XML到TeX或如何从类似XHTML的源获取漂亮的PDF

Question

从表面上看，一个简单的问题是：如何从我的XML文档中获得外观精美的PDF？实际上，我的输入是XHTML的一个子集，添加了一些自定义属性（以保存引用源的一些信息等）。我一直在探索一些路线，并希望得到一些反馈，如果有人之前尝试了一些。

注意：我已经考虑过XSL-FO生成PDF但是听说开源工具的印刷质量仍然落后于TeX。猜猜最先进的是Apache FOP。但我真的对看起来很棒的PDF感兴趣（否则我可以使用浏览器的打印对话框）。有什么想法，更新吗？

所以我一直在考虑使用XSLT将我的自定义XML / XHTML方言转换为DocBook并从那里（DocBook via XSLT到正确的HTML似乎工作得很好，所以我也可以使用它来做到这一点）。但是如何从DocBook转到TeX？我遇到了很多解决方案。

• dblatex一组输出LaTeX的XSLT样式表。
• db2latex作为dblatex的克隆开始，但现在提供与LaTex软件包的更紧密集成，并提供单个脚本来输出PDF，这非常好。
• passiveTex它使用用TeX编写的XML解析器而不是XSLT。
• TeXML本质上是LaTeX语言的XML序列化，可以用作中间格式和随附的python工具，从该XML格式转换为LaTeX / ConTeXt。他们claimed这避免了现有解决方案的特殊符号问题，丢失了一些括号或空格，只支持latin-1编码。 （这仍然是这种情况吗？）

由于我的输入XML可能包含Unicode中表示的很多特殊字符，因此最后一点对我来说尤为重要。我一直在考虑使用XeTeX而不是pdfTeX来解决这个问题。 （虽然我可能会放弃一些印刷质量，但可能仍然比现有的开源XSL-FO处理器更好？）所以db2latex和TeXML似乎是最受欢迎的。那么有人可以评论那些人的稳健性吗？

或者，我可能会更直接地使用ConTeXt，因为似乎有一些interest in the ConTeXt community in XML。特别是，我可能会更深入地了解"My Way: Getting Web Content and pdf-Output from One Source"和"Dealing with XML in ConTeXt MkIV"。两篇文档都描述了使用ConTeXt结合LuaTeX的方法。 （DocBook In ConTeXt似乎也是如此，但最新版本是2003年。）第二份文件指出：

  

你可能想知道为什么我们在TEX中进行这些操作而不是使用xslt。该   集成方法的优点是它简化了使用。想想不仅要处理a   文档，但也使用xml来管理同一次运行中的资源。一个xslt   方法同样冗长（毕竟，你仍然需要生成TEX代码）并且可能   不太可读。在MkIV的情况下，综合方法也更快，并给我们   使用Lua在运行时操作内容的选项。

您如何看待这个？请记住，我对XSLT和TeX都有一些经验，但从来没有深入到其中任何一个。从未尝试过许多不同的LaTeX软件包或替代品，如ConTeXt（或XeTeX / LuaTeX而不是pdfTeX），但我愿意学习一些新东西来最终获得我漂亮的PDF文件;）

另外，我偶然发现Pandoc，但找不到任何与其他提到的方法相比的信息。最后，链接到how to use TeXML with ConTeXt上的一些相当广泛的文档。

Answer 1

我过去做过类似的事情（也就是说，用XML维护文档的主版本，并希望从中生成LaTeX输出）。

我过去曾使用过PassiveTeX，但我发现创建样式表是一项艰苦的工作 - 这是通常一次编写两种语言的结果。我得到了它的工作，结果看起来非常好，但它可能比它的价值更多的努力。也就是说，如果您需要添加的样式数量为 small ，那么这可能是一条好路线，因为它只是一步。

最成功的路线（读取，灵活且有吸引力）是使用XSLT将文档转换为结构LaTeX，它与结果文档的预期结构相匹配，但不会尝试做最小的格式化。根据您的文档，可能是看似正常的LaTeX，或者它可能有定制的结构。然后编写或调整LaTeX样式表或类文件，将输出格式化为有吸引力的东西。这样，你就可以使用XSLT来实现它的优势（而不是超越它们，这很快就会变得非常令人沮丧），使用LaTeX 的优势，而不是让自己感到困惑。

也就是说，这或多或少与前两个选项的方法相匹配，无论你是使用它们，还是编写/自定义具有定制输出的LaTeX样式表，都是你对LaTeX样式表感觉舒适的一个功能，以及需要做多少复杂或专门的格式化。

既然你说你需要在输入中处理Unicode字符，那么是的，XeLaTeX对于管道的LaTeX部分来说是个不错的选择。

Answer 2

您可能需要查看questions tagged with XML on TeX.sx，尤其是this。我建议你使用ConTeXt;当前版本没有Unicode问题，可以完美地处理OpenType - 它可以在Lua中编程。 LaTeX最常用的替代方法是XMLTeX，但这需要大量的TeX foo。

如果您的文档可以由pandoc处理，请使用：您将拥有多个输出选项，而不是任何基于TeX的系统。

Answer 3

最后，我决定选择Pandoc，似乎是非常优雅和稳固的代码库。一个潜在的缺点是，您必须将自己限制在Pandoc内部表示中可用的标记功能的数量，这些功能基本上与其extended markdown一对一映射。

因为我不认为从类似XHTML的源代码生成markdown是一个好主意，所以我成功地发起了一个pandoc component that reads DocBook，它目前在Pandoc开发回购的主分支中。所以现在我有一个简单的XSLT样式表，可以从我的XHTML方言转换为DocBook（也是XML），然后我使用Pandoc导出到其他格式的提升，包括通过ConTeXt的PDF。

Answer 4

如果您想要更多关于如何自定义 TeX 输出的选项，我建议您使用：

xml2tex

它基于声明式配置，您可以在其中指定从 XML 到 TeX 的映射。 MathML 和 XML 表（HTML 和 CALS）会自动转换为 TeX。因此，它是开源的，并为 DocBook 和 DITA 提供现成的配置。