如何使用iText和XMLWorker将格式错误的HTML转换为PDF？

Question

我正在尝试使用Itext XMLWorkerHelper将HTML（使用外部CSS）转换为PDF，每当XMLWorkerHelper解析格式错误的HTML时，我都会遇到运行时异常。例如：

下面的html输入标记未关闭：XMLWorkerHelper无法解析并抛出运行时异常。

如果我尝试使用正确的HTML输入标签，它可以正常工作。

如何使用Itext将格式错误或复杂的HTML（以及css）转换为PDF格式。

下面是我的代码：

var test_html = File.ReadAllText("C:/Desking _ Lender Program - Dealertrack.html");
var test_css = File.ReadAllText("C:/login.css");
using (var msCss = new MemoryStream(System.Text.Encoding.UTF8.GetBytes(test_css)))
                    {
                        using (var msHtml = new MemoryStream(System.Text.Encoding.UTF8.GetBytes(test_html)))
                        {

                            //Parse the HTML
                            try
                            {
                                iTextSharp.tool.xml.XMLWorkerHelper.GetInstance().ParseXHtml(writer, doc, msHtml, msCss);
                            }
                            catch { }
                        }
                    }

Answer 1

您是否已决定使用iText7或iTextSharp（5.xx）有点不清楚，但这是后者使用HtmlAgilityPack清除格式错误的HTML的简单示例：

var malformedHtml = @"
<h1>Malformed HTML</h1>
<p>A paragraph <b><span>with improperly nested tags</b></span></p><hr>
<table><tr><td>Cell 1, row 1</td><td>Cell 1, row 2";
HtmlDocument h = new HtmlDocument()
{
    OptionFixNestedTags = true, OptionWriteEmptyNodes = true
};
h.LoadHtml(malformedHtml);

string css = @"
h1 { font-size:1.4em; }
hr { margin-top: 4em; margin-bottom: 2em; color: #ddd; }
table { border-collapse: collapse; }
table, td { border: 1px solid black; }
td { padding: 4px; }
span { color: red; }";

using (var stream = new MemoryStream())
{
    using (var document = new Document())
    {
        PdfWriter writer = PdfWriter.GetInstance(document, stream);
        document.Open();
        using (var htmlStream = new MemoryStream(Encoding.UTF8.GetBytes(h.DocumentNode.WriteTo())))
        {
            using (var cssStream = new MemoryStream(Encoding.UTF8.GetBytes(css)))
            {
                XMLWorkerHelper.GetInstance().ParseXHtml(writer, document, htmlStream, cssStream);
            }
        }
    }
    File.WriteAllBytes(OUTPUT, stream.ToArray());
}

PDF输出：

Answer 2

如果您可以自由选择特定的iText风格，请使用iText7和pdfHTML。它取代了XMLWorker，支持更广泛的标签和CSS3.0。