Java实现HTML页面转PDF解决方案
添加maven依赖
com.itextpdf.tool
xmlworker
5.5.9
com.itextpdf
itext-asian
5.2.0
org.xhtmlrenderer
flying-saucer-pdf-itext5
9.0.3
复制代码
代码实现
public class FileTypeConvertUtil {
/**
* 将HTML转成PD格式的文件。html文件的格式比较严格
* @param htmlFile
* @param pdfFile
* @throws Exception
*/
// 
public static void html2pdf(String htmlFile, String pdfFile) throws Exception {
// step 1
String url = new File(htmlFile).toURI().toURL().toString();
System.out.println(url);
// step 2
OutputStream os = new FileOutputStream(pdfFile);
ITextRenderer renderer = new ITextRenderer();
renderer.setDocument(url);
        // 图片为本地的绝对路径时,如http://www.baidu.com/a.jpg,则为
renderer.getSharedContext().setBaseURL("http://www.baidu.com/");
        // 图片为HTTP链接时，src只需填写相对路径，如D:/a.jpg,则为
renderer.getSharedContext().setBaseURL("file:/D:/");
// step 3 解决中文支持
ITextFontResolver fontResolver = renderer.getFontResolver();
if("linux".equals(getCurrentOperatingSystem())){
fontResolver.addFont("/usr/share/fonts/chiness/simsun.ttc", BaseFont.IDENTITY_H, BaseFont.EMBEDDED);
}else{
fontResolver.addFont("c:/Windows/Fonts/simsun.ttc", BaseFont.IDENTITY_H, BaseFont.NOT_EMBEDDED);
}
renderer.layout();
renderer.createPDF(os);
os.close();
System.out.println("create pdf done!!");
}
public static String getCurrentOperatingSystem(){
String os = System.getProperty("os.name").toLowerCase();
System.out.println("---------当前操作系统是-----------" + os);
return os;
}
public static void main(String[] args) {
String htmlFile = "E:/ami.html";
String pdfFile = "E:/ami.pdf";
try {
FileTypeConvertUtil.html2pdf(htmlFile, pdfFile);
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (Exception e) {
e.printStackTrace();
}
}
}
复制代码
注意：
输入的HTML页面必须是标准的XHTML页面。页面的顶上必须是这样的格式：
语法必须是标准的HTML语法：所有标签都必须闭合
CSS中必须指定字体，然后在java代码中设置相应的字体

Atitit pdf转文本 pdfutil
java -jar C:\Users\attilax\Pictures\pdfbox-app-2.0.9.jar  ExtractText   "C:\atibeks517\l4 doc v3 r7a ori exted\_0index\一种简单的基于字符形状的验证码识别技术.pdf"   c:\logs\识别技术.pdf.txt
转html
-console
false
Send text to console instead of file.
-html
false
Output in HTML format instead of raw text.
TextToPDF
This application will create a PDF document from a text file.
Usage: java -jar pdfbox-app-2.y.z.jar TextToPDF [OPTIONS] 
Command-Line Parameter
Default
Description
-standardFont
Helvetica
The font to use for the text. Either this or -ttf should be specified but not both.
-ttf
The TTF font to use for the text. Either this or -standardFont should be specified but not both.
java——PDF转换txt - 乞彦 - 博客园.html
w GoSYU�y

文章目录[隐藏]
Java实现Html转PDF
 原 
Java实现Html转PDF
 2015年07月07日 10:35:10
死神的丧钟
阅读数：38929
 
标签：
Java HTML转PDF 
更多
 个人分类：
Web Java  
 
项目上的客户提出一个需求，把政务流程中的表单数据导出成pdf或者图片格式，用来作电子档案材料。表单基于公司的电子政务构建平台实现，在数据库保存的都是html格式，因此打算直接把表单html转成pdf或者图片。由于表单是已经写好了html页面，那我要做的就是能完美解析html+css的pdf生成工具。在百度上搜索html转pdf的结果，大部分都是用itext，itext的确是java开源组件的第一选择。不过itext也有局限，就是要自己写模版，系统中的表单数量有好几百个，为每个表单做一个导出模版不现实。 
最后，wkhtmltopdf进入了我的选择范围。wkhtmltopdf是一个使用webkit网页渲染引擎开发的用来将 html转成 pdf的工具，可以跟多种脚本语言进行集成来转换文档。
官网地址 http://wkhtmltopdf.org/
github地址 
https://github.com/wkhtmltopdf/wkhtmltopdf
wkhtmltopdf把html转成pdf很简单，只要在windows命令行中输入
c:wkhtmltopdf.exe http://www.csdn.net c:csdn.pdf
就可以把csdn网页转成pdf，并保存到C盘根目录。
在java中调用wkhtmltopdf的命令Runtime.getRuntime().exec(“c:wkhtmltopdf.exe http://www.csdn.net c:csdn.pdf”)就可以实现转换。
下面把命令封装成java工具类，方便调用。
1
import java.io.File;
2
 
