【PowerShell】 Word 문서의 문자를 유니 코드 정규화

소개

Word 파일에 대해 유니코드 정규화를 수행하는 스크립트 샘플.

Windows 10

PowerShell v5.1

Word 버전은 Office 365

무엇이 있었는지

있을 때, 계약서의 종류의 문서에는 갱신이 있고, 차이를 체크할 필요가 나왔다.
제공된 형식은 pdf 이었기 때문에, Word로 변환해, 탭 「교열」→「비교」로부터 비교를 실시했다.

그러자 확실히 똑같은 문자인데, 변경이 있다고 표시되어 있는 글자가 흔들렸다.

사쿠라 에디터에 해당 부분을 복사해 보면 문자 코드가 다른 것을 알 수 있었다. 이쪽이라면 외형이 다르기 때문에 알기 쉽다.

원인으로서는, MacOS로 문서를 작성했을 경우, 사용하는 어플리케이션에 의해 UTF-8에서도 사용하는 코드가 다른 것이 있다고 하는 것이 생각되는 것 같다.
대응 방법으로서는, 문서 작성원에 문의하는 것이 제일이지만, 모처럼이므로(?) 코드로 어떻게든 해 보았다.

샘플

파라미터로 지정된 docx 파일을 정규화한다.
docx 파일은 Zip 형식이므로 압축을 풀고 내부 word\document.xml 파일을 정규화하고 덮어 씁니다.
그런 다음 다시 압축하여 새 docx 파일을 만듭니다.

Param($filePathDocx)

Add-Type -AssemblyName System.IO.Compression.FileSystem

# パラメータで指定されたファイルを正規化

# 拡張子チェック
if ($filePathDocx -eq $null -or -not $filePathDocx.EndsWith(".docx")) {
    Write-Host "[エラー] docxファイルではありません"
    return
}

# 正規化後ファイルパス
$filePathDocxOut = $filePathDocx.Replace(".docx", "_正規化.docx")

if (Test-Path $filePathDocxOut) {
    Remove-Item $filePathDocxOut
}

# docx解凍
$extractDir = [System.IO.Path]::GetTempPath() + "\word_extract_" + (Get-Date -Format yyyyMMddHHmmss)

[System.IO.Compression.ZipFile]::ExtractToDirectory($filePathDocx, $extractDir)

# document.xmlの正規化
$docFilePath = "${extractDir}\word\document.xml"
$tmpFilePath = [System.IO.Path]::GetTempFileName()

[System.IO.File]::Copy($docFilePath, $tmpFilePath, $true)

$reader = $null
try {
    $reader = New-Object System.IO.StreamReader($tmpFilePath)

    $writer = $null
    try {
        $writer = New-Object System.IO.StreamWriter($docFilePath, $false, [System.Text.Encoding]::UTF8)
        $line = $reader.ReadLine()

        while ($line -ne $null) {
            $line = $line.Normalize([System.Text.NormalizationForm]::FormKC)
            $writer.WriteLine($line)

            $line = $reader.ReadLine()
        }

    } finally {
        if ($writer -ne $null) {
            $writer.Close()
        }        
    }

} finally {
    if ($reader -ne $null) {
        $reader.Close()
    }
}

# 圧縮
[System.IO.Compression.ZipFile]::CreateFromDirectory($extractDir, $filePathDocxOut)

# 後片付け
[System.IO.Directory]::Delete($extractDir, $true)
[System.IO.File]::Delete($tmpFilePath )

Write-Host "done"