个人中心
gpt4 book ai didi

html - 使用iText将HTML转换为PDF

转载 作者：行者123 更新时间：2023-11-28 09:08:18 26 4
gpt4 key购买 nike

我之所以发布此问题，是因为许多开发人员或多或少以不同的形式提出了相同的问题。我将亲自回答这个问题（我是iText Group的创始人/首席技术官），这样它就可以成为“ Wiki-answer”。如果堆栈溢出的“文档”功能仍然存在，那么这将是文档主题的不错选择。

源文件：

我正在尝试将以下HTML文件转换为PDF：

<html>
    <head>
        <title>Colossal (movie)</title>
        <style>
            .poster { width: 120px;float: right; }
            .director { font-style: italic; }
            .description { font-family: serif; }
            .imdb { font-size: 0.8em; }
            a { color: red; }
        </style>
    </head>
    <body>
        <img src="img/colossal.jpg" class="poster" />
        <h1>Colossal (2016)</h1>
        <div class="director">Directed by Nacho Vigalondo</div>
        <div class="description">Gloria is an out-of-work party girl
            forced to leave her life in New York City, and move back home.
            When reports surface that a giant creature is destroying Seoul,
            she gradually comes to the realization that she is somehow connected
            to this phenomenon.
        </div>
        <div class="imdb">Read more about this movie on
            <a href="www.imdb.com/title/tt4680182">IMDB</a>
        </div>
    </body>
</html>


在浏览器中，此HTML如下所示：

enter image description here

我遇到的问题：

HTMLWorker根本不考虑CSS

使用 HTMLWorker时，我需要创建一个 ImageProvider以避免出现错误消息，该错误通知我找不到图像。我还需要创建一个 StyleSheet实例来更改某些样式： 

public static class MyImageFactory implements ImageProvider {
    public Image getImage(String src, Map<String, String> h,
            ChainedProperties cprops, DocListener doc) {
        try {
            return Image.getInstance(
                String.format("resources/html/img/%s",
                    src.substring(src.lastIndexOf("/") + 1)));
        } catch (DocumentException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return null;
    }    
}

public static void main(String[] args) throws IOException, DocumentException {
    Document document = new Document();
    PdfWriter.getInstance(document, new FileOutputStream("results/htmlworker.pdf"));
    document.open();
    StyleSheet styles = new StyleSheet();   
    styles.loadStyle("imdb", "size", "-3");
    HTMLWorker htmlWorker = new HTMLWorker(document, null, styles);
    HashMap<String,Object> providers = new HashMap<String, Object>();
    providers.put(HTMLWorker.IMG_PROVIDER, new MyImageFactory());
    htmlWorker.setProviders(providers);
    htmlWorker.parse(new FileReader("resources/html/sample.html"));
    document.close();   
}


结果看起来像这样：

enter image description here

由于某些原因， HTMLWorker还会显示 <title>标记的内容。我不知道如何避免这种情况。标头中的CSS根本没有解析，我必须使用 StyleSheet对象在代码中定义所有样式。

在查看代码时，我发现不赞成使用许多对象和方法：

enter image description here

因此，我决定升级为使用XML Worker。



使用XML Worker时找不到图像

我尝试了以下代码： 

public static final String DEST = "results/xmlworker1.pdf";
public static final String HTML = "resources/html/sample.html";
public void createPdf(String file) throws IOException, DocumentException {
    Document document = new Document();
    PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(file));
    document.open();
    XMLWorkerHelper.getInstance().parseXHtml(writer, document,
            new FileInputStream(HTML));
    document.close();
}


这产生了以下PDF：

enter image description here

缺省字体为Helvetica，而不是Times-Roman。这对于iText是典型的（我应该在HTML中明确定义字体）。否则，似乎会尊重CSS，但是图像丢失了，并且我没有收到错误消息。

使用 HTMLWorker引发了异常，我能够通过引入 ImageProvider来解决此问题。让我们看看这是否适用于XML Worker。

并非所有XML样式在XML Worker中都受支持

我这样修改我的代码： 

public static final String DEST = "results/xmlworker2.pdf";
public static final String HTML = "resources/html/sample.html";
public static final String IMG_PATH = "resources/html/";
public void createPdf(String file) throws IOException, DocumentException {
    Document document = new Document();
    PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(file));
    document.open();

    CSSResolver cssResolver =
            XMLWorkerHelper.getInstance().getDefaultCssResolver(true);
    HtmlPipelineContext htmlContext = new HtmlPipelineContext(null);
    htmlContext.setTagFactory(Tags.getHtmlTagProcessorFactory());
    htmlContext.setImageProvider(new AbstractImageProvider() {
        public String getImageRootPath() {
            return IMG_PATH;
        }
    });

    PdfWriterPipeline pdf = new PdfWriterPipeline(document, writer);
    HtmlPipeline html = new HtmlPipeline(htmlContext, pdf);
    CssResolverPipeline css = new CssResolverPipeline(cssResolver, html);

