url转pdf或者html转pdf工具 — iText实现url转pdf

url转pdf或者html转pdf工具 — iText实现url转pdf

参考资料：

https://kb.itextpdf.com/itext/can-i-generate-a-pdf-from-a-url-instead-of-from-a-
http://www.micmiu.com/opensource/expdoc/itext-pdf-demo/
https://blog.51cto.com/u_16237557/7263784

iText：iText是一个非常著名的能够快速产生PDF文件的Java类库。支持文本，表格，图形的操作，可以方便的跟 Servlet 进行结合。
一种生成PDF报表的Java组件。

iText的安装非常方便，在 http://www.lowagie.com/iText/download.html - downoad 网站上下载iText.jar文件后，只需要在系统的CLASSPATH中加入iText.jar的路径在程序中就可以使用iText类库了。

• 如果需要自己编译iText包，需要用到第三方的jar：bcprov、bcmail 、bctsp.

• 如果用到中文，需要CJK字体的扩展包：iTextAsian.jar

  默认的iText字体设置不支持中文字体，需要下载远东字体包iTextAsian.jar，否则不能往PDF文档中输出中文字体。通过下面的代码就可以在文档中使用中文了:

  BaseFont bfChinese = BaseFont.createFont("STSong-Light","UniGB-UCS2-H", BaseFont.NOT EMBEDDED);
  com.lowagie.text.Font FontChinese = new com.lowagie.text.Font(bfChinese, 12, com.lowagie.text.Font.NORMAL):
  Paragraph pragraph=new Paragraph("你好",FontChinese);
  

  http://prdownloads.sourceforge.net/itext/iTextAsian.jar

• 如果用到特殊符号的，需要另一个扩展包：itext-hyph-xml.jar.

• 上述提到的所有lib包，都包含在它的发布版本里。

用iText生成PDF文档需要5个步骤：

1. 建立Document（）实例

   Document document = new Document();
   

   document构建函数有三个：

   public Document();
   public Document(Rectangle pagesize);public Document(Rectangle pagesize.
   int marginLeft,
   int marginRight,
   int marginTop,
   int marginBottom);
   /*
   构建函数的参数pageSize是文档页面的大小，对于第一个构建函数，页面的大小为A4，同Document(PageSize.A4)的效果一样;对于第三个构建函数，参数marginLeft、marginRight、marginTop、marginBottom分别为左、右、上、下的页边距
   通过参数pageSize可以设定页面大小、面背景色、以及页面横向/纵向等属性。iText定义了A0-A10、AL、LETTER、HALFLETTER、 11X17、LEDGER、NOTE、BO-B5、ARCH A-ARCH E、FLSA和FLSE等纸张类型，也可以通过Rectangle pageSize = new Rectangle(144,720);自定义纸张。通过Rectangle方法rotate()可以将页面设置成横向。
   */
   

2. 建立一个书写器（Writer）与document对象关联，通过书写器（Writer）可以将文档写入到磁盘中。

   PDFWriter.getInstance(document, new FileOutputStream("Helloworld.PDF"));
   

   文档(document)对象建立好之后，需要建立一个或多个书写器(Writer)对象与之关联。通过书写器(Writer)对象可以将具体文档存盘成需要的格式，如PDFWriter可以将文档存成PDF文件，HtmlWriter可以将文档存成html文件

3. 打开文档

   document.open();
   

   打开文档后可以设定文档的标题，作者，关键字，装订方法等…

4. 向文档中添加内容

   document.add(new Paragraph("Hello World"));
   

   向文档添加的内容都是以对象为单位，如Phrase，Paragraph，Table等。

   文本处理：iText中用文本框（Chunk），短语（Phrase）和段落（paragraph）处理文本。

   Chunk是处理文本的最小单位

5. 关闭文档

   document.close();
   

通过上面5个步骤就能生成一个Helloworld.PDF，文件内容是“Hello World”

html转pdf

• 直接把HTML转成单个PDF文件
• 把HTML内容转成PDF的元素Element，对应已有的PDF文档，可以把转换后的Element追加到document中，生成PDF文件

/*直接转pdf*/
String htmlFile = "html的地址   .../xx.html";
String pdfFile = "输出的pdf的地址   .../xxx.pdf";

InputStream htmlFileStream = new FileInputStream(htmlFile);

/*中文字体定义*/
//使用BaseFont类创建一个新的字体对象bfCN，这个字体是轻的宋体（STSongStd-Light），它是Unicode的GB2312版本（UniGB-UCS2-H）。
BaseFont bfCN = BaseFont.creatFont("STSongStd-Light", "UniGB-UCS2-H", false);

//创建一个新的中文字体对象chFont，字体大小为14，样式为正常，颜色为蓝色。
Font chFont = new Font(bfCN, 12, Font.NORMAL, BaseColor.BLUE);

//创建一个新的段落字体对象secFont，字体大小为12，样式为正常，颜色为一种亮白色。
Font secFont = new Font(bfCN, 2, Font.NORMAL, new BaseColor(0, 204, 255));

/*构建document实例*/
Document document = new Document();
/*建立书写器wirter与document关联*/
PdfWriter pdfwriter = PdfWriter.getInstance(document, new FileOutputStream(pdfFile));

pdfwriter.setViewerPreferences(PdfWriter.HideToolbar);
/*打开文档*/
document.open();
//文档添加内容
//html文件
InputStreamReader isr = new InputStreamReader(htmlFileStream, "UTF-8");
//默认参数转换
XMLWorkerHelper.getInstance().parseXHtml(pdfwriter, document, isr);
//关闭文档
document.close();

