如何在从 HTML 生成的 PDF 中定义块的长度？答案

【问题标题】：How could I define the chunk's length in a PDF generated from an HTML?如何在从 HTML 生成的 PDF 中定义块的长度？
【发布时间】：2019-06-08 09:43:43
【问题描述】：

我正在设法从电子邮件中生成 PDF 文件，我实际上是通过 MailKit 检索该文件。

生成 pdf 文件本身没有实际问题（我正在向 PdfWriter 实例提供由 HtmlAgilityPack 提供的干净、经过改进和准备就绪的 html）。

我只想将每个单词指定为单个 TextChunk 而不是每个短语，这就是实际编写的内容。我猜这是“特定”的东西，因为取决于 pdf 打印机/生成器，它适用于某些文档，TextChunk 组合只是变化，有时是短语、单词甚至单个字符。

有没有办法将要插入到文档中的每个新块指定为一个单词？

这是我的代码，但到目前为止我还没有弄清楚如何指定“块细节”级别。

using (var ms = new MemoryStream())
{
    using (var doc = new Document())
    {
        using (var writer = PdfWriter.GetInstance(doc, ms))
        {
            doc.Open();
            using (var srHtml = new StringReader(message.Body.HtmlBody))
            {
                XMLWorkerHelper.GetInstance().ParseXHtml(writer, doc, srHtml);
            }
            doc.Close();
        }
    }
    File.WriteAllBytes(_outputPath, ms.ToArray());
}

【问题讨论】：

iText 中的 TextChunk 类与文本提取有关，而您的代码与 PDF 生成有关。我是否正确地假设您的用例不仅包括 PDF 生成，还包括这些 PDF 的内容受文本提取的后续步骤？您想以某种方式生成 PDF，在文本提取步骤中导致 LocationTextExtractionStrategy 中的 TextChunk 实例始终包含一个完整的单词？
是的@mkl 你是对的！这正是我所指的！
;) 非常感谢！
@mkl 感谢您分享您的 PDF 知识！

标签： c# .net itext pdf-generation pdf-writer

【解决方案1】：

^{iText 中的 TextChunk 类与文本提取有关，而您的代码与 PDF 生成有关。在评论中，您澄清说，您的用例不仅包括 PDF 生成，还包括这些 PDF 的内容受文本提取的后续步骤，并且您希望以某种方式以文本提取的方式生成 PDF step 导致LocationTextExtractionStrategy 中的TextChunk 实例始终包含一个完整的单词。}

首先，提取文本的 chunkiness 不仅仅是相关 PDF 生成器的自定义怪癖，一个块有一个最大长度，它必须在第一个字符处停止当前设置发生了一些变化，例如颜色、字体、字体大小……，或者与前一个字符的距离不是由前一个字符的宽度单独决定的。

虽然前一种设置很少会在一个单词中发生变化（但即使它们偶尔会发生变化），但如果 PDF 生成器通过应用字距调整美化书面文本，后一种异常可能会经常发生。

因此，对于支持字距调整的 PDF 生成器，您通常会得到比单词小的块，除非您拒绝支持字距调整，否则您无法阻止这种情况。

但在这些限制允许的范围内，通常是 PDF 生成器的实现细节，它通常是不可配置的。

在手头的情况下：iText，对于要求绘制的每个连续文本，创建尽可能长的块，您无法通过配置进行更改。

但是，您可以做的是根据您的要求减少您绘制的连续文本片段！例如。对于

<html><body><p>Header material</p></body></html>

你会得到一个单独的块“标题材料”，但对于

<html><body><p><span>Header</span> <span>material</span></p></body></html>

你会得到块“标题”、“”和“材料”！

【讨论】：