Office Web Add-in中GetFileAsync获取数据异常求助

看起来你遇到的问题是把二进制的压缩文档（Office.FileType.Compressed对应的是docx格式，本质是ZIP压缩包）直接转成字符串导致的乱码——因为字节数组里是二进制数据，不是文本编码的字节，直接转字符串必然会出现你截图里的乱码内容。下面是具体的解决方案和代码示例：

核心问题分析 #

当你使用Office.FileType.Compressed获取文档时，拿到的是整个docx文件的二进制数据（ZIP包），这些字节不是UTF-8或其他文本编码的内容，直接调用toString()或者类似方法转换，会把非文本字节错误地解析成乱码字符，这就是你看到的结果。

正确的处理步骤 #

1. 收集所有切片并合并成完整的二进制数组：不要单独转换每个切片，而是把所有切片的字节数组合并成一个Uint8Array，保留完整的二进制数据。
2. 用ZIP库解析二进制数据：docx是ZIP格式，需要用JSZip这类库来解压，提取其中的word/document.xml文件（这是Word文档的核心内容载体）。
3. 解析XML获取文本内容：从提取的XML中解析出纯文本（如果需要）。

完整代码示例 #

1. 获取并合并文档切片 #

function fetchFullDocument() {
  Office.context.document.getFileAsync(
    Office.FileType.Compressed,
    { sliceSize: 10000 },
    (fileResult) => {
      if (fileResult.status !== Office.AsyncResultStatus.Succeeded) {
        console.error('获取文档失败:', fileResult.error.message);
        return;
      }

      const documentFile = fileResult.value;
      const totalSlices = documentFile.sliceCount;
      const collectedSlices = [];

      // 递归获取每个切片
      const getNextSlice = (sliceIndex) => {
        documentFile.getSliceAsync(sliceIndex, (sliceResult) => {
          if (sliceResult.status !== Office.AsyncResultStatus.Succeeded) {
            console.error('获取切片失败:', sliceResult.error.message);
            documentFile.closeAsync();
            return;
          }

          collectedSlices.push(sliceResult.value.data);

          if (sliceIndex === totalSlices - 1) {
            // 所有切片收集完成，合并成Uint8Array
            const totalBytes = collectedSlices.reduce((sum, slice) => sum + slice.length, 0);
            const mergedBinary = new Uint8Array(totalBytes);
            let offset = 0;

            collectedSlices.forEach(slice => {
              mergedBinary.set(slice, offset);
              offset += slice.length;
            });

            // 处理合并后的二进制数据
            parseCompressedDocument(mergedBinary);
            // 关闭文件释放资源
            documentFile.closeAsync();
          } else {
            getNextSlice(sliceIndex + 1);
          }
        });
      };

      getNextSlice(0);
    }
  );
}

2. 解析ZIP包并提取内容 #

首先需要引入JSZip库（可以通过CDN或者本地引入）：

<script src="https://cdnjs.cloudflare.com/ajax/libs/jszip/3.10.1/jszip.min.js"></script>

然后编写解析函数：

async function parseCompressedDocument(zipBinary) {
  try {
    // 加载ZIP二进制数据
    const zip = await JSZip.loadAsync(zipBinary);
    
    // 获取Word文档的核心内容XML
    const documentXml = await zip.file('word/document.xml').async('text');
    console.log('文档原始XML内容:', documentXml);

    // （可选）将XML转换为纯文本
    const parser = new DOMParser();
    const xmlDoc = parser.parseFromString(documentXml, 'text/xml');
    const plainText = xmlDoc.textContent.trim();
    console.log('文档纯文本内容:', plainText);
  } catch (error) {
    console.error('解析文档失败:', error.message);
  }
}

关键注意事项 #

• 不要直接将切片的字节数组转换为字符串：二进制ZIP数据必须以二进制形式处理，不能当作文本解码。
• 记得关闭文件：获取完所有切片后，一定要调用file.closeAsync()释放资源，避免内存泄漏。
• XML解析：如果需要更精准的文本提取（比如保留格式或段落结构），可以使用专门的Office Open XML解析库，或者自己遍历XML节点提取内容。

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