    XMLWorker worker = new XMLWorker(css, true);
    XMLParser p = new XMLParser(worker);
    p.parse(new FileInputStream(HTML));

    document.close();
}


我的代码更长了，但是现在图像被渲染了：

enter image description here

该图像比我使用 HTMLWorker渲染时的图像大，这告诉我考虑了 width类的CSS属性 poster，但是 float属性被忽略。我该如何解决？

剩下的问题：

因此，问题归结为：我有一个特定的HTML文件，尝试将其转换为PDF。我已经做了很多工作，一个接一个地解决了一个问题，但是有一个我无法解决的特定问题：如何使iText尊重定义元素位置（例如 float: right）的CSS？

附加问题：

当我的HTML包含表单元素（例如 <input>）时，这些表单元素将被忽略。

最佳答案

为什么您的代码不起作用

如HTML to PDF tutorial的介绍中所述，HTMLWorker已被弃用很多年。并不是要转换完整的HTML页面。它不知道HTML页面具有<head>和<body>部分。它只是解析所有内容。它旨在解析小的HTML代码段，并且您可以使用StyleSheet类定义样式。不支持真正的CSS。

然后是XML Worker。 XML Worker被认为是解析XML的通用框架。作为概念验证，我们决定编写一些XHTML到PDF功能，但我们不支持所有HTML标记。例如：根本不支持表单，并且很难支持用于定位内容的CSS。 HTML中的表单与PDF中的表单有很大不同。 iText架构与HTML + CSS架构之间也存在不匹配。逐渐地，我们主要根据客户的请求扩展了XML Worker，但是XML Worker变成了一个有许多触角的怪物。

最终，我们决定从头开始重写iText，同时考虑到HTML + CSS转换的要求。结果为iText 7。在iText 7之上，我们创建了几个附加组件，在这种情况下，最重要的附加组件是pdfHTML。

如何解决问题

使用最新版本的iText（iText 7.1.0 + pdfHTML 2.0.0），将HTML从问题转换为PDF的代码减少到以下代码段：

public static final String SRC = "src/main/resources/html/sample.html";
public static final String DEST = "target/results/sample.pdf";
public void createPdf(String src, String dest) throws IOException {
    HtmlConverter.convertToPdf(new File(src), new File(dest));
}


结果看起来像这样：

enter image description here

如您所见，这几乎是您期望的结果。从iText 7.1.0 / pdfHTML 2.0.0开始，默认字体为Times-Roman。 CSS受到尊重：图像现在在右侧浮动。

一些其他想法。

当我给出升级到iText 7 / pdfHTML 2的建议时，开发人员通常会反对升级到iText版本。请允许我回答我听到的前3个论点：

我需要使用免费的iText，而iText 7不是免费的/ pdfHTML附件是封闭源。

iText 7是使用AGPL发行的，就像iText 5和XML Worker一样。 AGPL允许在开源项目的上下文中免费使用。如果您要分发封闭的源代码/专有产品（例如，您在SaaS上下文中使用iText），则不能免费使用iText；在这种情况下，您必须购买商业许可证。对于iText 5，这已经是正确的；对于iText 7仍然如此，对于iText 5之前的版本： you shouldn't use these at all。关于pdfHTML：最初的版本确实仅作为封闭源代码软件提供。我们在iText集团内部进行了广泛的讨论：一方面，有人希望避免那些不听开发人员的公司的大规模滥用，因为那些开发人员告诉我们开放源代码不是开源的力量。和免费一样。开发人员告诉我们，他们的老板强迫他们做错事，并且他们无法说服老板购买商业许可证。另一方面，有人争论说我们不应该因为老板的错误行为而惩罚开发商。最终，赞成开放源代码pdfHTML的人们（即iText的开发人员）赢得了争论。请证明它们没有错，并正确使用iText：如果免费使用iText，请遵守AGPL；如果您在封闭源环境中使用iText，请确保您的老板购买了商业许可证。

我需要维护旧系统，并且必须使用旧的iText版本。

认真吗维护还涉及应用升级并迁移到您正在使用的软件的新版本。如您所见，使用iText 7和pdfHTML时所需的代码非常简单，并且比以前所需的代码更少出错。迁移项目不应该花费太长时间。

我才刚刚开始，对iText 7一无所知。我只有在完成项目后才发现。

这就是为什么我要发布此问题和答案。将自己视为极端程序员。扔掉所有代码，然后重新开始。您会注意到它的工作量没有您想象的那么多，而且由于iText 5正在逐步淘汰，您知道自己使项目变得面向未来时会睡得更好。我们仍然为付费客户提供支持，但是最终，我们将完全停止支持iText 5。

关于html - 使用iText将HTML转换为PDF，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26601714/

26 4 0
文章推荐： html - 从查询创建按钮数组 - 使用 CSS 调整大小
文章推荐： javascript - 无法读取未定义的属性 'length'(使用地理服务器打印 map )
文章推荐： javascript - 使用 Rails 以 Haml 形式执行 JavaScript
文章推荐： javascript - 使用 jquery cookie 插件附加到此
行者123
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com