如何避免使用 Itext 5 将空的 <TR<TD> 单元格标记为 PDF

Question

我使用 i text 5 从 html 生成 PDF 作为输入。 作为 PDF 可访问性的一部分，添加 pdfwriter.settagged()。

但是这里所有的空标签和非空标签都被标记了。请你帮助如何避免标记非空的html标签

Answer 1

我想绕过它的一种方法是通过输出 PDF 文档上的 StructTree，并尝试找到您正在寻找的标签，没有任何孩子，并将其从父级中删除。我不再使用 iText 5，因为它已被弃用（仅发布了安全修复程序），但使用 iText 7，您可以执行以下操作：

private void removeEmptyTag() throws IOException {
    final PdfDocument pdfDoc = new PdfDocument(new PdfReader(ORIG),
            new PdfWriter(DEST));
    PdfDictionary catalog = pdfDoc.getCatalog().getPdfObject();
    // Gets the root dictionary
    PdfDictionary structTreeRoot = catalog.getAsDictionary(PdfName.StructTreeRoot);
    manipulate(structTreeRoot);

    pdfDoc.close();
}

public boolean manipulate(PdfDictionary element) {

    if (element == null)
        return false;

    if (PdfName.TD.equals(element.get(PdfName.S))) {
        if (!element.containsKey(PdfName.K)) {
            return true;
        }
    }

    PdfArray kids = element.getAsArray(PdfName.K);
    if (kids == null) return false;
    for (int i = 0; i < kids.size(); i++) {
        if (manipulate(kids.getAsDictionary(i))) {
            kids.remove(i);
        }
    }

    return false;
}

这不是最优雅的事情，但我使用pdfHTML 创建了一个 HTML 文件，其中我有一个空的 td

<tr>
    <th>Firstname</th>
    <th>Lastname</th>
    <th>Age</th>
</tr>
<tr>
    <td>Jill</td>
    <td>Smith</td>
    <td></td>
</tr>
<tr>
    <td>Eve</td>
    <td>Jackson</td>
    <td>94</td>
</tr>

然后我使用代码来检查它并删除空标签（或者更确切地说，没有子标签的标签）。也许有一个直接使用 xmlWorker 的解决方案（我假设这是您用来创建 HTML 文档的方法），或者是我建议的更好的后处理替代方案。

Answer 2

你可以直接用pdfHTML来做（基本上是iText 7中HTML到PDF转换的解决方案）。

ConverterProperties props = new ConverterProperties();
props.setTagWorkerFactory(new DefaultTagWorkerFactory() {
                @Override
                public ITagWorker getCustomTagWorker(
                        IElementNode tag, ProcessorContext context) {
                    if (tag.name().equals(TagConstants.TD)) {
                        if (!tag.childNodes().isEmpty()) {
                            return new TdTagWorker(tag, context);
                        } else {
                            return new SpanTagWorker(tag, context);
                        }
                    }


                    return null;
                }
            });


PdfDocument doc = new PdfDocument(new PdfWriter(DEST));
doc.setTagged();

HtmlConverter.convertToPdf(new FileInputStream(ORIG), doc, props);

在上面的代码中，您可以使用setTagWorkerFactory 为您的标签设置自定义行为，如the documentation 中所述。在这种特定情况下，我只是将空的 TD 标签更改为 Span 元素，从而实现所需的行为（多余的 TD 标签消失）。

（老实说，这依赖于 TR 工作人员无法解析 SPAN 标签，所以它只是跳船。如果我想出一个更优雅的解决方案，我会更新答案）