itext转PDF，富⽂本编辑器解决⽅案
关于itext转PDF的实现，⼤家可以看以下地址，如果不涉及富⽂本，上⾯的⽅案是⾮常棒，⽽且⾮常全的。我之前遇到的⼀些问题，在这个博客上都到解决办法了。
上⾯那篇 博客，也没有实现富⽂本内容转PDF。他说得不错，富⽂本对于itext转PDF来说，就是⼀场灾难。包括我的解决办法，也只是让富⽂本，在更多的情况下，PDF能下载成功，⽽且能正常打开，正常显⽰。
虽然他博客上说了⼀些要注意的，我还是再备注⼀下，itext转PDF需要注意的地⽅：
1.所有标签必须闭合，如<input /> <img /> <br />  （有时候html内容⾮常⾮常多，其实很难到哪⾥没闭合，这时候要头疼死，没关系，有解决办法的，firefox下载⼀个叫html validator的插件，配置⼀下，只看没有闭合的错误，其它的⼀些如该标签没有什么什么属性这些错误，不⽤管）
2.页⾯中不能出现   这是下载不成功的，把所有的   改成  
3.如果你页⾯中，有table代码，你的table记得在style中加⼀个属性：table-layout:fixed; word-break:break-strict;
4.上⾯博客中，说是<html>标签上⾯要加⼀个dtd，我个⼈试了下，加跟没加，没区别，反正我没加
5.你的页⾯中，可以引⼊css⽂件，可以写style标签，但⼀定要记得，<style></style>这个必须是放在head⾥，不然不能渲染你的样式。
6.你的标签属性，属性值必须以引号包含，如width="50"，如不包含，会报错。
7.标签名称，如<td>，不能写成<TD>，⼤写的，在IE下载时，不兼容，会报错。
好了，只相得到这么多，纯⼿打，有别的问题，也欢迎沟通交流。
说下富⽂本吧
上⾯说的⼏条，基本上富⽂本都不会遵守，也就是说，即使你⾃⼰写的html没有问题，但富⽂本编辑器插⼊的html，还是会这样。
1.富⽂本不会帮你闭合你的标签，它只管显⽰正常，如<img /> <br/>，它会是<img >  <br>更有甚者，⽐如说tinymce，<br中间还会有很多⼀些它定义的东西。
2.富⽂本对于空格或者⼀些空⽩，会帮你转成  这是灾难的开始
3.⽤富⽂本拉出来的table，会帮你加各种样式，加各种宽度⾼度，即使能下载成功，也不能完全展⽰（当然，这个问题，⼀般的编辑器都⽀持你引⼊⾃⼰的css，我没试过，但应该可以控制）
asp富文本编辑器
4.
5.
6.这个问题就很严重了，说的是IE浏览器，它并⾮所有的属性值都不⽤引号包含，但有很多属性值都会直接width=50这样，很残忍(fuck ie)（我⽤的是IE8测的）
7.再说这个问题，也⾮常扯淡，富⽂本的内容，在IE上，输⼊完成，保存，保存时居然被转成⼤写了。
好吧，扯了这么多，现在说下富⽂本的解决⽅案吧。
我⽤的⽅案很简单，也很蠢，就是⼀个个地转，以下是我将html代码转成适合下载的html⽤到的，完全是发现⼀个问题，解决⼀个，也许还不全 ，后⾯应该还需要做些完善。
/**
* 基本过滤，主要过滤特殊字符与下载时不规则字符，过滤table样式
* @param result
* @return
*/
public static String reEscapeHtml(String result) {
String temp = result;
//匹配script整个标签的正则
final String scriptRegx = "(?i)(<SCRIPT)[\\s\\S]*?((</SCRIPT>)|(/>))";
//匹配换⾏的正则
final String brRegx = "(?i)(</*br.*?>)";
//空格
final String nbspRegx = "(&|&)nbsp;";
//table
final String tableRegx = "(?i)(<table (?!ignore=\"true\").*?>)";
//img
final String imgRegx = "(?i)(<img\\s.*?>)";
temp = placeAll(scriptRegx, "")
.replaceAll("\r|\n|\\r|\\n|\r\n|\\r\\n|\t|\\t", "")
.replaceAll(imgRegx, "")
.replaceAll(brRegx, "<br />")
.replaceAll(nbspRegx, " ")
.replaceAll(" ", " ")
.replaceAll(tableRegx, "<table class=\"cm_tb\" style=\"width:100%;table-layout:fixed; word-break:break-strict;\">")
;
return temp;
}
/**
* 标签转⼩写，转完⼩写，顺便补全引号
* @param temp
* @return
*/
public static String tagToLowerCaseAndComplete(String temp) {
//标签开始的匹配
final String tagRegx = "<[A-Za-z].*?>";
Pattern p = null;
Matcher matcher = null;
p = Patternpile(tagRegx);
matcher = p.matcher(temp);
