飞碟无法识别 html 实体答案

【问题标题】：Flying Saucer not recognizing html entities飞碟无法识别 html 实体
【发布时间】：2019-05-17 05:24:26
【问题描述】：

我正在尝试使用 html 文件作为 pdf 的模板，但 Flying Saucer 无法识别 HTML5 实体（&trade、&nbsp 等）。如果我用它们的十六进制值替换它们，那么程序运行良好。

我的代码如下：

  public static InputStream create(String content) throws PDFUtilException {

try (ByteArrayOutputStream baos = new ByteArrayOutputStream();) {
  ITextRenderer iTextRenderer = new ITextRenderer();
  iTextRenderer.getSharedContext()
               .setReplacedElementFactory(new MediaReplacedElementFactory(iTextRenderer.getSharedContext()
                                                                                       .getReplacedElementFactory()));

  iTextRenderer.setDocumentFromString(closeOutTags(content), null);
  iTextRenderer.layout();
  iTextRenderer.createPDF(baos);
  return new ByteArrayInputStream(baos.toByteArray());
} catch (IOException | DocumentException e) {
  throw new PDFUtilException("Unable to create PDF", e);
}

}

谢谢，

奥利弗

【问题讨论】：

标签： java html xml flying-saucer

【解决方案1】：

Michael 说 Flying Saucer 需要格式良好的 XML 是正确的，但如果您唯一的问题是预定义的 HTML 实体（不是 XML 的一部分），那么您可以像这样在文档的开头自行声明它们：

<!DOCTYPE html [
  <!ENTITY % htmlentities SYSTEM "https://www.w3.org/2003/entities/2007/htmlmathml-f.ent">
  %htmlentities;
]>
<!-- your XHTML text following here -->

这会将实体声明从其官方 URL 拉入 htmlentities 参数实体，然后引用（例如“执行”）拉入的声明。如果您只需要trade 和nbsp，或者如果飞碟不允许您从网络访问 URL，您也可以手动声明它们：

<!DOCTYPE html [
  <!ENTITY trade "&#x02122;">
  <!ENTITY nbsp "&#x000A0;">
]>
<!-- your XHTML text following here -->

现在，如果您实际上有一个正确的 HTML（不是 XHTML）文件，那么您将无法直接使用 XML 处理器，因为 HTML 使用 XML 不支持的标记功能（例如，空元素，如img 元素、省略的标签和属性简写形式）。但是您可以使用 SGML 处理器首先将 HTML 转换为 XHTML (XML)，然后对结果 XML 文件使用 Flying Saucer（SGML 是 HTML 和 XML 的超集，也是 HTML 和 XML 所基于的原始标记语言）。该过程涉及使用 HTML DTD 语法，例如原始的 W3C HTML4 DTD（从 1999 年开始）或my HTML5 DTD on sgmljs.net 加上一个 SGML 处理器。不过，在详细介绍之前，请先检查是否仅添加已描述的实体声明可以解决您的问题。

【讨论】：

【解决方案2】：

直到今天我才听说过 Flying Saucer，但文档的第一句话说“Flying Saucer 是一个纯 Java 库，用于呈现任意格式良好的 XML（或 XHTML）”，这强烈表明它期望良好- 格式的 XML 输入，而不是 HTML。

【讨论】：