从 HTML 转换为 pdf 会产生异常答案

【问题标题】：Conversion from HTML to pdf generates an exception从 HTML 转换为 pdf 会产生异常
【发布时间】：2018-04-01 20:26:37
【问题描述】：

我有一个小型 C# 桌面应用程序，它创建一个给定一些 HTML 的 pdf 文件，从 *.eml 文件中检索。这是一个示例：

<html>
<head>
 <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
</head>
<body>
 <div style="font: normal 13px Arial; color:#000000;">
  <p class="MsoNormal" style="MARGIN: 0cm 0cm 0pt"><font size="3"><font face="Calibri">Some text<o:p></o:p></font></font><br />
  </p>
  <p class="MsoNormal" style="MARGIN: 0cm 0cm 0pt"><o:p><font size="3" face="Calibri">&nbsp;</font></o:p><br />
   <span style="FONT-SIZE: 11pt; FONT-FAMILY: &quot;Calibri&quot;,&quot;sans-serif&quot;; mso-fareast-font-family: Calibri; mso-fareast-theme-font: minor-latin; mso-bidi-font-family: &quot;Times New Roman&quot;; mso-fareast-language: EN-US; mso-ascii-theme-font: minor-latin; mso-hansi-theme-font: minor-latin; mso-bidi-theme-font: minor-bidi; mso-ansi-language: IT; mso-bidi-language: AR-SA">Some other text</span>
  </p>
 </div>
</body>
</html>

在我的机器 (Win10 x64) 上一切正常，但是当我在客户端机器 (Win Server 2008 R2 x64) 上运行相同的代码时，我从 iTextsharp 异常中收到“文档没有页面”消息。

这种情况有时会发生，对于特定的 HTML 字符串，比如我刚刚发布的那个；我无法在客户端机器上运行调试会话，但是我验证了程序接收到格式正确的 HTML（因为它是使用 HTML Agility Pack 解析的）。

这可能是与字体相关的问题吗？我完全不知道，这些似乎存在于客户端的机器上。

这是我用于创建 pdf 文档的代码的 sn-p（它使用自定义图像标签处理器，尽管它不应该是问题，因为给定的 sn-p 中没有任何问题）：

using (var document = new Document())
{
    var writer = PdfWriter.GetInstance(document, new FileStream(destinationPath, FileMode.Create));
    writer.CompressionLevel = PdfStream.BEST_COMPRESSION;
    document.Open();

    var tagProcessors = (DefaultTagProcessorFactory)Tags.GetHtmlTagProcessorFactory();
    tagProcessors.RemoveProcessor(HTML.Tag.IMG);
    tagProcessors.AddProcessor(HTML.Tag.IMG, new CustomImageTagProcessor());
    CssFilesImpl cssFiles = new CssFilesImpl();
    cssFiles.Add(XMLWorkerHelper.GetInstance().GetDefaultCSS());
    var cssResolver = new StyleAttrCSSResolver(cssFiles);
    cssResolver.AddCss(@"code { padding: 2px 4px; }", "utf-8", true);
    var charset = Encoding.UTF8;
    var hpc = new HtmlPipelineContext(new CssAppliersImpl(new XMLWorkerFontProvider()));
    hpc.SetAcceptUnknown(true).AutoBookmark(true).SetTagFactory(tagProcessors);
    var htmlPipeline = new HtmlPipeline(hpc, new PdfWriterPipeline(document, writer));                            
    var pipeline = new CssResolverPipeline(cssResolver, htmlPipeline);
    var worker = new XMLWorker(pipeline, true);
    var xmlParser = new XMLParser(true, worker, charset);
    xmlParser.Parse(new StringReader(fixedMarkup));
}

【问题讨论】：

标签： c# itext xmlworker

【解决方案1】：

您应该迁移到 pdfHTML，它是 iText7（iText 的最新版本）插件，可将 HTML 转换为 PDF。多年来，许多错误（通常与表格、字体和布局有关）已修复，因此默认情况下 pdfHTML 更有可能进行转换。

示例代码：

HtmlConverter.convertToPdf(
    "<b>This text should be written in bold.</b>", 
    new PdfWriter(new File("C://users/mentre83/output.pdf")));

【讨论】：

感谢您的建议，我将尝试获得试用许可证以验证这是否是更好的解决方案。我仍然想确定两台机器上不同行为的原因。
我认为（但这更多地基于经验而不是实际运行您的代码）它可能需要对字体或其他在一台计算机上不可用但在另一个。例如，如果一个字形不能被渲染（因为字体没有那个字形），iText 根本不会渲染那个字符。如果您的所有字符都被跳过，则不会添加任何内容，并且您会收到“文档没有页面”异常。并且 Arial unicode 并非在所有机器上都可用。
我的想法完全正确。虽然字形似乎不是问题，但我怀疑这与字体有关。在资源方面，我用来测试代码的机器（我也在一些虚拟机上尝试过）似乎几乎相同。

【解决方案2】：

发现问题。正如我所怀疑的，它与字体有关。

在我的机器上，Calibri 字体可以嵌入到 *.pdf 文档中，而在其他机器上，它的“字体嵌入性”属性设置为“受限”。

我想我必须解析 HTML 并将“字体系列”标签中的所有值更改为非限制值。

【讨论】：