使用express-fileupload上传.docx后Node.js无法读取，显示乱码

嘿，我来帮你搞定这个docx读取乱码的问题～

你遇到的核心问题是：docx不是纯文本文件，它本质是一个包含XML结构的压缩zip包，直接用utf8编码去读取二进制的docx文件，肯定会输出乱码。

解决方案步骤： #

1. 安装专门解析docx的库
   推荐用mammoth（轻量易用，适合快速提取纯文本），先安装依赖：

   npm install mammoth
   

2. 修改代码，以二进制方式读取文件并解析
   上传环节没问题，但读取时要放弃utf8编码，读取原始二进制Buffer，再用mammoth解析内容：

   const mammoth = require('mammoth');
   const fs = require('fs');
   const path = require('path');
   
   app.post('/upload', (req, res, next) => {
     let file = req.files.file;
     const filePath = path.join(__dirname, 'public', req.body.filename);
     
     file.mv(filePath, function(err) {
       if (err) {
         return res.status(500).send(err);
       }
       
       // 以二进制方式读取文件（不指定编码，默认返回Buffer）
       fs.readFile(filePath, (err, buffer) => {
         if (err) {
           return res.status(500).send('读取文件失败：' + err.message);
         }
         
         // 使用mammoth提取docx中的纯文本
         mammoth.extractRawText({ buffer: buffer })
           .then(result => {
             const text = result.value; // 解析出的纯文本内容
             const parseTips = result.messages; // 解析过程中的提示（比如格式警告）
             
             console.log('解析后的文本：', text);
             res.send({ content: text, tips: parseTips });
           })
           .catch(parseErr => {
             res.status(500).send('解析docx失败：' + parseErr.message);
           });
       });
     });
   });
   

为什么这样能解决问题？ #

• 当你调用fs.readFile时不指定编码，Node.js会返回原始的二进制Buffer，这才是docx文件的正确读取方式。
• mammoth库会自动解析docx的内部压缩结构，提取出其中的文本内容，而不是把二进制数据强行转成utf8文本导致乱码。

如果之后需要读取docx的样式、表格、图片等更复杂的内容，可以试试docx库，不过它的API相对复杂一些，适合需要精细操作docx的场景。

内容的提问来源于stack exchange，提问作者m-ketan