Shao Fan

关于JAVA与软件工程
posts - 31, comments - 71, trackbacks - 0, articles - 4
  BlogJava :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理

转换HTML内容为PDF格式(2)

Posted on 2006-06-01 07:56 shaofan 阅读(3351) 评论(10)  编辑  收藏 所属分类: Java

Java 程序

 

通过使用上述步骤中用过的三个工具的 DOM API ,我接下来会展示一个 JAVA 程序。它在运行时需要提供两个命令行参数,会自动生成相应的 PDF 文档,并且不会产生任何临时文件。

 

第一个程序新建一个 HTML 文件的 InputStream 对象,然后此对象被传给 JTidy

 

JTidy 有个方法叫 parseDOM() ,可以用来生成输出的 XHTML 文档的 Document 对象。

 

    public static void main(String[] args) {

 

    // 打开文件

    if (args.length != 2) {

        System.out.println("Usage: Html2Pdf htmlFile styleSheet");

        System.exit(1);

    }

 

    FileInputStream input = null;

    String htmlFileName = args[0];

    try {

        input = new FileInputStream(htmlFileName);

    }

    catch (java.io.FileNotFoundException e) {

        System.out.println("File not found: " + htmlFileName);

    }

 

        Tidy tidy = new Tidy();

    Document xmlDoc = tidy.parseDOM(input, null);

 

JTidy DOM 实现并不支持 XML 命名空间。因此,我们必需修改 Antenna House 的样式表,让它使用默认的命名空间。比如,原来是:

 

    <xsl:template match="html:h2">

      <fo:block xsl:use-attribute-sets="h2">

         <xsl:call-template name="process-common-attributes-and-children"/>

      </fo:block>

    </xsl:template>

 

被修改后是:

 

    <xsl:template match="h2">

      <fo:block xsl:use-attribute-sets="h2">

        <xsl:call-template name="process-common-attributes-and-children"/>

      </fo:block>

    </xsl:template>

 

这个改动必需被应用到 xhtml2f0.xsl 中的所有模板,因为 JTidy 生成的 Document 对象以 <html> 标签作为根,如:

 

<html xmlns=quot;http://www.w3.org/1999/xhtml">

 

修改后的 xhtml2fo.xsl 包含在这篇文章附带的源代码中。

 

接着, xml2FO() 方法调用 Xalan ,使样式表应用于 JTidy 生成的 DOM 对象:

 

    Document foDoc = xml2FO(xmlDoc, args[1]); 

 

方法 xml2FO() 首先调用 getTransformer() 来获得一个指定的样式表的 Transformer 对象。然后,代表着转换结果的那个 Document 被返回:

 

    private static Document xml2FO(Document xml, String styleSheet) {

 

    DOMSource xmlDomSource = new DOMSource(xml);

          DOMResult domResult = new DOMResult();

 

    Transformer transformer = getTransformer(styleSheet);

 

    if (transformer == null) {

        System.out.println("Error creating transformer for " + styleSheet);

        System.exit(1);

    }

    try {

        transformer.transform(xmlDomSource, domResult);

    }

    catch (javax.xml.transform.TransformerException e) {

        return null;

    }

    return (Document) domResult.getNode();

 

    }

 

接着, main 方法用与 HTML 输入文件相同的前缀来打开一个 FileOutputStream 。然后调用 fo2PDF() 方法所获得的结果被写入 OutputStream

 

    String pdfFileName = htmlFileName.substring(0, htmlFileName.indexOf(".")) + ".pdf";

    try {

        OutputStream pdf = new FileOutputStream(new File(pdfFileName));

        pdf.write(fo2PDF(foDoc));

    }

    catch (java.io.FileNotFoundException e) {

        System.out.println("Error creating PDF: " + pdfFileName);

    }

    catch (java.io.IOException e) {

        System.out.println("Error writing PDF: " + pdfFileName);

    }

 

方法 fo2PDF() 会使用在转换中产生的 XSL-FO Document 和一个 ByteArrayOutputStream 来生成一个 FOP driver 对象。通过调用 Driver.run 可以生成 PDF 文件。结果被作为一个 byte array 返回:

 

    private static byte[] fo2PDF(Document foDocument) {

 

        DocumentInputSource fopInputSource = new DocumentInputSource(

                                                         foDocument);

 

        try {

 

            ByteArrayOutputStream out = new ByteArrayOutputStream();

