原文：http://www.micmiu.com/opensource/expdoc/itext-url-pdf/
目錄：
- 概述
- 軟件要求
- 實現過程
[一]、概述
前面已經介紹了如何實現對HTML中文字符的轉換以及HTML文件生成PDF文件的基本方法，本文主要演示下如何把URL地址對應的內容直接轉換生成PDF文件，這個需求也有很多的應用場景，最簡單的應用場景比如：自己blog中的文章如何轉PDF，如果能生成PDF文件，一方面可以方便自己的閱讀，亦可作為一種備份。
[二]、軟件要求
- 如何URL地址內容包含中文字符，需要XML Worker能支持中文字符轉換（詳見：http://www.micmiu.com/opensource/expdoc/itext-xml-worker-cn/）
- Java 的HTML解析器，這里選擇 ：jsoup （官網：http://jsoup.org/），如果是 maven 構建項目的，直接在pom文件中增加jsoup的依賴配置即可：
1234567<dependency><groupId>org.jsoup</groupId><artifactId>jsoup</artifactId><version>1.7.1</version><type>jar</type><scope>compile</scope></dependency>
[三]、實現過程
以我的blog：http://www.micmiu.com/os/linux/shell-dev-null/ 為例，和HTML文件轉PDF類似同樣有兩種方法，詳細介紹見下面的具體實現代碼中的注釋。
Java實現代碼：Demo4URL2PDF.java
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
|
package com.micmiu.pdf.itext;
import java.io.ByteArrayInputStream;
import java.io.FileOutputStream;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.List;
import org.jsoup.Jsoup;
import com.itextpdf.text.BaseColor;
import com.itextpdf.text.Chapter;
import com.itextpdf.text.Chunk;
import com.itextpdf.text.Document;
import com.itextpdf.text.Element;
import com.itextpdf.text.Font;
import com.itextpdf.text.PageSize;
import com.itextpdf.text.Paragraph;
import com.itextpdf.text.Section;
import com.itextpdf.text.WritableDirectElement;
import com.itextpdf.text.pdf.BaseFont;
import com.itextpdf.text.pdf.PdfWriter;
import com.itextpdf.text.pdf.draw.LineSeparator;
import com.itextpdf.tool.xml.ElementHandler;
import com.itextpdf.tool.xml.Writable;
import com.itextpdf.tool.xml.XMLWorkerHelper;
import com.itextpdf.tool.xml.pipeline.WritableElement;
/**
* HTML文件轉換為PDF
*
* @author <a href="http://www.micmiu.com">Michael Sun</a>
*/
public class Demo4URL2PDF {
/**
* @param args
*/
public static void main(String[] args) throws Exception {
String blogURL = "http://www.micmiu.com/os/linux/shell-dev-null/";
// 直接把網頁內容轉為PDF文件
String pdfFile = "d:/test/itext/demo-URL.pdf";
Demo4URL2PDF.parseURL2PDFFile(pdfFile, blogURL);
// 把網頁內容轉為PDF中的Elements
String pdfFile2 = "d:/test/itext/demo-URL2.pdf";
Demo4URL2PDF.parseURL2PDFElement(pdfFile2, blogURL);
}
/**
* 根據URL提前blog的基本信息，返回結果>>:[主題 ,分類,日期,內容]等.
*
* @param blogURL
* @return
* @throws Exception
*/
public static String[] extractBlogInfo(String blogURL) throws Exception {
String[] info = new String[4];
org.jsoup.nodes.Document doc = Jsoup.connect(blogURL).get();
org.jsoup.nodes.Element e_title = doc.select("h2.title").first();
info[0] = e_title.text();
org.jsoup.nodes.Element e_category = doc.select("a[rel=category tag]")
.first();
info[1] = e_category.attr("href").replace("http://www.micmiu.com/", "");
org.jsoup.nodes.Element e_date = doc.select("span.post-info-date")
.first();
String dateStr = e_date.text().split("日期")[1].trim();
info[2] = dateStr;
org.jsoup.nodes.Element entry = doc.select("div.entry").first();
info[3] = formatContentTag(entry);
return info;
}
/**
* 格式化 img標簽
*
* @param entry
* @return
*/
private static String formatContentTag(org.jsoup.nodes.Element entry) {
try {
entry.select("div").remove();
// 把 <a href="*.jpg" ><img src="*.jpg"/></a> 替換為 <img
// src="*.jpg"/>
for (org.jsoup.nodes.Element imgEle : entry
.select("a[href~=(?i)\\.(png|jpe?g)]")) {
imgEle.replaceWith(imgEle.select("img").first());
}
return entry.html();
} catch (Exception e) {
return "";
}
}
/**
* 把String 轉為 InputStream
*
* @param content
* @return
*/
public static InputStream parse2Stream(String content) {
try {
ByteArrayInputStream stream = new ByteArrayInputStream(
content.getBytes("utf-8"));
return stream;
} catch (Exception e) {
return null;
}
}
/**
* 直接把網頁內容轉為PDF文件
*
* @param fileName
* @throws Exception
*/
public static void parseURL2PDFFile(String pdfFile, String blogURL)
