我正在使用 openhtmltopdf将 html 转换为 pdf。目前,如果 html 包含德语字符,例如 ä,ö,ü,我会遇到异常。
PdfRendererBuilder builder = new PdfRendererBuilder();
builder.useFastMode();
builder.withHtmlContent(html,"file://localhost/");
builder.toStream(out);
builder.run();
org.xml.sax.SAXParseException; lineNumber: 17; columnNumber: 31; The entity "auml" was referenced, but not declared.
这是我的 html:
<html>
<head>
<meta charset="UTF-8" />
</head>
<body>
käse
</body>
</html>
导出的单词是“käse”(奶酪)。
更新
我尝试过使用实体解析器,方法是这样的:
DocumentBuilderFactory factory=DocumentBuilderFactory.newInstance();
DocumentBuilder builder=null;
try{
builder=factory.newDocumentBuilder();
ByteArrayInputStream input=new ByteArrayInputStream(html.getBytes("UTF-8"));
builder.setEntityResolver(FSEntityResolver.instance());
org.w3c.dom.Document doc=builder.parse(input);
}catch(Exception e){
logger.error(e.getMessage(),e);
}
但我在“解析”时仍然遇到相同的异常。
最佳答案
看来您需要提供 DTD或将实体名称 auml
替换为其对应的十六进制或十进制值,即分别为 ä
或 ä
。参见 A.2. Entity Sets和 HTML 4 Entity Names .
html 内容如下所示:
<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE html [
<!ENTITY auml "ä">
]>
<html>
<head>
</head>
<body>
käse
</body>
</html>
或者,您可以遍历 html 字符串并将实体名称替换为其相应的十进制/十六进制值,这应该没问题,或者在将 DTD 传递给 pdf 生成器之前将其添加到您的 html 字符串中。
更新
您可能想提供 jsoup图书馆一试。它解析并为您提供一个org.w3c.dom.Document
,例如
Document jsoupDoc = Jsoup.parse(html); // org.jsoup.nodes.Document
W3CDom w3cDom = new W3CDom(); // org.jsoup.helper.W3CDom
org.w3c.dom.Document w3cDoc = w3cDom.fromJsoup(jsoupDoc);
然后您可以像这样将 w3cDoc
传递给 pdf 生成器
PdfRendererBuilder builder = new PdfRendererBuilder();
builder.withW3cDocument(w3cDoc, "file://localhost/");
关于java - 带有德语字母表的 Html 到 Pdf,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60524835/