尝试解析 html 以进行 pdf 转换时出现 ItextSharp 错误
Posted
技术标签:
【中文标题】尝试解析 html 以进行 pdf 转换时出现 ItextSharp 错误【英文标题】：ItextSharp Error on trying to parse html for pdf conversion 【发布时间】：2012-08-20 06:07:55 【问题描述】：我使用 ItextSharp 模块将下面列出的 html 转换为 pdf 页面。
<div style="font-size: 18pt; font-weight: bold;">
mma<br>mmar</div><br> <br>
<div style="font-size: 14pt;">Click to View Pricing
</div>
<br>
<div>
<table>
<tr><td> <a href="http://www.mma.com/fci" style="color: Blue; font-size: 10pt; text-decoration: underline;"> FCI</a>:</td>
<td><a href="http://www.mma.com/access/?pn=78211-014" style="color: Blue; font-size: 10pt; text-decoration: underline;"> 78211-014</a></td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-009"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-009</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-006"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-006</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-007"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-007</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-003"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-003</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-005"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-005</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-008"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-008</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-004"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-004</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-012"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-012</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-007LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-007LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-015LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-015LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-003LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-003LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-009LF"
style="color: Blue; font-size: 10pt; text-decoration:
underline;">78211-009LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-005LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-005LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-010LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-010LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-006LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-006LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-014LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-014LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-004LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-004LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-012LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-012LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-008LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-008LF</td></tr><tr><td></td> <td>
<a href="http://www.mma.com/access/?pn=78211-011LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-011LF</td></tr><tr><td></td> <td><a href="http://www.mma.com/access/?pn=78211-013LF"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-013LF</td></tr><tr><td></td> <td><a href="http://www.mma.com/access/?pn=78211-010" style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-010</td></tr><tr><td></td>
<td><a href="http://www.mma.com/access/?pn=78211-015"
style="color: Blue; font-size: 10pt; text-decoration: underline;">78211-015</td></tr><tr><td>
<a href="http://www.mma.com/souriau"
style="color: Blue; font-size: 10pt; text-decoration: underline;"> Souriau</a>:</td>
<td><a href="http://www.mma.com/access/?pn=24JR124-3" style="color: Blue; font-size: 10pt; text-decoration: underline;"> 24JR124-3</a></td></tr></table></div>
生成上述html的C#代码：
var html = new StringBuilder(@"<div style=""font-size: 18pt; font-weight: bold;"">Authorized Distributor</div><br> <br><div style=""font-size: 14pt;"">Click to View Pricing, Inventory, Delivery & Lifecycle Information:</div><br>");
List<MfrBrandView> mfrBrands = MfrBrandView.Load(fileId);
var uniquesuppliers = mfrBrands.GroupBy(t => new t.Manufacturer,t.SupplierVirtualDirectory).Select(g => g.First());
html.Append("<div><table>");
