时间戳

首页 > 解决方案 > 带有德语字母的 Html 到 Pdf

java - 带有德语字母的 Html 到 Pdf

问题描述

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；行号：17；列号：31；实体“auml”被引用，但未声明。

这是我的html：

<html>
   <head>      
      <meta charset="UTF-8" />
    </head>
    <body>
        k&auml;se
    </body>
</html>

导出的单词是“käse”（奶酪）。

更新

我尝试过使用实体解析器，以这种方式：

 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);
    }

但我仍然在“解析”中遇到同样的异常。

标签： javahtml-to-pdfflying-sauceropenhtmltopdf

解决方案

看起来您需要提供DTD或将实体名称auml替换为其相应的十六进制或十进制值，即&#xE4;或&#228;分别。见A.2。实体集和HTML 4 实体名称。

html 内容如下所示：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE html [
        <!ENTITY auml "&#228;">
]>
<html>
    <head>
    </head>
    <body>
        k&auml;se
    </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 dec/hex 值，这应该没问题，或者在将 DTD 传递给 pdf 构建器之前将其添加到您的 html 字符串。

更新

您可能想尝试一下jsoup库。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);

然后你可以w3cDoc像这样传递给 pdf builder

PdfRendererBuilder builder = new PdfRendererBuilder();
builder.withW3cDocument(w3cDoc, "file://localhost/");

推荐阅读