在一个名为GitHub的项目中,我正在尝试将任意的HTML字符串转换为PDF版本。所谓转换是指解析HTML,并将其呈现为PDF文件。
为了实现这一目标,我使用了Flying Saucer PDF Rendering,如下所示:
在上面的代码中,如果我使用存储在
为了实现这一目标,我使用了Flying Saucer PDF Rendering,如下所示:
public class Main {
public static void main(String [] args) {
final String ok = "<valid html here>: see github rep for real html markup here";
final String html = "<invalid html here>: see github rep for real html markup here";
try {
// final byte[] bytes = generatePDFFrom(ok); // works!
final byte[] bytes = generatePDFFrom(html); // does NOT work :(
try(FileOutputStream fos = new FileOutputStream("sample-file.pdf")) {
fos.write(bytes);
}
} catch (IOException | DocumentException e) {
e.printStackTrace();
}
}
private static byte[] generatePDFFrom(String html) throws IOException, DocumentException {
final ITextRenderer renderer = new ITextRenderer();
renderer.setDocumentFromString(html);
renderer.layout();
try (ByteArrayOutputStream fos = new ByteArrayOutputStream(html.length())) {
renderer.createPDF(fos);
return fos.toByteArray();
}
}
}
在上面的代码中,如果我使用存储在
ok
变量中的HTML字符串(这是一个“有效”的HTML),它将正确地创建PDF文件(如果您使用ok
变量运行GitHub项目,则会在项目文件夹中创建一个名为sample-file.pdf
的文件,其中包含一些呈现的HTML)。现在,如果我使用html
变量中的值(带有无效标签、标签可能未正确关闭等的HTML),它会抛出以下错误(错误可能因不正确的值而异):ERROR: 'The markup in the document following the root element must be well-formed.'
Exception in thread "main" org.xhtmlrenderer.util.XRRuntimeException: Can't load the XML resource (using TrAX transformer). org.xml.sax.SAXParseException; lineNumber: 22; columnNumber: 9; The markup in the document following the root element must be well-formed.
at org.xhtmlrenderer.resource.XMLResource$XMLResourceBuilder.transform(XMLResource.java:222)
at org.xhtmlrenderer.resource.XMLResource$XMLResourceBuilder.createXMLResource(XMLResource.java:181)
at org.xhtmlrenderer.resource.XMLResource.load(XMLResource.java:84)
at org.xhtmlrenderer.pdf.ITextRenderer.setDocumentFromString(ITextRenderer.java:171)
at org.xhtmlrenderer.pdf.ITextRenderer.setDocumentFromString(ITextRenderer.java:166)
at Main.generatePDFFrom(Main.java:84)
at Main.main(Main.java:72)
Caused by: javax.xml.transform.TransformerException: org.xml.sax.SAXParseException; lineNumber: 22; columnNumber: 9; The markup in the document following the root element must be well-formed.
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(TransformerImpl.java:740)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(TransformerImpl.java:343)
at org.xhtmlrenderer.resource.XMLResource$XMLResourceBuilder.transform(XMLResource.java:220)
... 6 more
Caused by: org.xml.sax.SAXParseException; lineNumber: 22; columnNumber: 9; The markup in the document following the root element must be well-formed.
at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.parse(AbstractSAXParser.java:1239)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transformIdentity(TransformerImpl.java:659)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(TransformerImpl.java:728)
... 8 more
据我所了解,这是由于HTML字符串中的“无效”部分导致的。
重要提示:
- 此处分配给变量
ok
和html
的值只是问题的占位符。真正的值在这里。 - 在实际项目中,HTML字符串是来自用户的输入。是的,他/她必须知道该放什么,但是,当然,他/她可能会在HTML格式上犯一些错误,因此我必须处理这个问题。
问题
- 是否有办法“告诉”Flying Saucer PDF Rendering忽略/自动完成/清理或任何其他无效部分,并继续创建PDF文件(首选)。
- 我是否可以采用更好的方法来克服这个问题。