foreach (var uniquesupplier in uniquesuppliers)
var mfrPartNums =
mfrBrands.Where(t => t.ManufacturerId == uniquesupplier.ManufacturerId).Select(
t => t.ManufacturerPartNumber).ToList();
html.AppendFormat(@"<tr><td> <a href=""http://www.mma.com/0"" style=""color: Blue; font-size: 10pt; text-decoration: underline;""> 1</a>:</td> <td><a href=""http://www.mma.com/access/?pn=2"" style=""color: Blue; font-size: 10pt; text-decoration: underline;""> 2</a></td></tr>", uniquesupplier.SupplierVirtualDirectory, uniquesupplier.MouserizationLabel, mfrPartNums[0]);
for (int i = 1; i < mfrPartNums.Count(); i++)
html.AppendFormat(
@"<tr><td></td> <td><a href=""http://www.mma.com/access/?pn=0"" style=""color: Blue; font-size: 10pt; text-decoration: underline;"">0</td></tr>",
mfrPartNums[i]);
html.Append("</table></div>");
return html.ToString();
html形成后生成页面的代码：
PdfWriter writer = null;
PdfDocument doc = null;
//PdfReader reader = new PdfReader(content);
// reader.Info["Title"]
try
doc = new PdfDocument();
doc.SetPageSize(PageSize.LETTER);
writer = PdfWriter.GetInstance(doc, content);
writer.CloseStream = false;
doc.Open();
doc.NewPage();
foreach (IElement element in iTextSharp.text.html.simpleparser.HTMLWorker.ParseToList(new StringReader(html), null))
doc.Add(element);
下面是我得到一个异常的地方，说 “无法投射类型的对象 'iTextSharp.text.html.simpleparser.CellWrapper' 到输入'iTextSharp.text.Paragraph'。”
iTextSharp.text.html.simpleparser.HTMLWorker.ParseToList(new StringReader(html), null)
我试图解析的 html 有问题吗？有没有更好的方法来做到这一点？ 非常感谢您的帮助。非常感谢。
【问题讨论】：
你能给我们看一下 C# 代码吗？您正在尝试将单元格设为段落。只是太高了一级。 嗯..我猜这是 ItextSharp Parser 正在尝试这样做。我不知道在尝试使用 Itextsharp 将 html 转换为 PDF 时是否不允许某些 html 元素 Itextsharp 不喜欢我将 标签放在这是你需要做的步骤
1- 从 nuget 安装 itextsharp 和 XMLWorker
2-然后将您的设计放入带有内联 CSS 的 html（此处为 Invoice.html）中
3-确保所有标签都像断点或td一样正确结束（这里我之前遇到错误）
4-这里的图片不会在本地显示，所以为了不浪费时间，我将图片上传到服务器并提供服务器路径来访问 Image.U 可以研究更多以在本地运行它。
Document doc = new Document();
PdfPTable tableLayout = new PdfPTable(4);
PdfWriter writer= PdfWriter.GetInstance(doc, new FileStream(Server.MapPath("~/Admin/T13.pdf"), FileMode.Create));
doc.Open();
string contents = File.ReadAllText(Server.MapPath("~/Admin/invoice.html"));
StringReader sr = new StringReader(contents);
XMLWorkerHelper.GetInstance().ParseXHtml(writer, doc, sr);
doc.Close();
【讨论】：
【参考方案2】：`HTMLWorker' has been deprecated 支持 XMLWorker。这是一个使用上面使用的 HTML 的 sn-p 测试的工作示例：
StringReader html = new StringReader(@"
<div style='font-size: 18pt; font-weight: bold;'>
Mouser Electronics <br />Authorized Distributor</div><br /> <br />
<div style='font-size: 14pt;'>Click to View Pricing, Inventory, Delivery & Lifecycle Information:
</div>
<br />
<div>
<table>
<tr><td></td><td>
<a href='http://www.mouser.com/access/?pn=78211-009'
style='color: Blue; font-size: 10pt; text-decoration: underline;'>78211-009</a></td></tr>
</table></div>
");
using (Document document = new Document())
PdfWriter writer = PdfWriter.GetInstance(document, STREAM);
document.Open();
XMLWorkerHelper.GetInstance().ParseXHtml(
writer, document, html
);
当使用XMLWorker 时，您需要使用格式良好的 HTML - 毕竟它是一个 XML 解析器。上述问题中的示例HTML 没有关闭<a> 或<br> 标签。像HtmlAgilityPack 这样的HTML 解析器将解决这些问题，并转为：
<div><img src='a.gif'><br><hr></div>
进入这个：
<div><img src='a.gif' /><br /><hr /></div>
只有几行代码：
var hDocument = new HtmlDocument()
OptionWriteEmptyNodes = true,
OptionAutoCloseOnEnd = true
;
hDocument.LoadHtml("<div><img src='a.gif'><br><hr></div>");
var closedTags = hDocument.DocumentNode.WriteTo();
XMLWorker 是available as a nuget package，或as a separate download at sourceforge。
见here for more advanced usage 或XMLWorker。
【讨论】：
谢谢...这是一个很好的答案！我们现在不想改变使用 ITextsharp。项目太远了，无法做到这一点。 是否有有效的解决方法？我正在做一行一行的html来做这件事……基本上把所有的“链接”放在div标签中。这改变了文件的最初计划格式。XMLWorker 是一个单独的下载，但它IS与 iTextSharp 一起使用。因此，您可以使用原始格式（<table> 标签）而不是像上面提供的示例代码那样将超链接包装在 <div> 标签中。我不确定您使用有效的解决方法是什么意思-如果您查看我上面从 iText 邮件列表中引用的第一个链接，它会提到在 4.xx 分支或 5.xx 分支的某个地方表格单元格中的超链接已损坏，并且 iText 开发团队没有计划对 HTMLWorker 进行进一步开发。
抱歉误会你了！我以为你在谈论一个完全不同的工具。我明白你在说什么。
此代码成功运行，但土耳其语字符未显示在 PDF 文档中。如何设置此代码的编码？【参考方案3】：
试试下面的代码
<a href="http://www.abcd.com"></a>
这里我们将 <和 > 与&gt;所以我变成了&lt;a&gt;，变成了&lt;/a&gt;。
【讨论】：
以上是关于尝试解析 html 以进行 pdf 转换时出现 ItextSharp 错误的主要内容，如果未能解决你的问题，请参考以下文章
如果source是pdf类型，则将ps转换为pdf时出现问题
使用 ImageMagick 将 PNG 文件转换为 PDF 时出现粗糙的边缘