在java上从第三方HTML生成PDF

Question

我正在尝试生成第三方超文本标记语言的PDF版本（实际上它是一个HTM文件）。这种超文本标记语言将来可能会改变，我绝对无法控制它。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Fliing-Saucer，但迄今为止没有成功。

我的问题是HTML文件非常不符合默认模式。示例：

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

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

第一个没有关闭标记（iText崩溃），第二个没有“http equiv”值的双引号（飞碟崩溃）。

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。

这是我试图转换的页面。

以下是我的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())));
        }

下面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.html" target="_blank">setDocument(siteUrl);
            renderer.layout();
            renderer.createPDF(os);

            os.close();
        }

有什么建议吗？我接受其他LIB，如果它们可以正常使用的话。Thx提前。

Answer 1

你可以先解析超文本标记语言文件的jSoup，然后将内容转换为标准的超文本标记语言文件，最后你可以使用iText生成PDF