            Logger log = new ConsoleLogger(ConsoleLogger.LEVEL_WARN);

 

            Driver driver = new Driver(fopInputSource, out);

            driver.setLogger(log);

            driver.setRenderer(Driver.RENDER_PDF);

            driver.run();

 

            return out.toByteArray();

 

        } catch (Exception ex) {

            return null;

        }

    }

 

Html2Pdf.java 的源代码可以在这篇文章的附带代码中找到。

 

使用 DOM API 来完成这整个过程,速度要比使用命令行界面快得多,因为它不需要往磁盘中写入任何中间文件。这种方法可以集成到服务器里,来处理并发的 HTML-PDF 转换请求。

 

以前我曾以这里展示的这个程序为基础把生成 PDF 的功能集成到一个 WEB 应用。而生成 PDF 的过程是动态的,因此不需要考虑 WEB 页面和相应 PDF 同步的问题,因为生成的 PDF 文件并不是存放在服务器上。

 

结论

 

综述,在本文里我描述了怎样利用开源组件来实现 HTML PDF 的转换。虽然这种实现方法在价格和源码方面很有吸引力,但同时也有一定的折衷。一些商业组件可以提供更完整的标准实现。

 

比如说, FOP 目前的版本是 .91 ,不完全支持 XSL-FO 标准。尽管如此,相对其它的格式而言,对 PDF 提供了更多的支持。

 

在开始一个文档转换的项目之前,你必需考虑对文档格式的需求,并把它们与已有组件所实现的功能做个对比。这将有助于做出正确的决定。

 

 

资源

 

# 下载本文中的源码 :

http://www.javaworld.com/javaworld/jw-04-2006/html/jw-0410-html.zip

# Adobe's Document Server 产品 :

http://www.adobe.com/products/server/documentserver/main.html

# Antenna House ( 出售商业的格式化程序 ):

http://www.antennahouse.com

# xhtml2fo.xsl XHTML 转化为 XSL-FO 的样式表 :

http://www.antennahouse.com/XSLsample/XSLsample.htm

# Apache FOP formatter XSL-FO 翻译为 PDF:

http://xmlgraphics.apache.org/fop

# FOP XSL-FO 标准的兼容性 :

http://xmlgraphics.apache.org/fop/compliance.html

# JTidy ,把 HTML 转化为 XHTML:

http://sourceforge.net/projects/jtidy/

# Xalan:

http://xalan.apache.org/

# XSL-FO, Dave Pawson (O'Reilly Media, 2002 8 ; ISBN: 0596003552):

http://www.amazon.com/exec/obidos/ASIN/0596003552/javaworld

# XSLT 2.0 Programmer's Reference, Michael Kay (Wrox, 2004 8 ; ISBN: 0764569090):

http://www.amazon.com/exec/obidos/ASIN/0764569090/javaworld

# 浏览 JavaWorld Development Tools 部分可以找到更多关于 Java 开发工具的文章 :

http://www.javaworld.com/channel_content/jw-tools-index.shtml

# JavaWorld Java XML 部分的文章索引 :

http://www.javaworld.com/channel_content/jw-xml-index.shtml


评论

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2006-06-02 11:28 by 六世软件
好耶,我试试

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2006-06-02 12:41 by 六世软件
不支持中文

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2006-06-02 17:47 by shaofan
@六世软件
哦,中文我确实没有试......是个问题啊

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2006-06-05 16:44 by 六世软件
如何解决中文问题?

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2006-06-08 06:10 by shaofan
@六世软件
这个不太清楚哦~有空看看

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2007-04-02 09:09 by howesen
中文问题我已经解觉了,就间重写了itext包中的方法,现在已经在我的主页中提供修改过的下载了,具体怎么个改法,请看我的主页中的介绍。
主页:http://down.latea.cn

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2007-04-02 20:54 by shaofan2
@howesen
能否给个链接?

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2007-07-02 11:12 by
@howesen
你就发了一个网址,进去也找不到呀,拜托既然想帮大家,就别绕弯子好不

# re: 转换HTML内容为PDF格式(2)[未登录]  回复  更多评论   

2007-11-15 11:46 by Gary
请问Document foDoc = xml2FO(xmlDoc, args[1])中,args[1]在文中的参数是什么?

# re: 转换HTML内容为PDF格式(2)  回复  更多评论   

2008-07-22 03:30 by Hi
how to keep the blank lines for html

只有注册用户登录后才能发表评论。


网站导航: