C#中HTML转byte[]生成Word文档出现特殊字符问题求助

你的核心问题是直接把HTML的UTF-8字节流标注为application/msword格式返回，但application/msword对应二进制的.doc格式，并非纯HTML文本。Word打开这类文件时，会用默认编码解析HTML内容，导致空格或 显示为异常特殊字符。

以下是几种可行的解决方式：

1. 使用专业库生成真实的Word文档（推荐） #

不要依赖Word自动解析HTML，用专门的库生成标准的Word文档（比如.docx格式），能彻底避免编码和格式解析问题。以开源的DocX库为例：

using Novacode;

// 生成标准docx文档
using (var document = DocX.Create(new MemoryStream()))
{
    // 插入HTML内容，库会自动处理标签和HTML实体（包括 ）
    document.InsertHtml(HtmlContent);
    document.Save();
    
    // 构造返回响应
    var wordBytes = ((MemoryStream)document.File).ToArray();
    var response = new HttpResponseMessage(HttpStatusCode.OK)
    {
        Content = new ByteArrayContent(wordBytes)
    };
    // 设置正确的docx内容类型
    response.Content.Headers.ContentType = new MediaTypeHeaderValue("application/vnd.openxmlformats-officedocument.wordprocessingml.document");
    response.Content.Headers.ContentDisposition = new ContentDispositionHeaderValue("attachment")
    {
        FileName = $"{FileName}.docx"
    };
    return response;
}

2. 修正HTML返回的编码与内容类型 #

如果必须让Word直接解析HTML，不要用application/msword，改用text/html类型，同时确保HTML包含编码声明：

// 在HTML内容开头添加UTF-8编码声明
var processedHtml = $"<meta charset=\"UTF-8\">{HtmlContent}";
// 用StringContent直接传递HTML，自动处理编码
var response = new HttpResponseMessage(HttpStatusCode.OK)
{
    Content = new StringContent(processedHtml, Encoding.UTF8, "text/html")
};
response.Content.Headers.ContentDisposition = new ContentDispositionHeaderValue("attachment")
{
    // 可以保留.doc后缀，但本质是HTML文件，Word会正确解析
    FileName = $"{FileName}.doc"
};

3. 手动处理HTML实体与编码 #

如果坚持直接转字节流，先处理 并确保编码正确传递：

// 将 替换为普通空格，避免解析异常
var processedHtml = HtmlContent.Replace(" ", " ");
var stream = new MemoryStream(Encoding.UTF8.GetBytes(processedHtml));

var response = new HttpResponseMessage(HttpStatusCode.OK)
{
    Content = new ByteArrayContent(stream.ToArray())
};
// 改用text/html类型，而非application/msword
response.Content.Headers.ContentType = new MediaTypeHeaderValue("text/html");
response.Content.Headers.ContentEncoding.Add("UTF-8");
response.Content.Headers.ContentDisposition = new ContentDispositionHeaderValue("attachment")
{
    FileName = $"{FileName}.doc"
};

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