在 java 上从第三方 HTML 生成 PDF答案

【问题标题】：Generating PDF from a third-party HTML on java在 java 上从第三方 HTML 生成 PDF
【发布时间】：2014-04-16 15:33:41
【问题描述】：

我正在尝试生成第三方 HTML 的 PDF 版本（实际上它是一个 HTM 文件）。这个 HTML 将来可能会改变，我完全无法控制它。我想做的就是将其转换为 PDF。

我已经尝试了 2 个解决方案：iText（使用 XmlWorker）和 Flying-Saucer，但目前没有成功。

我的问题是 HTML 文件非常不符合默认模式。例子：

    <link rel=File-List href="040602_inds_files/filelist.xml">

    <meta http-equiv=Content-Type content="text/html; charset=windows-1252">

第一个没有关闭标签（iText 崩溃），第二个在 'http-equiv' 值上没有双引号（Flying-Saucer 崩溃）。

我发现了很多关于这个问题的帖子，但他们都在处理自己的 HTML，所以他们可以修复它并重试。但我不能这样做。

This 是我要转换的页面。

这是我的 iText 转换方法：

        public static void convert(PdfWriter writer, Document document, String siteUrl) throws MalformedURLException, IOException {
            XMLWorkerHelper.getInstance().parseXHtml(writer, document,
                    new BufferedReader(new InputStreamReader(new URL(siteUrl).openStream())));
        }

这是我的飞碟转换方法：

        public static void convertFS(String siteUrl, String fileName) throws com.lowagie.text.DocumentException, IOException {
            OutputStream os = new FileOutputStream(fileName);
            ITextRenderer renderer = new ITextRenderer();
            renderer.setDocument(siteUrl);
            renderer.layout();
            renderer.createPDF(os);

            os.close();
        }

有什么建议吗？如果它们可以正常使用，我接受其他库。提前谢谢。

【问题讨论】：

可能您可以首先通过使用接受格式错误的 HTML 代码（例如 jsoup）的库读取来规范化 HTML 代码，写入具有所有标签且格式正确的临时位置，然后执行 PDF使用 iText 从临时位置转换。

标签： java itext flying-saucer xmlworker

【解决方案1】：

可以先通过jsoup解析HTML文件，然后将内容转换成标准的HTML文件，最后就可以使用iText生成PDF了

【讨论】：

请使用大写，这样文字会更好看
在完成工作之前我还有一些问题，但 jsoup 确实解决了这个问题。顺便说一句，我选择飞碟。谢谢。