Question

使用iTextSharp（5.x）将html转换为pdf时，我在尝试隐藏包含某个类的图像元素时出现问题。

我没有访问原始Html，因为它来自另一个来源，但是，我可以在C＃之后做一些基本的东西，比如Regex和string.replace。

Html字符串的一个简单示例如下：

<div>
    <div>
        <img src="somepath/desktop.jpg" class="img-desktop">Desktop</img>
        <img src="somepath/mobile.jpg" class="img-mobile">Mobile</img>
    </div>
</div>

然后使用iTextSharp中的XMLWorker将此字符串创建为PDF。

我需要隐藏第二张图片，更常见的是隐藏任何带有“img-mobile”类的图像元素。

我尝试了什么：

将img.img-mobile {display：none}添加到创建pdf时发送的CSS
将img.img-mobile {width：0; height：0}添加到CSS
将@media print {img.img-mobile：display：none}添加到CSS
将@media print {img.img-mobile：width：0; height：0}添加到CSS

使用Regex查找包含该类的img元素，然后循环匹配，用空源替换源，并用新字符串替换该字符串的原始html（我的Regex没有抓取任何匹配，不幸的是）

        var pattern = "<img.*?class=\"img-mobile.*\"\\s?>.*</img>";
        var mobileImages = Regex.Matches(innerHtml, pattern);
        var srcPattern = "src=\".*\" ";
        foreach (var imageElement in mobileImages)
        {

            var replaceString = Regex.Replace(imageElement.ToString(), srcPattern, " ");
            innerHtml.Replace(imageElement.ToString(), replaceString);
        }

我很快就没有关于如何处理这个问题的想法...唯一的优点是，由于工具在其他地方生成它，所以进入的Html是一致的。因此，当用户“将图像添加到该html”时，它的结构将始终相同，因此可以接受正则表达式和替换方法，尽管CSS方法会更受欢迎...

Answer 1

即使您是Regex专家，并且您的输入是可预测的，如上所述，解析HTML很难。更好，更简单的方法是使用经过测试/验证的解析器，几乎可以在每种编程语言中使用。对于.NET，它是HtmlAgilityPack。如果您知道一些XPath，它与CSS选择器非常相似，那么设置和选择要删除的特定节点非常简单：

string RemoveImage(string htmlToParse)
{
    var hDocument = new HtmlDocument()
    {
        OptionWriteEmptyNodes = true,
        OptionAutoCloseOnEnd = true
    };
    hDocument.LoadHtml(htmlToParse);
    var root = hDocument.DocumentNode;
    var imagesDesktop = root.SelectNodes("//img[@class='img-desktop']"); 
    foreach (var image in imagesDesktop)
    {
        var imageText = image.NextSibling;
        imageText.Remove();
        image.Remove();
    }
    return root.WriteTo();
}

然后将解析后的HTML传递给iTextSharp：

var parsedHtml = RemoveImage(HTML);
using (var xmlSnippet = new StringReader(parsedHtml))
{
    using (FileStream stream = new FileStream(
        outputFile,
        FileMode.Create,
        FileAccess.Write))
    {
        using (var document = new Document())
        {
            PdfWriter writer = PdfWriter.GetInstance(
                document, stream
            );
            document.Open();
            XMLWorkerHelper.GetInstance().ParseXHtml(
                writer, document, xmlSnippet
            );
        }
    }
}

使用您提供的HTML代码段为我工作。

在对“已批准”代码发表评论之后更新：

Aah，可怕的CCB。知道这是怎么回事。 :(如果HtmlAgilityPack没有通过，这里是一个替代解决方案，虽然它可能不是最好的Regex写的。;）

const string HTML = @"
<div>
    <p class='img-desktop'>Paragraph</p>
    <div>
        <img src='somepath/desktop.jpg' class='img-desktop'>Desktop</img>
        <img src='somepath/mobile.jpg' class='img-mobile'>Mobile</img>
    </div>
    <div>
        <img src='somepath/desktop.jpg' alt='img-desktop' title='img-desktop' class=""img-desktop"">Desktop
</IMG>
        <img src='somepath/mobile.jpg' class='img-mobile'>Mobile</img>
    </div>
</div>";

public void Go()
{
    var regex = new Regex(
        // initial update
        // @"<img[^>]*class='?""?'?img-desktop""?[^>]*>.*?</img>",

        // after seeing accepted answer, noticed a bad copy/paste.
        // above works, but for readability should have been this:
        @"<img[^>]*class='?""?img-desktop""?'?[^>]*>.*?</img>",
        // and also noticed above can be shortened to this, which works too
        // @"<img[^>]*class=[^>]*img-desktop[^>]*>.*?</img>"
        RegexOptions.IgnoreCase | RegexOptions.Compiled | RegexOptions.Singleline
    );
    Console.WriteLine(regex.Replace(HTML, ""));
}

Regex为您提供小额外余地，以防您正在处理的实际HTML不是完全，如上所述。

从html创建pdf时，如何隐藏具有特定类的图像？

1 个答案: