여러 HTML 파일을 단일 PDF로 구문 분석하는 방법은 무엇입니까?

Question

iText를 사용하여 일련의 HTML 파일을 PDF로 변환하려고합니다. 예를 들어

:이 파일이있는 경우 :

• page1.html을
• page2.html
• page3.html

가 지금 만들려는

... 하나의 PDF 파일 (page1.html은 첫 번째 페이지, page2.html은 두 번째 페이지 등) ...

하나의 HTML 파일을 PDF로 변환하는 방법을 알고 있지만이 작업으로 인해 생성 된 여러 PDF를 하나의 PDF로 결합하는 방법을 모르겠습니다.

Answer 1

시작하기 전에 : 저는 C# 개발자가 아니므로 C#으로 예제를 제공 할 수는 없습니다. 필자가 작성한 모든 iText 예제는 Java로 작성되었습니다. 다행히 iText와 iTextSharp는 항상 동기화 상태를 유지합니다. 이 질문의 맥락에서, 당신은 iText의 모든 작업이 iTextSharp에서도 작동한다는 것을 확신 할 수 있지만, C#과 관련된 작은 적응을해야 할 것입니다. C# 개발자의 의견에 따르면 일반적으로 달성하기가 어렵지 않습니다.

답변 : 두 가지 답변이 있는데 답변 # 2는 일반적으로 답변 # 1보다 낫지 만 답변 # 1이 더 좋은 특정 사례가있을 수 있으므로 두 가지 옵션을 모두 제공합니다.

데이터 테스트 :

• page1.html : 캘리포니아
• page2.html : 나는 3 개 간단한 HTML 파일, 미국의 국가에 대한 몇 가지 정보를 포함하는 각을 만든 뉴욕
• page3.html : 매사추세츠

XML 작업자를 사용하여이 세 파일을 구문 분석하고 노래를 원합니다. 결과적으로 PDF 파일.

답변 # 1 : 전체 코드 샘플은 ParseMultipleHtmlFiles1이고 결과 코드는 multiple_html_pages1.pdf입니다.

당신은 이미 하나의 HTML 파일을 하나의 PDF 파일로 변환하는 데 성공했다고 말합니다.

이

public byte[] parseHtml(String html) throws DocumentException, IOException { 
    ByteArrayOutputStream baos = new ByteArrayOutputStream(); 
    // step 1 
    Document document = new Document(); 
    // step 2 
    PdfWriter writer = PdfWriter.getInstance(document, baos); 
    // step 3 
    document.open(); 
    // step 4 
    XMLWorkerHelper.getInstance().parseXHtml(writer, document, 
      new FileInputStream(html)); 
    // step 5 
    document.close(); 
    // return the bytes of the PDF 
    return baos.toByteArray(); 
} 

이 (웹 사이트의 다른 예제가있는) HTML 파일을 구문 분석하는 가장 효율적인 방법은 아니지만, 가장 간단한 방법 :이처럼했다는 것을 가정한다.

이 메소드는 HTML을 PDF 파일로 구문 분석 한 후 해당 PDF 파일을 byte[] 형태로 반환합니다. 단일 PDF를 만들려고 할 때이 바이트 배열을 PdfCopy 인스턴스에 공급하여 여러 문서를 연결할 수 있습니다.

우리는 세 가지 문서를 가지고 있다고 가정하자 :

public static final String[] HTML = { 
    "resources/xml/page1.html", 
    "resources/xml/page2.html", 
    "resources/xml/page3.html" 
}; 

우리는이 세 가지 문서를 통해 루프하는 byte[]에 그들에게 하나 하나를 분석 할 수는 PDF 바이트와 PdfReader 인스턴스를 생성하고에 문서를 추가 PdfCopy 인스턴스 addDocument() 방법 사용 :이 문제를 해결

public void createPdf(String file) throws IOException, DocumentException { 
    Document document = new Document(); 
    PdfCopy copy = new PdfCopy(document, new FileOutputStream(file)); 
    document.open(); 
    PdfReader reader; 
    for (String html : HTML) { 
     reader = new PdfReader(parseHtml(html)); 
     copy.addDocument(reader); 
     reader.close(); 
    } 
    document.close(); 
} 

을, 그런데 왜 나는 그것이 최적의 솔루션이 아니다 생각하십니까?

포함해야하는 특수 글꼴을 사용해야한다고 가정합니다. 이 경우 모든 개별 PDF 파일에는 해당 글꼴의 하위 집합이 포함됩니다. 서로 다른 파일은 다른 글꼴 하위 집합을 필요로하며, PdfCopy (해당 내용의 경우 PdfSmartCopy)은 글꼴 하위 집합을 병합 할 수 있습니다. 이로 인해 동일한 글꼴의 글꼴 하위 집합이 너무 많은 부풀린 PDF 파일이 생성 될 수 있습니다.

어떻게 해결할 수 있습니까? 답변 # 2에서 설명했습니다.

답변 # 2 : 전체 코드 샘플은 ParseMultipleHtmlFiles2이고 결과 코드는 multiple_html_pages2.pdf을 참조하십시오. 이미 파일 크기의 차이를 볼 수 있습니다 : 4.61KB 대 5.05KB (우리는 임베디드 글꼴을 도입하지 않았습니다).

이 경우 answer # 1의 parseHtml() 메소드에서와 같이 HTML을 PDF 파일로 구문 분석하지 않습니다. 대신, parseToElementList() 메소드를 사용하여 iText ElementList으로 HTML을 구문 분석합니다. 이 방법은 두 개의 String이 필요합니다. 하나는 HTML 코드를 포함하고, 다른 하나는 CSS 값을 포함합니다.

우리는 유틸리티 메소드를 사용하여 HTML 파일을 String으로 읽습니다. CSS 값은 null을 parseToElementList()으로 전달할 수 있지만이 경우 기본 스타일은 무시됩니다. XML 작업자와 함께 제공되는 default.css을 전달하지 않으면 우리가 HTML에 도입 한 <h1> 태그가 완전히 다르게 보일 것입니다.

public void createPdf(String file) throws IOException, DocumentException { 
    Document document = new Document(); 
    PdfWriter.getInstance(document, new FileOutputStream(file)); 
    document.open(); 
    String css = readCSS(); 
    for (String htmlfile : HTML) { 
     String html = Utilities.readFileToString(htmlfile); 
     ElementList list = XMLWorkerHelper.parseToElementList(html, css); 
     for (Element e : list) { 
      document.add(e); 
     } 
     document.newPage(); 
    } 
    document.close(); 
} 

우리는 하나의 Document 단일 PdfWriter 인스턴스를 생성 :

길고도 짧은 이야기,이 코드입니다. 서로 다른 HTML 파일을 하나씩 ElementList으로 파싱하고 모든 요소를 ​​Document에 추가합니다.

새 페이지를 원할 때마다 새 HTML 파일을 구문 분석 할 때마다 document.newPage()이 도입되었습니다. 이 줄을 제거하면 단일 페이지에 3 개의 HTML 페이지를 추가 할 수 있습니다 (# 1을 선택하면 가능하지 않습니다).