3
public class HtmlToPdf {
4
//wkhtmltopdf在系统中的路径
5
private static final String toPdfTool = "c:\wkhtmltopdf.exe";
6
7
/**
8
 * html转pdf
9
 * @param srcPath html路径，可以是硬盘上的路径，也可以是网络路径
10
 * @param destPath pdf保存路径
11
 * @return 转换成功返回true
12
 */
13
public static boolean convert(String srcPath, String destPath){
14
File file = new File(destPath);
15
File parent = file.getParentFile();
16
//如果pdf保存路径不存在，则创建路径
17
if(!parent.exists()){
18
parent.mkdirs();
19
}
20
21
StringBuilder cmd = new StringBuilder();
22
cmd.append(toPdfTool);
23
cmd.append(" ");
24
cmd.append(srcPath);
25
cmd.append(" ");
26
cmd.append(destPath);
27
28
boolean result = true;
29
try{
30
Process proc = Runtime.getRuntime().exec(cmd.toString());
31
HtmlToPdfInterceptor error = new HtmlToPdfInterceptor(proc.getErrorStream());
32
HtmlToPdfInterceptor output = new HtmlToPdfInterceptor(proc.getInputStream());
33
error.start();
34
output.start();
35
proc.waitFor();
36
}catch(Exception e){
37
result = false;
38
e.printStackTrace();
39
}
40
41
return result;
42
}
43
}


接收Process的输入和错误信息时，需要创建另外的线程，否则当前线程会一直等待（在Tomcat中有这种现象）。
1
import java.io.BufferedReader;
2
import java.io.IOException;
3
import java.io.InputStream;
4
import java.io.InputStreamReader;
5
 
6
/**
7
 * 当java调用wkhtmltopdf时，用于获取wkhtmltopdf返回的内容
8
 */
9
public class HtmlToPdfInterceptor extends Thread {
10
private InputStream is;
11
12
public HtmlToPdfInterceptor(InputStream is){
13
this.is = is;
14
}
15
16
public void run(){
17
try{
18
InputStreamReader isr = new InputStreamReader(is, "utf-8");
19
BufferedReader br = new BufferedReader(isr);
20
String line = null;
21
while ((line = br.readLine()) != null) {
22
System.outlprintln(line.toString()); //输出内容
23
}
24
}catch (IOException e){
25
e.printStackTrace();
26
}
27
}
28
}


在Servlet中调用
1
/**
2
 * Html转PDF
3
 */
4
@WebServlet("/htmltopdf/servlet")
5
public class HtmlToPdfServlet extends HttpServlet {
6
private static final long serialVersionUID = 1L;
7
8
/**
9
 * Servlet接收参数path，获取html的url
10
 */
11
protected void service(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {
12
String path = request.getParameter("path");
13
if(path == null || path.equals("")){
14
return;
15
}
16
17
//获取pdf的临时保存路径
18
//tmp为网站下的目录
19
//把生成的pdf放到网站下以便下载
20
String pdfPath = request.getSession().getServletContext().getRealPath("/tmp");
21
String pdfName = UUID.randomUUID().toString() + ".pdf";
22
23
if(HtmlToPdf.convert(path, pdfPath + "/" + pdfName)){
24
response.sendRedirect(request.getContextPath() + "/tmp/" + pdfName);
25
}
26
}
27
}


在浏览器中输入http://<网站路径>/htmltopdf/servlet?path=http://blog.csdn.net

 

java实现将html网页转pdf，如果需求只是将一些简单的html元素转成pdf，那么使用 itext 或者 FlyingSaucer 就可以搞定，但是真正的网页url类型的html涉及到的 html 语法和 css语法实在是太复杂，itext 和 FlyingSaucer 根本没法搞定。

