将HTML文件转换为PDF

128

我需要从现有的（X）HTML文档自动生成PDF文件。输入文件（报告）使用基于表的相当简单的布局，因此可能不需要支持真正精美的JavaScript / CSS。

由于我习惯于使用Java，因此最好使用可以轻松地在Java项目中使用的解决方案。不过，它仅需要在Windows系统上工作。

一种可行的方法，但是不会产生高质量的输出（至少是开箱即用的），这是使用CSS2XSLFO和Apache FOP创建PDF文件。我遇到的问题是，虽然CSS属性得到了很好的转换，但表格布局却很混乱，文本从表格单元格流出。

我还快速浏览了使用Gecko渲染引擎的Java API Jrex。

有没有办法从Internet Explorer渲染引擎中获取渲染页面并将其自动发送到PDF打印机工具？我没有在Windows中进行OLE编程的经验，所以我不知道什么是可能的，什么不是。

你有好主意吗？

— 潘斯克
source

3

我最近创建了一个Java库docbag，可以将xhtml转换为pdf文档。当前版本没有任何高级功能，但是如果您的xhtml模板很简单，则该库可能会派上用场。

— 雅各布·托比奇

我认为要走的路是使用浏览器功能进行翻译。参见stackoverflow.com/q/25574082/39998

— David Hofmann 2014年

我坚持从包含西里尔字母的html生成pdf。一切都很好，除了西里尔字母被省略。有人遇到这种问题吗？

— Kristijan Iliev 2015年

@krisiliev：我有类似的问题，据我所记得，所使用的字体非常重要。大多数字体不支持完整的UTF8字符，但以下字符应：'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 2015年

2

此链接帮助我 hmkcode.com/itext-html-to-pdf-using-java

— Mateen，

73

该飞碟 XHTML渲染项目具有输出XHTML到PDF的支持。在这里看看一个例子。

— 标记
source

20

飞行sauser的真正问题在于它使用itext来呈现PDF，这是AGPL v3许可的库

— David Hofmann

11

飞碟使用的itext版本是2.0.8，可在LGPL下获得。限制性更强的许可证上仅包含版本号5或更高版本。 stackoverflow.com/questions/2692000/…–

— 加里

8

我想说的是飞碟的真正问题在于它需要一个格式正确且有效的XML文档。通过在HTML中包含“＆”符号或某些使您渲染的HTML并非严格的XHTML的JavaScript代码，很容易在不知不觉中破坏PDF渲染。尽管可以通过自动测试或某些涉及XML验证的过程来缓解这种情况。

— 史蒂夫·

3

@LateralFractal据我所知，Flying Saucer 9.0.8（我认为是最新版本）使用iText 2.1.7，这是具有许可许可的最新iText版本-LGPL。mvnrepository.com/artifact/org.xhtmlrenderer/flying-saucer-pdf/...

— 乔纳森Crosmer

2

@JonathanCrosmer是的。有两个用于PDF的FlyingSaucer软件包，一个用于iText v2，一个用于iText v5。假设两者具有相同的功能；AGPL风险可以回避。

— LateralFractal 2013年

49

您尝试过WKHTMLTOPDF吗？

这是一个简单的shell实用程序，WebKit的开源实现。两者都是免费的。

我们在这里设置了一个小教程

编辑（2017）：

如果今天要建造一些东西，我不会再走那条路了。
但是会改用http://pdfkit.org/。
可能会剥离其所有的nodejs依赖项，以在浏览器中运行。

— 麦克风
source

16

对于直接的html页面到pdf的转换，这比我见过的其他任何免费或商业版本都好。

— MGOwen

它可以在非Mac OS上运行吗？

— 伊兰·麦丹

1

@Eran，我们在Linux上使用它。我觉得有一个Windows版本太多

— 麦克

1

@Mic是的，也有Windows版本。

— 维卡里（Viccari）2012年

在Windows XP（0.9.9版）上进行了测试，效果很好。另外，不需要在计算机上具有管理员权限即可安装。

— Christopher Mahan

44

查看iText ; 它是一个纯Java PDF工具包，支持从HTML读取数据。我最近在一个项目中使用了它，当时我需要从CMS中提取内容并将其导出为PDF文件，而且一切都很简单。对CSS和样式标签的支持是非常有限的，但是它的确呈现了表格而没有任何问题（尽管我从未设法设置列宽）。

