logo标签列表

将HTML文件转换为PDF

javahtmlpdfpdf-generation
141
我需要从现有的（X）HTML文档自动生成PDF文件。输入文件（报告）使用相当简单的基于表格的布局，因此可能不需要对非常复杂的JavaScript/CSS进行支持。由于我习惯于在Java中工作，因此最好能够在Java项目中轻松使用该解决方案。尽管如此，它只需要在Windows系统上运行即可。有一种可行的方法是使用CSS2XSLFO和Apache FOP来创建PDF文件，但它不能产生高质量的输出（至少默认情况下）。我遇到的问题是，虽然CSS属性被很好地转换了，但表格布局非常混乱，文字流出了表格单元格。我还快速查看了Jrex，这是一个用于使用Gecko呈现引擎的Java API。也许有一种方法可以从Internet Explorer呈现引擎中获取渲染的页面并自动将其发送到PDF打印机工具吗？我在Windows中没有OLE编程经验，所以我不知道什么是可能的，什么是不可能的。您有什么想法吗？
3
我最近创建了一个 Java 库 docbag，可以将 XHTML 转换为 PDF 文档。当前版本并不是特别高级，但如果您的 XHTML 模板比较简单，那么这个库可能会很实用。 - Jakub Torbicki
我在将包含西里尔字母的HTML转换为PDF时遇到了问题。除了被省略的西里尔字母外，一切都正常。有没有人遇到过这种问题？ - Kristijan Iliev
@krisiliev：我曾经遇到过类似的问题，据我所记，使用的字体非常重要。大多数字体不支持完整的UTF8字符，但以下字体应该支持：'font-family: Arial Unicode MS;'（CSS）。还要确保使用正确的编码（我建议始终使用UTF-8）。 - panschk
2
这个链接帮助了我 http://hmkcode.com/itext-html-to-pdf-using-java/ - Mateen
该问题在SO上属于不适当话题，但在软件推荐SE上属于适当话题。请参见如何将带有CSS的HTML转换为PDF？。 - Martin Thoma
显示剩余3条评论
8个回答
80
26
飞碟的真正问题在于它使用iText来渲染PDF，而iText是一个AGPL v3许可的库。 - David Hofmann
14
Flying Saucer使用的itext版本是2.0.8，可在LGPL下使用。只有5及以上版本号的itext有更严格的许可证限制。http://stackoverflow.com/questions/2692000/can-i-use-a-previous-version-of-itextsharp-under-the-lgpl - Gary - Stand with Ukraine
9
我认为飞碟(Flying Saucer)的真正问题在于它需要一个格式良好且有效的XML文档。如果在您的HTML中包含类似“&”这样的字符，或者一些JavaScript代码使您呈现的HTML不是严格的XHTML，很容易无意中破坏PDF渲染。尽管可以通过自动化测试或涉及XML验证的某些流程来减轻这种情况。 - SteveT
54

你尝试过WKHTMLTOPDF吗？

它是一个简单的命令行实用程序，是WebKit的一个开源实现，两者都是免费的。

我们在这里设置了一个小教程（链接）

编辑（2017年）：

如果今天要构建某些东西，我将不再走这条路线。
而会使用 http://pdfkit.org/。
可能会剥离其所有的nodejs依赖项，以在浏览器中运行。

17
对于将HTML页面转换为PDF，这比我看到的任何免费或商业的工具都要好。 - MGOwen
1
@Eran，我们在Linux上使用它。我认为也有Windows版本。 - Mic
1
@Mic 是的，也有 Windows 版本。 - Viccari
@DavidHofmann，可能是因为这个问题追溯到2009年。从我几个月前进行的最后一次检查来看，JS仍然没有可比较的解决方案。 - Mic
我因为这个参考资料而爱你。非常实用。 - Jossef Harush Kadouri
显示剩余14条评论
48

请查看iText，它是一个纯Java的PDF工具包，支持从HTML读取数据。最近我在一个项目中使用了它，当我需要从我们的CMS中提取内容并将其导出为PDF文件时，一切都非常简单。它对CSS和样式标签的支持相当有限，但可以无问题地呈现表格（尽管我从未成功设置列宽）。