throws Exception {
BaseFont bfCN = BaseFont.createFont("STSongStd-Light", "UniGB-UCS2-H",
false);
// 中文字體定義
Font chFont = new Font(bfCN, 14, Font.NORMAL, BaseColor.BLUE);
Font secFont = new Font(bfCN, 12, Font.NORMAL, new BaseColor(0, 204,
255));
Font textFont = new Font(bfCN, 12, Font.NORMAL, BaseColor.BLACK);
Document document = new Document();
PdfWriter pdfwriter = PdfWriter.getInstance(document,
new FileOutputStream(pdfFile));
pdfwriter.setViewerPreferences(PdfWriter.HideToolbar);
document.open();
String[] blogInfo = extractBlogInfo(blogURL);
int chNum = 1;
Chapter chapter = new Chapter(new Paragraph("URL轉PDF測試", chFont),
chNum++);
Section section = chapter
.addSection(new Paragraph(blogInfo[0], secFont));
section.setIndentation(10);
section.setIndentationLeft(10);
section.setBookmarkOpen(false);
section.setNumberStyle(Section.NUMBERSTYLE_DOTTED_WITHOUT_FINAL_DOT);
section.add(new Chunk("分類：" + blogInfo[1] + " 日期：" + blogInfo[2],
textFont));
LineSeparator line = new LineSeparator(1, 100, new BaseColor(204, 204,
204), Element.ALIGN_CENTER, -2);
Paragraph p_line = new Paragraph(" ");
p_line.add(line);
section.add(p_line);
section.add(Chunk.NEWLINE);
document.add(chapter);
// html文件
XMLWorkerHelper.getInstance().parseXHtml(pdfwriter, document,
parse2Stream(blogInfo[3]));
document.close();
}
/**
* 把網頁內容轉為PDF中的Elements
*
* @param pdfFile
* @param htmlFileStream
*/
public static void parseURL2PDFElement(String pdfFile, String blogURL) {
try {
Document document = new Document(PageSize.A4);
FileOutputStream outputStream = new FileOutputStream(pdfFile);
PdfWriter pdfwriter = PdfWriter.getInstance(document, outputStream);
// pdfwriter.setViewerPreferences(PdfWriter.HideToolbar);
document.open();
BaseFont bfCN = BaseFont.createFont("STSongStd-Light",
"UniGB-UCS2-H", false);
// 中文字體定義
Font chFont = new Font(bfCN, 14, Font.NORMAL, BaseColor.BLUE);
Font secFont = new Font(bfCN, 12, Font.NORMAL, new BaseColor(0,
204, 255));
Font textFont = new Font(bfCN, 12, Font.NORMAL, BaseColor.BLACK);
int chNum = 1;
Chapter chapter = new Chapter(new Paragraph("URL轉PDF元素，便於追加其他內容",
chFont), chNum++);
String[] blogInfo = extractBlogInfo(blogURL);
Section section = chapter.addSection(new Paragraph(blogInfo[0],
secFont));
section.setIndentation(10);
section.setIndentationLeft(10);
section.setBookmarkOpen(false);
section.setNumberStyle(Section.NUMBERSTYLE_DOTTED_WITHOUT_FINAL_DOT);
section.add(new Chunk("分類：" + blogInfo[1] + " 發表日期：" + blogInfo[2],
textFont));
LineSeparator line = new LineSeparator(1, 100, new BaseColor(204,
204, 204), Element.ALIGN_CENTER, -2);
Paragraph p_line = new Paragraph();
p_line.add(line);
section.add(p_line);
section.add(Chunk.NEWLINE);
final List<Element> pdfeleList = new ArrayList<Element>();
ElementHandler elemH = new ElementHandler() {
public void add(final Writable w) {
if (w instanceof WritableElement) {
pdfeleList.addAll(((WritableElement) w).elements());
}
}
};
XMLWorkerHelper.getInstance().parseXHtml(elemH,
new InputStreamReader(parse2Stream(blogInfo[3]), "utf-8"));
List<Element> list = new ArrayList<Element>();
for (Element ele : pdfeleList) {
if (ele instanceof LineSeparator
|| ele instanceof WritableDirectElement) {
continue;
}
list.add(ele);
}
section.addAll(list);
section = chapter.addSection(new Paragraph("繼續添加章節", secFont));
section.setIndentation(10);
section.setIndentationLeft(10);
section.setBookmarkOpen(false);
section.setNumberStyle(Section.NUMBERSTYLE_DOTTED_WITHOUT_FINAL_DOT);
section.add(new Chunk("測試URL轉為PDF元素，方便追加其他內容", textFont));
document.add(chapter);
document.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
|
運行后生成的兩個PDF的效果如下：
從上面的效果圖可見：根據URL地址生成的PDF和瀏覽器中頁面效果以及之前HTML文件生成的PDF效果完全一致。