将 HTML 文件转换为 PDF [关闭]答案

【问题标题】：Converting HTML files to PDF [closed]将 HTML 文件转换为 PDF [关闭]
【发布时间】：2010-10-12 15:18:06
【问题描述】：

我需要从现有的 (X)HTML 文档中自动生成 PDF 文件。输入文件（报告）使用相当简单的基于表格的布局，因此可能不需要支持真正花哨的 JavaScript/CSS 内容。

由于我习惯于使用 Java，因此可以在 java 项目中轻松使用的解决方案更可取。不过，它只需要在 Windows 系统上运行即可。

一种可行的方法是使用CSS2XSLFO 和Apache FOP 来创建PDF 文件，但不会产生高质量的输出（至少开箱即用）。我遇到的问题是，虽然 CSS 属性转换得很好，但表格布局非常混乱，文本从表格单元格中流出。

我还快速浏览了 Jrex，这是一个用于使用 Gecko 渲染引擎的 Java-API。

有没有办法从 Internet Explorer 渲染引擎中获取渲染页面并将其自动发送到 PDF-Printer 工具？我没有在 Windows 中进行 OLE 编程的经验，所以我不知道什么是可能的，什么是不可能的。

你有什么想法吗？

【问题讨论】：

我最近创建了一个 Java 库docbag，可以将 xhtml 转换为 pdf 文档。当前版本并不先进，但如果您的 xhtml 模板很简单，这个库可能会派上用场。
我认为要走的路是使用浏览器功能进行翻译。见stackoverflow.com/q/25574082/39998
我一直坚持从包含西里尔字母的 html 生成 pdf。一切都很好，除了省略的西里尔字母。有人遇到过这种问题吗？
@krisiliev：我也有类似的问题，据我所知，使用的字体非常重要。大多数字体不支持完整的 UTF8 字符，但以下应该：' font-family: Arial Unicode MS;' （CSS）。还要确保使用正确的编码（我建议始终使用 UTF-8）
这个链接帮助了我hmkcode.com/itext-html-to-pdf-using-java

标签： java html pdf pdf-generation

【解决方案1】：

Flying Saucer XHTML 渲染器项目支持将 XHTML 输出为 PDF。看一个例子here。

【讨论】：

flying sauser的真正问题在于它使用itext渲染PDF，这是一个AGPL v3许可的lib
飞碟使用的 itext 版本是 2.0.8，在 LGPL 下可用。只有版本号 5 或更高版本在更严格的许可证上。 stackoverflow.com/questions/2692000/…
我想说飞碟的真正问题在于它需要格式良好且有效的 XML 文档。通过在您的 HTML 中包含类似“&”号之类的东西，或者一些使您呈现的 HTML 不是严格的 XHTML 的 javascript 代码，很容易在不知不觉中破坏 PDF 呈现。虽然这可以通过自动化测试或一些涉及 XML 验证的过程来缓解。

【解决方案2】：

你试过WKHTMLTOPDF吗？

它是一个简单的 shell 实用程序，是 WebKit 的开源实现。两者都是免费的。

我们设置了一个小教程here

编辑（2017 年）：

如果要在今天建造一些东西，我不会再走那条路了。
但会改用http://pdfkit.org/。
可能会剥离它所有的 nodejs 依赖项，以便在浏览器中运行。

【讨论】：

对于直接的 html-page-to-pdf 转换，这比我见过的任何其他东西都要好，无论是免费的还是商业的。
它可以在非 Mac OS 上运行吗？
@Eran，我们在 linux 上使用它。我想也有windows版本
@Mic 是的，也有 Windows 版本。
在 windows XP（0.9.9 版）上测试并且运行良好。此外，安装不需要机器上的管理员权限。

【解决方案3】：

查看iText；它是一个纯 Java PDF 工具包，支持从 HTML 读取数据。我最近在一个项目中使用它，当我需要从我们的 CMS 中提取内容并导出为 PDF 文件时，这一切都相当简单。对 CSS 和样式标签的支持非常有限，但它确实可以毫无问题地呈现表格（尽管我从未设法设置列宽）。