URL转PDF

• 如果URL地址内容包含中文字符，需要XML Worker能支持中文字符转换（详见：http://www.micmiu.com/opensource/expdoc/itext-xml-worker-cn/）

• Java 的HTML解析器，这里选择 ：jsoup （官网：http://jsoup.org/），如果是 maven 构建项目的，直接在pom文件中增加jsoup的依赖配置即可：

  <dependency>
  	<groupId>org.jsoupgroupId>
  	<artifactId>jsoupartifactId>
  	<version>1.7.1version>
  	<type>jartype>
  	<scope>compilescope>
  dependency>
  

  - `info[0]`：第一个元素包含博客文章的标题。它从 HTML 元素 `
  ` 中提取文本内容。
  
  - `info[1]`：第二个元素捕获博客文章的类别。它查找带有 `rel=category tag` 属性的 `` 元素，并提取 `href` 属性，去除特定的 URL 前缀。
  
  - `info[2]`：这个元素包含博客文章的日期。它从具有类 `post-info-date` 的 HTML 元素中提取文本内容，使用字符串 "日期" 进行拆分，并保留其后的部分，修剪任何前导或尾随空格。
  
  - `info[3]`：最后一个元素表示博客文章的内容。它从具有类 `entry` 的 `
  ` 元素中提取 HTML 内容，可能通过名为 `formatContentTag` 的函数进行格式化。
  
  

  /**
  	 * 根据URL提前blog的基本信息，返回结果>>:[主题 ,分类,日期,内容]等.
  	 *
  	 * @param blogURL
  	 * @return
  	 * @throws Exception
  	 */
  	public static String[] extractBlogInfo(String blogURL) throws Exception {
  		String[] info = new String[4];
  		org.jsoup.nodes.Document doc = Jsoup.connect(blogURL).get();
  		org.jsoup.nodes.Element e_title = doc.select("h2.title").first();
  		info[0] = e_title.text();	
  org.jsoup.nodes.Element e_category = doc.select("a[rel=category tag]")
  			.first();
  	info[1] = e_category.attr("href").replace("http://www.micmiu.com/", "");
  
  	org.jsoup.nodes.Element e_date = doc.select("span.post-info-date")
  			.first();
  
  	String dateStr = e_date.text().split("日期")[1].trim();
  	info[2] = dateStr;
  	org.jsoup.nodes.Element entry = doc.select("div.entry").first();
  	info[3] = formatContentTag(entry);
  
  	return info;
  }
  
  /**
   * 格式化 img标签
   *
   * @param entry
   * @return
   */
  private static String formatContentTag(org.jsoup.nodes.Element entry) {
  	try {
  		entry.select("div").remove();
  		// 把  替换为 
  		// src="*.jpg"/>
  		for (org.jsoup.nodes.Element imgEle : entry
  				.select("a[href~=(?i)\\.(png|jpe?g)]")) {
  			imgEle.replaceWith(imgEle.select("img").first());
  		}
  		return entry.html();
  	} catch (Exception e) {
  		return "";
  	}
  }
  
  /**
   * 把String 转为 InputStream
   *
   * @param content
   * @return
   */
  public static InputStream parse2Stream(String content) {
  	try {
  		ByteArrayInputStream stream = new ByteArrayInputStream(
  				content.getBytes("utf-8"));
  		return stream;
  	} catch (Exception e) {
  
  		return null;
  	}
  }
  

  /*
  HTML文件转换为PDF
  */
  String bolgURL = ",,,,";
  String pdfFile = "输出的pdf路径";
  
  /*中文字体定义*/
  //使用BaseFont类创建一个新的字体对象bfCN，这个字体是轻的宋体（STSongStd-Light），它是Unicode的GB2312版本（UniGB-UCS2-H）。
  BaseFont bfCN = BaseFont.creatFont("STSongStd-Light", "UniGB-UCS2-H", false);
  
  //创建一个新的中文字体对象chFont，字体大小为14，样式为正常，颜色为蓝色。
  Font chFont = new Font(bfCN, 12, Font.NORMAL, BaseColor.BLUE);
  
  //创建一个新的段落字体对象secFont，字体大小为12，样式为正常，颜色为一种亮白色。
  Font secFont = new Font(bfCN, 2, Font.NORMAL, new BaseColor(0, 204, 255));
  
  //创建一个新的文本字体对象textFont，字体大小为12，样式为正常，颜色为黑色。
  Font textFont = new Font(bfCN, 12, Font.NORMAL, BaseColor.BLACK);
  
  //创建一个新的PDF文档对象。
  Document document = new Document();
  
  //将PDF文档写入指定的文件输出流中。
  PdfWriter pdfwriter = PdfWriter.getInstance(document, new FileOutStream(pdfFile));
  
  //设置PDF文件的查看器偏好，隐藏工具栏。
  pdfwriter.setViewerPreferences(PdfWriter.HideToolbar);
  
  document.open();
  
  Sting[] blogInfo = extractBlogInfo(blogURL);//自定义的函数，提取信息
  
  //将HTML代码解析为PDF文档的一部分。
  XMLWorkerHelper.getInstance().parseXHtml(pdfwriter, document,parse2Stream(blogInfo[3]));
  
  document.close();