在 .NET 1.1 中将包含样式的 HTML 表格转换为 PDF

Question

我有同事从事 .NET 1.1 项目，他们从外部方获取 XML 文件，并以编程方式指示 iTextSharp 基于 XML 数据生成 PDF 内容。

棘手的部分是，在这个 XML 中是任意 HTML 内容的片段。这些是用户从其 Office 应用程序复制和粘贴的 HTML 代码。在 Web 浏览器上看起来仍然不错，但是当将此 HTML 输入 iTextSharp 的 HTMLWorker 对象以解析并转换为 PDF 对象时，格式和对齐会在生成的 PDF 文档中到处运行。例如

<span id="mceBoundaryType" class="portrait"></span>
<table border="0" cellspacing="0" cellpadding="0" width="636" class="MsoNormalTable"
    style="margin: auto auto auto 4.65pt; width: 477pt; border-collapse: collapse">
    <tbody>
        <tr style="height: 15.75pt">
            <td width="468" valign="bottom" style="padding-right: 5.4pt; padding-left: 5.4pt;
                padding-bottom: 0in; width: 351pt; padding-top: 0in; height: 15.75pt; background-color: transparent;
                border: #ece9d8">
                <p style="margin: 0in 0in 0pt" class="MsoNormal">
                    <font face="Times New Roman">&nbsp;</font></p>
            </td>
            <td colspan="3" width="168" valign="bottom" style="padding-right: 5.4pt; padding-left: 5.4pt;
                padding-bottom: 0in; width: 1.75in; padding-top: 0in; height: 15.75pt; background-color: transparent;
                border: #ece9d8">
                <p style="margin: 0in 0in 0pt; text-align: center" class="MsoNormal" align="center">
                    <u><font face="Times New Roman">Group</font></u></p>
            </td>
        </tr>

标签中充满了 Style 属性，而 iTextSharp 不支持 CSS 和解释该属性。其他 iTextSharp 用户尝试了哪些替代方法来解决此问题，或其他可行的 HTML 到 PDF 组件？

Answer 1

我发现ExpertPDF 和ABCpdf 等基于.NET 2.0 的组件在解释CSS 样式和正确对齐PDF 中的表格方面做得相当好。现在，我建议我的同事使用可以使用此类组件的单独 .NET 2.0 Web 服务，ASP.NET 1.1 Web 应用程序将通知该服务继续抓取生成的网页，该网页本质上是报告在 HTML 视图中。

更新：

这是答案，因为它是提供给应用程序团队的推荐方法。

Answer 2

我没有任何可靠的答案，但我会给你两个探索的方向，这两个方向都是我以前用过的。

1 - 使用 HtmlAgilityPack 之类的东西来清理你的 HTML - 你可以遍历 DOM 并删除样式和类，这显然会在一定程度上搞砸布局。我不清楚您是否需要保留这种样式。然后，您可以使用 iTextSharp 或 HtmlDoc（也不支持 CSS）之类的替代程序来呈现 PDF。我们编写了一个简单的包装器，其中包含一个获取 URL 的方法，然后调用 Htmldoc 来生成 PDF。

2 - 使用 WebBrowser 控件呈现 HTML 服务器端，从中生成图像，然后使用 PDFsharp 或您选择的库将图像转换为 PDF。这显然不会为您提供可以搜索或复制文本的 PDF。有一些很好的示例代码here 用于将渲染页面转换为图像（注意：您可以获得全高图像，而不仅仅是您可以在不滚动的情况下看到的图像）。

编辑：我认为 WebBrowser 控件在 .NET 1.1 中不可用。