如何从站点的文本创建 PDF [关闭]答案

【问题标题】：How to Create a PDF from Text from site [closed]如何从站点的文本创建 PDF [关闭]
【发布时间】：2014-06-12 19:44:31
【问题描述】：

我正在尝试从 Wiki 页面中提取文本，存储其格式，然后将其全部转换为 PDF。

我知道 ITextSharp 库可以帮助我将其放入 PDF 中，但我将如何在保持格式的同时将文本从网站上提取出来？

【问题讨论】：

这听起来不像是一个让自己的脚湿透的小项目。但也许你是个天才？
至少有 3 个问题 - 如何从网站读取文本（也就是如何使用 WebClient）、如何解析 HTML（也就是给我 HtmlAgility 包操作方法）以及从 HTML 创建 PDF .请务必研究之前已经问过的问题，并分别询问每个新问题。
旁注：无需在您的帖子中添加“谢谢”、“这里是新的/使用 C#”。无论如何，在大多数情况下，知识/关心的水平从问题中是非常明显的。

标签： c# pdf pdf-generation

【解决方案1】：

对运行 C 脚本不太熟悉，但我的经验可能会有所帮助。我使用 Perl 在 UNIX 服务器上编写脚本。然后我将我的 PHP 和 JS 文件托管在 htdocs 文件夹中。现在 - 在我的 PHP/JS 代码中，我调用 shell execute 来运行我的 .pl 文件。

$command = "/mt_path/my_file_name.pl 2>&1";
exec($command, $exec_output_lines);

现在，您可以在 UNIX 服务器上使用 program 将文本转换为 PDF。因此，只需调用该程序，并在该命令行中将文本发送给它。然后临时保存文件，并给用户它的 temp_url。然后删除它。

希望它能给你一个开始......

【讨论】：

【解决方案2】：

如果您正在寻找超级简单/免费的方法，请查看wkhtmltopdf.org

您可以从System.Diagnostics.Process 类运行它：

System.Diagnostics.Process.Start("wkhtmltopdf.exe", "http://www.google.com google.pdf");

如果你想自己学做，超级难。首先使用System.Net.WebClient下载HTML：

using(var client = new System.Net.WebClient()) {
  var html = client.DownloadString("http://www.google.com");
}

然后使用像 HtmlAgilityPack 这样的 HtmlParser 来查找所有 CSS 和图像。 (Don't use regex to parse html)

var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
var cssNodes = doc.DocumentElement.SelectNodes("//link[@rel='stylsheet']");
var imgNodes = doc.DocumentElement.SelectNodes("//img[@src]");

下载这些文件，然后实现一个 HtmlRenderer，（你知道，就像WebKit）。然后，哦，废话，我忘了，运行 JavaScript（使用你自己的 JavaScript runtime, like V8），以防它修改 DOM 或 CSS 中的某些内容。

然后，获取呈现的 HTML 页面并编写 PDF 呈现器。这也很难。 There's a hundred companies that don't do it well...

或者...只需使用 wkhtmltopdf。或essentialobjects，或aspose。都是很好的解决方案。

【讨论】：