使用C# Microsoft.Office.Interop.Word将Word转XML时符号转换异常

问题根源 #

你遇到的是Symbol字体的编码特性导致的：Symbol是单字节符号字体，它的字符映射和标准ASCII/Unicode完全不同。当你用Winwordcontrol.document.application.selection.range.Text获取文本时，Word会把这些单字节字符直接转成对应的ASCII字符（比如Symbol里的某个符号刚好对应ASCII的"("），而不是实际显示的Unicode符号，所以连Unicode值都拿到的是"("的。

解决方法 #

1. 逐个字符处理，结合字体判断做编码映射

不要直接取整个Range的Text，而是遍历Range里的每个Character，判断字体是否为Symbol，再把单字节编码映射到对应的Unicode符号：

// 示例（C#）
Word.Range targetRange = winwordControl.Document.Application.Selection.Range;
StringBuilder result = new StringBuilder();

foreach (Word.Char character in targetRange.Characters)
{
    if (character.Font.Name.Equals("Symbol", StringComparison.OrdinalIgnoreCase))
    {
        // Symbol字体的单字节编码对应固定Unicode符号，比如ASCII 65→U+0391（Alpha）
        byte symbolCode = (byte)character.Text[0];
        // 这里用Symbol到Unicode的标准映射，可根据实际符号调整
        char unicodeSymbol = (char)(0x0390 + symbolCode);
        result.Append(unicodeSymbol);
    }
    else
    {
        result.Append(character.Text);
    }
}

// 用result.ToString()作为转换后的文本

注：Symbol到Unicode的映射有标准表，比如希腊字母、数学符号等，你可以根据实际用到的符号完善映射逻辑。

2. 直接读取Range的XML内容

Word的Range对象提供了XML属性，里面会包含符号的正确Unicode表示，不用自己做映射：

string rangeXml = winwordControl.Document.Application.Selection.Range.XML;
// 解析这个XML，提取<w:t>标签里的内容，就是正确的符号文本

比如Symbol字体的符号在XML里会是类似这样的结构：

<w:r>
  <w:rPr>
    <w:rFonts w:ascii="Symbol" w:hAnsi="Symbol" w:cs="Symbol"/>
  </w:rPr>
  <w:t>Γ</w:t>
</w:r>

直接提取<w:t>里的内容就是正确的Unicode符号，之后再整合到你的XML输出里即可。

内容的提问来源于stack exchange，提问作者HajiAliyev