最后发现使用 phantomjs 可以完美将html转换为pdf，大概思路如下：

一、下载phantomjs

https://phantomjs.org/download.html  根据操作系统下载对应的phantomjs版本

二、编写 html2pdf.js

内容如下：

var page = require('webpage').create();
var system = require('system');

// 读取命令行参数，也就是js文件路径。
if (system.args.length === 1) {
  console.log('Usage: phantomjs html2pdf.js <html URL> <pdf_width> <pdf_height> <pdfPath>');
  //这行代码很重要。凡是结束必须调用。否则phantomjs不会停止
  phantom.exit();
}
page.settings.loadImages = true;  //加载图片
page.settings.resourceTimeout = 30000;//超过30秒放弃加载

var address = system.args[1];
// server in windows: width + 'mm', linux: (width * 3.7794).toFixed(1) + 'px'
// 下面是从命令行中获取 pdf的高度、宽度 和 pdf文件的路径
var width2 = system.args[2];
var height2 = system.args[3];
var pdfPath = system.args[4];
console.log(width2);
console.log(height2);
// 如果对pdf尺寸没有特殊要求也可以将宽度和高度写死
page.paperSize = { width: width2,height:height2};

page.open(address, function (status) {
    if (status !== 'success') {
        console.log('Unable to load the address!');
        phantom.exit(1);
    } else {
        window.setTimeout(function () {
            console.log("begin...");
            page.render(pdfPath);
            console.log(pdfPath);
            phantom.exit(); // 一定要调用这个方法
            console.log("end...");
        }, 1000);
    }
});

三、执行命令行语句验证pdf生成的效果

/test/phantomjs /test/html2pdf.js http://www.baidu.com 1000px 1000px /test/a.pdf

执行这条命令，检查生成pdf是否符合要求。如果不行则尝试调整参数或者脚本

四、java中调用命令

public static void html2Pdf(String phantomjs, String url, String html2pdfjs
		, Integer width, Integer height, String pdfPath) {
	InputStream is = null;
	try {
		System.out.println(url);
		File pdfFile = new File(pdfPath);
		File parentFile = pdfFile.getParentFile();
		if(!parentFile.exists()) {
			parentFile.mkdirs();
		}
		String os = System.getProperty("os.name").toLowerCase();
		String w = null, h = null;
		if(os.contains("linux")) {
			w = String.format("%.2f", width * 3.7794) + "px";
			h = String.format("%.2f", height * 3.7794) + "px";
		} else {
			w = width + "mm";
			h = height + "mm";
		}
		System.out.println(os + "===" + w + "=======" + h);
		//执行phantomjs 生成js
		Runtime rt = Runtime.getRuntime();
		String cmd = phantomjs + " " + html2pdfjs + " " + url + " " + w + " " + h + " " + pdfPath;
		System.out.println("cmd===" + cmd);
		Process p = rt.exec(cmd);
		is = p.getInputStream();
		BufferedReader br = new BufferedReader(new InputStreamReader(is));
		StringBuffer sbf = new StringBuffer();
		String tmp = "";
		while ((tmp = br.readLine()) != null) {
			sbf.append(tmp);
		}
		String resultstr = sbf.toString();
		System.out.println(resultstr);
		p.waitFor(); // 等待运行结束
	} catch (Exception e) {
		e.printStackTrace();
	} finally {
		if(is != null) {
			try {
				is.close();
			} catch (Exception e) {
			}
		}
	}
	return null;
}

width 和 height 两个参数在windos环境和在linux环境下传给phantomjs达到的效果竟然不一样，所以上面的程序专门做了不同的处理。

五、踩过的坑

1、linux下java调用命令及参数中如果带了 & 符号，会导致命令执行失败，同时又找不到原因。因为 & 符号在linux命令下有特殊的含义，因此 网页的url中如果带了&符号（比如url中的&是传递参数的）则pdf会生成不正确

2、如果尝试将带&的网页url 用引号包起来，在linux命令行下可以顺利执行，但是java的Runtime.exec()去执行命令还是不能正确生成pdf文件，好像是因为Runtime.exec()对参数中的引号进行特殊的处理。

因此，如果能自己控制网页url，则需要将网页url中的&替换掉，改成其他方式传参。如果是别人的网页url，在linux似乎没有好的办法解决。

六、参考资料

phantomjs 参考资料如下：

https://phantomjs.org/download.html

https://www.npmjs.com/package/phantom-html2pdf

https://phantomjs.org/api/webpage/property/paper-size.html

本文内容到此结束，更多内容可关注公众号和个人微信号：