如何使用PowerShell搜索Word文件中的UTF8字符串

Question

I在Github Copilot的协助下创建了一个PowerShell脚本。它可以与ASCII字符效果很好，但是当我尝试搜索UTF-8字符时，它不会返回任何结果。例如，当我将

$searchWord

变量设置为“ yani”时，脚本按预期执行；但是，当我将其更改为“ KOLI”时，它将找不到匹配。如何在使用Word Files时使用UTF-8编码的脚本搜索？

# Define the directory to search and the word to search for
$OutputEncoding = [Console]::OutputEncoding = [Text.UTF8Encoding]::UTF8
$directoryPath = "D:\BAKIM_ARIZA_TAKIP_FORMU\2024\AGUSTOS_AYI"
$searchWord = "KOLİ"

# Load the Word application
$word = New-Object -ComObject Word.Application
$word.Visible = $false

# Get all .docx files in the directory
$docxFiles = Get-ChildItem -Path $directoryPath -Filter *.doc

foreach ($file in $docxFiles) {
    # Open the document
    $document = $word.Documents.Open($file.FullName)
    
    # Search for the word
    $found = $false
    foreach ($range in $document.StoryRanges) {
        if ($range.Text -match [System.Text.Encoding]::UTF8.GetString([System.Text.Encoding]::UTF8.GetBytes($searchWord))) {
            $found = $true
            break
        }
    }
    
    # Output the file name if the word is found
    if ($found) {
        Write-Output "Found '$searchWord' in file: $($file.FullName)"
    }
    
    # Close the document
    $document.Close()
}

# Quit the Word application
$word.Quit()

Answer 1

重新释放您的PowerShell脚本为

UTF-8，否则PowerShell引擎将在脚本中使用任何非ASCII-RANGE字符（例如İ）。

如果您需要在脚本中使用非ASCII字符，请将其保存为
UTF-8与Bom。没有BOM，Windows Powershell误解了您的
脚本被编码在遗留“ ANSI”代码中。反过来，
确实具有UTF-8 BOM的文件可能会在类似于Unix的文件上有问题
平台。许多Unix工具，例如CAT，SED，AWK和一些编辑
例如Gedit不知道如何治疗BOM。

Source参考：

https：//learn.microsoft.com/en-us/powershell/module/microsoft.powershell.core.core/about/about/about/about_character_encter_encoding

BTW，无需明确设置[Console]::OutputEncoding = [Text.UTF8Encoding]::UTF8，也无需将字符串编码为字节。您可以简单地使用$range.Text -match $searchWord