehLines[i].Normalize(NormalizationForm.FormC);

        ReplaceTextInWord(body, searchText, replacementText);
        document.MainDocumentPart.Document.Save();
    }
}

MessageBox.Show("Replacement completed successfully!", "Success");
}

private void ReplaceTextInWord(Body body, string searchText, string replacementText)
{
    try
    {
        foreach (var textElement in body.Descendants<Text>())
        {
            string textContent = textElement.Text.Normalize(NormalizationForm.FormC);

            if (textContent.Contains(searchText))
            {
                textElement.Text = textContent.Replace(searchText, replacementText);
            }
        }
    }
    catch (Exception ex)
    {
        MessageBox.Show($"Error during text replacement: {ex.Message}", "Error");
    }
}

排查思路 #

• 检查字体支持情况：ʧ属于扩展Unicode字符，需确认文档使用的字体包含该字符的字形。若字体不支持，即使XML编码正确，Word渲染时也会显示空白或缺失。可临时将文本替换为Segoe UI Symbol、Arial Unicode MS这类全Unicode支持的字体测试。
• 直接查看文档XML内容：将保存后的.docx文件改为.zip后缀，解压后打开word/document.xml，检查特殊字符是否被正确编码为对应的实体（如ʧ）。如果XML中存在该实体，说明保存环节无问题，问题出在Word的渲染逻辑或字体。
• 处理拆分的文本节点：Word的OpenXml结构中，长文本可能被拆分为多个<w:t>节点。当前替换逻辑仅处理单个节点内的文本，若搜索文本跨节点，替换会失效，特殊字符可能因此丢失。需先合并相邻的<w:t>节点，再执行替换操作。
• 调整Save操作时机：当前循环内每次替换都调用Save()，多次保存可能导致文档结构异常。建议将Save()移到循环外，所有替换完成后仅执行一次保存。
• 切换字符归一化形式：尝试改用NormalizationForm.FormD、FormKC或FormKD进行归一化，部分特殊字符在不同归一化形式下的编码表示可能被OpenXml不同解析，导致保存丢失。
• 直接构造节点测试：跳过现有替换逻辑，直接创建包含ʧ字符的<w:t>节点添加到文档，保存后查看结果。如果此操作成功，说明问题出在替换逻辑对文本节点的处理；若仍丢失，则排查OpenXml保存配置或文档格式限制。

内容的提问来源于stack exchange，提问作者user3616457