从HTML创建PDF大致如下：

Document doc = new Document(PageSize.A4);
PdfWriter.getInstance(doc, out);
doc.open();
HTMLWorker hw = new HTMLWorker(doc);
hw.parse(new StringReader(html));
doc.close();
9
这是AGPL许可证，似乎比GPL还要严格，即使您只是提供PDF服务，并且iText是服务器端，您也需要开源。 - Eran Medan
10
@Eran，请使用最新的非AGPL版本（在Maven中为com.lowagie:itext:2.1.7）。 - Nowaker
1
HTMLWorker在新版本的iText中已被弃用，XMLWorker是替代方案；但是两者在CSS支持方面都较为薄弱（请参见http://demo.itextsupport.com/xmlworker/itextdoc/CSS-conformance-list.htm），并不能满足我的需求。相反，Flying Saucer则非常完美。 - Pino
您可以使用LGPL版本，该版本可在https://github.com/albfernandez/itext2上找到。 - Vova Rozhkov
HTMLWorker支持非常简单的HTML文档，具有基本元素和没有CSS。它太过于有限，无法发挥作用。但是更近期的iText html2pdf效果非常好 https://kb.itextpdf.com/home/it7kb/ebooks/itext-7-converting-html-to-pdf-with-pdfhtml/chapter-1-hello-html-to-pdf - Emmanuel Bourg
4
1
如果你正在寻找Prince的更便宜替代品，可以尝试使用DocRaptor.com。它使用Prince作为引擎。 - Julie
如果您想要更便宜但选项更多，请尝试http://www.htm2pdf.co.uk - 它使用webkit并提供真正的所见即所得。 - user1914292
4

也许有一种方法可以从Internet Explorer渲染引擎中获取已呈现的页面，并自动将其发送到PDF打印机工具吗？

这就是ActivePDF的工作方式，这意味着您知道会得到什么，而且它实际上具有合理的样式支持。

在我几年前查找时，它也是我发现的为数不多支持各种分页CSS命令的软件包之一。


不幸的是，ActivePDF软件非常令人沮丧-由于必须在后台启动IE浏览器进行转换，因此可能会很慢，而且也不太稳定。

目前正在测试的新版本应该要好得多，但我实际上还没有试过，所以不知道它有多大的改进。

1
感谢您提供的有用答案。我认为ActivePDF并不是很适合，因为价格较高，但知道这样的东西存在还是很好的。 - panschk
GrabzIt的HTML转PDF API：https://grabz.it/html-to-pdf-image-api.aspx。它的工作方式与浏览器中呈现HTML的方式相同，然后创建PDF，这确保了更准确的PDF转换。 - user1474090
2
您可以使用带有扩展的无头火狐浏览器。虽然启动比较麻烦，但它确实能够产生良好的结果。
请查看此答案以获取更多信息。
如果需要并行地将页面即时转换为PDF，则听起来不是一个非常可扩展的解决方案。如果有一些请求通过使用FF进行转换，那么您的服务器将损失几个GIG的内存，仅仅为了提供一些转换后的页面。这将使您的服务器开放到DOS攻击的风险中。 - mP.
更好但类似的：https://github.com/ariya/phantomjs/wiki/Screen-Capture（根据http://we-love-php.blogspot.com/2012/12/create-pdf-invoices-with-html5-and-phantomjs.html，PDF具有真实文本，而不是光栅化）。 - nafg
0

如果您查看问题的侧边栏，您会看到许多相关的问题...

在您的情况下，更简单的方法可能是安装一个PDF打印驱动程序，例如PDFCreator，然后将页面打印到此输出。

这怎么是一个Java解决方案？这是一个Windows打印驱动程序。 - Gray
OP明确提到了Windows。我想其他系统也有类似的驱动程序。OP只提到Java作为可能的解决方案... - PhiLho
0

Amyuni WebkitPDF 可以与 JNI 一起用于仅限 Windows 的解决方案。这是一个 HTML 到 PDF/XAML 转换库，可供商业和非商业使用。

如果不需要立即输出文件，则为了更好的可扩展性，最好设置一个队列和几个后台进程从中获取项目，将其转换并将其存储在数据库或文件系统中。

通常的免责声明适用

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接