毁灭吧 word!golang 生成 word 模板替换问题排查

正在开发人事管理系统的入职登记表 word 导出功能，使用 golang 的 “github.com/nguyenthenguyen/docx” 包进行 word 模板替换时，遇到了一个诡异的问题。
就是大部分占位符都能正确替换，但有几个占位符却无法替换成功。折腾了一天才搞定🥲

我开始以为是代码的问题，检查了半天没有发现问题。然后，我又怀疑是这个三分库的 bug，可能出了异常，但是没有把 error 返回出来。但是，感觉也不太可能，毕竟在类似的使用场景下，大部分占位符都能正确替换，说明这个库的基本功能是正常的。最后，我才想到，可能是 word 模板本身的问题。

问了一下 DeepSeek，也印证了这种猜测。

文本被拆分

在 DOCX 的 XML 中，一个段落（）可能由多个（run）组成，每个 run 代表一段连续且格式一致的文本。例如，如果目标文本 “你好” 中的“你”是粗体，“好”是普通字体，它们会被分到两个不同的 run 中。Replace 方法通常只能在一个 run 内部进行简单字符串匹配，无法跨 run 查找。因此，即使文档中看起来有连续的文本，实际 XML 可能是：

<w:p>
  <w:r><w:t>你</w:t></w:r>
  <w:r><w:t>好</w:t></w:r>
</w:p>

此时，golang 代码就没法正确替换

doc.Replace("你好", "Hello", -1)

排查方法

怎么能看到 word 文件的 XML 结构呢？其实很简单，DOCX 文件本质上是一个 ZIP 压缩包，我们可以直接解压它来查看内部的 XML 文件。

将 .docx 文件的后缀改为 .zip。
直接右键解压缩这个 ZIP 文件。

可以看看这个文件夹的目录结构：

> tree
.
├── [Content_Types].xml
├── _rels
├── customXml
│   ├── _rels
│   │   └── item1.xml.rels
│   ├── item1.xml
│   └── itemProps1.xml
├── docProps
│   ├── app.xml
│   ├── core.xml
│   └── custom.xml
└── word
    ├── _rels
    │   ├── document.xml.rels
    │   └── header1.xml.rels
    ├── document.xml
    ├── endnotes.xml
    ├── fontTable.xml
    ├── footnotes.xml
    ├── header1.xml
    ├── media
    │   └── image1.png
    ├── settings.xml
    ├── styles.xml
    └── theme
        └── theme1.xml

8 directories, 18 files

这个 work 文件的结构真是非常值得学习，看起来就像是一个小型网站模板系统一样，图片和样式都被分离出来了，文档内容在 document.xml 中，样式在 styles.xml 中，图片在 media 文件夹中。
最后再用 zip 打包，只是后缀改成了 docx，真是天才。
Excel 也是类似的，特别是在大数据量下，用了 ZIP 压缩可以大大减少文件大小，相比 csv 文件来说，docx 和 xlsx 的文件大小可以小很多。

如果 Markdown 搞个扩展模式，例如 mdx, 也可以通过类似的方式把图片整合进去，感觉也很棒。

言归正传，我们打开 document.xml 文件，搜索一下正常的占位符文本（例如，占位符 GT1 可以被正确的替换），会看到确实是没有分割：

<w:r>
	<w:rPr>
		<w:rFonts w:hint="eastAsia" w:ascii="宋体" w:hAnsi="宋体" w:cs="宋体"/>
		<w:bCs/>
		<w:sz w:val="21"/>
		<w:szCs w:val="21"/>
	</w:rPr>
	<w:t>GT1</w:t>
</w:r>

而异常的占位符（例如，占位符 GT2）被分割成了两部分：

<w:r>
	<w:rPr>
	<w:rFonts w:hint="eastAsia"/>
	</w:rPr>
	<w:t>GT</w:t>
</w:r>

<w:r>
	<w:rPr>
	<w:rFonts w:hint="eastAsia"/>
	<w:lang w:val="en-US" w:eastAsia="zh-CN"/>
	</w:rPr>
	<w:t>2</w:t>
</w:r>

这就是为什么 GT1 能被正确替换，而 GT2 却无法替换的原因了。

解决方法

最简单直接的方法，就是删掉有问题的占位符，然后手动敲一遍。

⚠：千万不要尝试从别处复制黏贴字符串过来，然后修改某个字符。word 的复制黏贴会产生意想不到的格式变化，即便你复制黏贴过来清除格式，再应用格式也不行。一定要手动敲一遍。

我现在才理解为何发票之类的文件，默认都是采用 PDF 或者图片了。Word 的格式调整能浪费你一天时间。

Latex 会不会是更好的选择呢？

Word 虽然编辑起来方便，但是遇到类似的占位符替换问题，排查起来真的非常麻烦。

不知道 Latex 会不会是更好的选择呢？毕竟它是基于文本的，直接替换字符串就行了，不会有被拆分成多个 run 的问题。