使用ITextRenderer从HTML生成非拉丁字符的PDF不起作用

encoding java pdf itext flying-saucer

2022-09-04 02:02:34

这是我花在调查的第二天，没有结果。至少现在，我能够提出一些非常具体的问题。

我正在尝试使用iText编写一个有效的HTML代码，其中包含PDF文件中的一些非拉丁字符，更具体地说，使用Flying Saucer的ITextRenderer。

我的简短示例/代码首先使用以下值初始化字符串变量文档：

String doc = "<?xml version=\"1.0\" encoding=\"UTF-8\"?><html xmlns=\"http://www.w3.org/1999/xhtml\" lang=\"en\">"
            + "<body>Some greek characters: Καλημέρα Some greek characters"
            + "</body></html>";

下面是我用于调试的代码。我将此字符串保存到HTML文件，然后通过浏览器打开它，只是为了仔细检查HTML内容是否有效，我仍然可以读取希腊字符：

//write for debugging purposes in an html file
File newTextFile = new File("C:/work/test.html");
FileWriter fw = new FileWriter(newTextFile);
fw.write(doc);
fw.close();

下一步是尝试将此值写入 PDF 文件。这是我的代码：

ITextRenderer renderer = new ITextRenderer();
    //add some fonts - if paths are not right, an exception will be thrown
    renderer.getFontResolver().addFont("c:/work/fonts/TIMES.TTF", BaseFont.IDENTITY_H, BaseFont.EMBEDDED);
    renderer.getFontResolver().addFont("c:/work/fonts/TIMESBD.TTF", BaseFont.IDENTITY_H, BaseFont.EMBEDDED);
    renderer.getFontResolver().addFont("c:/work/fonts/TIMESBI.TTF", BaseFont.IDENTITY_H, BaseFont.EMBEDDED);
    renderer.getFontResolver().addFont("c:/work/fonts/TIMESI.TTF", BaseFont.IDENTITY_H, BaseFont.EMBEDDED);


    final DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory
            .newInstance();
    documentBuilderFactory.setValidating(false);
    DocumentBuilder builder = documentBuilderFactory.newDocumentBuilder();
    builder.setEntityResolver(FSEntityResolver.instance());
    org.w3c.dom.Document document = builder.parse(new ByteArrayInputStream(
            doc.toString().getBytes("UTF-8")));

    renderer.setDocument(document, null);
    renderer.layout();
    renderer.createPDF(os);

我的代码的最终结果是：

在 HTML 文件中I get： 一些希腊字符： Καλημέρα 一些希腊字符 （预期）

在 PDF 文件中我得到：一些希腊字符：一些希腊字符（出乎意料 - 希腊字符被忽略！！）

依赖：

java 版本 “1.6.0_27”
itext-2.0.8.jar
de.huxhorn.lilith.3rdparty.flyingsaucer.core-renderer-8Pre2.jar

我也尝试过更多的字体，但我想我的问题与使用错误的字体无关。任何帮助都是非常受欢迎的。

感恩节

答案 1

我来自捷克共和国，我们的国家象征也有同样的问题！经过一些搜索，我设法用这个解决方案解决了它。

特别是（您已经拥有）：

renderer
    .getFontResolver()
    .addFont(fonts.get(i).getFile().getPath(), 
             BaseFont.IDENTITY_H, 
             BaseFont.NOT_EMBEDDED);

然后是CSS中的重要部分：

* {
  font-family: Verdana;
/*  font-family: Times New Roman; - alternative. Without ""! */
}

在我看来，没有那个css，你的字体就不会被使用。当我从CSS中删除这些行时，编码再次被破坏。

希望这会有所帮助！

答案 2

向 HTML 中添加如下内容：

<?xml version='1.0' encoding='UTF-8'?>
<!DOCTYPE html>
<html>
    <head>
        <meta http-equiv='Content-Type' content='text/html; charset=UTF-8'/>
        <style type='text/css'> 
            * { font-family: 'Arial Unicode MS'; }
        </style>
    </head>
    <body>
        <span>Some text with šđčćž characters</span>
    </body>
</html>

然后在java代码中将FontResolver添加到ITextRenderer中：

ITextRenderer renderer = new ITextRenderer();
renderer.getFontResolver().addFont("fonts/ARIALUNI.TTF", BaseFont.IDENTITY_H, BaseFont.NOT_EMBEDDED);

非常适合克罗地亚字符

用于生成 PDF 的 jar 是：

core-renderer.jar
iText-2.0.8.jar