从 HTML 创建 PDF 是这样的：

Document doc = new Document(PageSize.A4);
PdfWriter.getInstance(doc, out);
doc.open();
HTMLWorker hw = new HTMLWorker(doc);
hw.parse(new StringReader(html));
doc.close();

【讨论】：

它是 AGPL，看起来比 GPL 还要糟糕，即使你只提供 PDF 并且 iText 是服务器端，你也需要开源。
@Eran，请使用最后一个非 AGPL 版本（Maven 中的 com.lowagie:itext:2.1.7）。
HTMLWorker 在较新版本的 IText 中被弃用，取而代之的是 XMLWorker；然而，这两种情况下的 CSS 支持都很差（请参阅demo.itextsupport.com/xmlworker/itextdoc/…），并且不足以满足我的需求。相反，飞碟是完美的。
你可以使用 LGPL 版本，可以在github.com/albfernandez/itext2找到
HTMLWorker 支持非常简单的 HTML 文档，只有基本元素，没有 CSS。它太有限而没有用处。但是最近的 iText html2pdf 真的很棒kb.itextpdf.com/home/it7kb/ebooks/…

【解决方案4】：

如果你有资金，没有什么比 Prince XML 和 this video shows 更好的了

【讨论】：

如果您正在为 Prince 寻找更便宜的替代品，请尝试 DocRaptor.com。它使用 Prince 作为引擎。
如果你想更便宜，但有更多选择，试试htm2pdf.co.uk - 它使用webkit和用户真正的所见即所得

【解决方案5】：

有没有办法抓住来自互联网的渲染页面资源管理器渲染引擎并发送它自动到 PDF-Printer 工具？

这就是 ActivePDF 的工作原理，这意味着您知道自己会得到什么，而且它实际上具有合理的样式支持。

它也是我发现的少数几个真正支持各种分页 CSS 命令的软件包之一（几年前）。

不幸的是，ActivePDF 软件非常令人沮丧 - 因为它必须在后台启动 IE 浏览器才能进行转换，它可能非常慢，而且也不是特别稳定。

目前有一个新版本处于测试阶段，应该会更好，但我实际上没有机会尝试，所以不知道它有多大改进。

【讨论】：

感谢您的帮助。我不认为 ActivePDF 真的很合适，因为它的价格，但很高兴知道有这样的东西存在。
GrabzIt's HTML to PDF API: grabz.it/html-to-pdf-image-api.aspx 工作方式与在浏览器中呈现 HTML 然后创建 PDF 相同，这确保了更准确的 PDF 转换。

【解决方案6】：

您可以使用带扩展程序的无头 Firefox。跑步很烦人，但确实会产生很好的效果。

查看this answer 了解更多信息。

【讨论】：

如果需要并行地将页面动态转换为 pdf，这听起来不像是一个非常可扩展的解决方案。如果通过一些请求导致使用 FF 进行转换，那么您的服务器将丢失一些 GIG 内存来提供一些转换后的页面。这会将您的服务器打开到 DOS。
更好但相似：github.com/ariya/phantomjs/wiki/Screen-Capture（根据we-love-php.blogspot.com/2012/12/… pdf 具有真实文本，未光栅化）

【解决方案7】：

如果您查看问题的侧边栏，您会看到许多相关问题...

在您的上下文中，更简单的方法可能是安装 PDF 打印驱动程序，如 PDFCreator，然后将页面打印到此输出。

【讨论】：

这是一个 Java 解决方案吗？这是一个 Windows 打印驱动程序。
OP 明确提到了 Windows。我想其他系统也有类似的驱动程序。 OP 只提到 Java 作为一种可能的解决方案......

【解决方案8】：

Amyuni WebkitPDF 可以与 JNI 一起用于仅限 Windows 的解决方案。这是一个 HTML 到 PDF/XAML 的转换库，可免费用于商业和非商业用途。

如果不立即需要输出文件，为了获得更好的可扩展性，最好有一个队列和一些后台进程从那里获取项目、转换它们并存储在数据库或文件系统上。

通常的免责声明适用

【讨论】：