从HTML创建PDF的过程如下：

Document doc = new Document(PageSize.A4);
PdfWriter.getInstance(doc, out);
doc.open();
HTMLWorker hw = new HTMLWorker(doc);
hw.parse(new StringReader(html));
doc.close();

— 弗雷多
source

9

它是AGPL，似乎比GPL更糟，即使您只提供PDF并且iText是服务器端，您也必须是开源的。

— 伊兰·麦丹

10

@Eran，只需使用最后一个非AGPL版本（Maven中的com.lowagie：itext：2.1.7）。

— Nowaker 2011年

1

较新版本的IText中不推荐使用HTMLWorker，而推荐使用XMLWorker。但是，在这两种情况下，CSS支持都很差（请参阅demo.itextsupport.com/xmlworker/itextdoc/…），并且不足以满足我的需求。相反，飞碟是完美的。

— 皮诺

您可以使用LGPL版本，该版本可在github.com/albfernandez/itext2

— Vladimir Rozhkov

4

如果你有资金，没有什么比王子XML作为该视频显示

— ÓlafurWaage
source

1

如果您正在寻找Prince的便宜替代品，请尝试DocRaptor.com。它使用Prince作为引擎。

— 朱莉

如果您想便宜一些，但有更多选择，请尝试htm2pdf.co.uk-它使用webkit和用户使用真正的所见即所得

— user1914292 2013年

3

有没有办法从Internet Explorer渲染引擎中获取渲染的页面并将其自动发送到PDF打印机工具？

ActivePDF就是这样工作的，这意味着您知道您将会得到什么，并且它实际上具有合理的样式支持。

这也是我发现的（实际上是几年前）为数不多的实际上支持各种分页符CSS命令的软件包之一。

不幸的是，ActivePDF软件非常令人沮丧-因为它必须在后台启动IE浏览器以进行转换，因此它可能非常慢，并且也不是特别稳定。

Beta中目前有一个新版本，应该会更好，但是我实际上没有机会试用它，所以不知道它有多少改进。

— 彼得·布顿
source

感谢您的帮助。由于价格原因，我认为ActivePDF并不真正合适，但是很高兴知道存在类似的东西。

— panschk，2009年

GrabzIt的HTML to PDF API：grabz.it/html-to-pdf-image-api.aspx的工作方式与在浏览器中呈现HTML，然后创建PDF的方式相同，从而确保了更多准确的PDF转换。

— user1474090

2

您可以使用带有扩展名的无头Firefox。开始运行很烦人，但确实产生了很好的效果。

查看此答案以获取更多信息。

— 罗霍卡
source

如果需要将运行中的页面并行转换为pdf，这听起来不是一个非常可扩展的解决方案。如果通过几个请求而导致使用FF进行转换，则您的服务器将失去一些GIG内存，仅用于服务几个转换后的页面。这会将您的服务器打开到DOS。

— mP。

更好但类似：github.com/ariya/phantomjs/wiki/Screen-Capture（根据we-love-php.blogspot.com/2012/12/…pdf具有真实文本，未栅格化）

— nafg

0

如果您查看问题的侧栏，则会看到许多相关问题...

在您的上下文中，更简单的方法可能是安装PDFCreator之类的PDF打印驱动程序，然后仅将页面打印到此输出中。

— hi
source

这是Java解决方案吗？这是Windows打印驱动程序。

— 灰色

OP明确提到Windows。我想其他系统也有类似的驱动程序。OP仅提到Java作为可能的解决方案...

— PhiLho

0

Amyuni WebkitPDF可以与JNI一起用于仅Windows的解决方案。这是HTML到PDF / XAML的转换库，可免费用于商业和非商业用途。

如果不需要立即使用输出文件，则为获得更好的可伸缩性，最好有一个队列和一些后台进程从中取出项目，然后将它们转换并存储在数据库或文件系统上。

通常免责声明适用

— 符号
source