while (matcher.find()) {
String value = up(0);
if (null == value || "".equals(value))
continue;
String tmpValue = LowerCase();
//⾃动补全引号，加这⾥⽽不加外⾯
tmpValue = reCompletionQuoat(tmpValue);
//tmpValue = removeWidthAndHeightInTag(tmpValue);
temp = replaceStr(temp, value, tmpValue);
}
//结束标签的匹配
final String tagEndRegx = "</[A-Za-z]+>";
p = Patternpile(tagEndRegx);
matcher = p.matcher(temp);
while (matcher.find()) {
String value = up(0);
if (null == value || "".equals(value))
if (null == value || "".equals(value))
continue;
temp = replaceStr(temp, value, LowerCase());
}
return temp;
}
/**
* ⾃动补全引号（接上⼀步的标签转⼩写）
* @param str
* @return
*/
public static String reCompletionQuoat(String tag) {
final String tagRegx = "([A-Za-z]+)=([^\"|\']*?)(>|\\s)";
Pattern p = Patternpile(tagRegx);
Matcher m = p.matcher(tag);
while (m.find()) {
String tmp = m.group(0);
String key = m.group(1);
if (null == key || "".im()))
continue;
String value = "\"" + m.group(2) + "\"";
String end = m.group(3);
tag = replaceStr(tag, tmp, (key + "=" + value + end));
}
return tag;
}
/**
* width="1024px"|width='1024px'|width:1024px|width:1024px;
* 对于width，上⾯的example都可以过滤，height与width同样规则
* 对于width="50%"这样的，是不过滤的
* @param tag
* @return
*/
public static String removeTableWidthAndHeight(String result) {
String widthAndHeightRegx = "(width|height)(=|:|\\s*?:\\s*?)(\"|\')*\\d+px(\"|\'|;)*";
/
/String tableRegx = "(?i)(<table (?!ignore=\"true\").*?>.*?</table>)";
placeAll(widthAndHeightRegx, "");
}
public static String replaceStr(String sourceStr, String targetStr, String insertStr) {
int index = sourceStr.indexOf(targetStr);
if (index == -1)
return sourceStr;
String preStr = sourceStr.substring(0, index);
String afterStr = sourceStr.substring(index + targetStr.length());
return preStr + insertStr + afterStr;
}
上⾯的removeTableWidthAndHeight这个⽅法我没有写全，因为后⾯富⽂本粘贴，换成了直接粘贴纯⽂本。这个⽅法，也只是在粘贴其它地⽅的富⽂本，贴到⾃⼰的编辑器的时候，会存在问题。
还有没完善的
如：富⽂本⾥，如这样的问题，还需要正则来做下过滤。
到了这个时候，如果你已经全部照做了，但是格式还是有问题，这个时候怎么办？我这个项⽬也没解决，但有⼀个⽅法是⾏得通的，就是你已经编辑好内容了，你就验证⼀下你的html是否能下载。
把下载PDF代码阉割⼀下，只要在render的时候异常，就说明你格式有问题。（⼤部分的操作，都是为了兼容IE浏览器）
－－－－－－－－－－－－－－－－－－－－－－－－分割线－－－－－－－－－－－－－－－－－－－－－－－－－－－－
这个问题到此为⽌了。但事实上这不是我想要的解决⽅案。我相信很多⼈，包括我⾃已，都是这么说
replaceStr 上⾯我写了这个⽅法，很多⼈会说，我为什么不直接replaceFirst，原因就是因为我担⼼⼀些特殊字符，会被当成正则来匹配，导致匹配出问题，这时候直接限制了你前台的输⼊。我觉得这⾥
写越多的⽅法，来解决这个问题，就会暴露越多问题。这不是我想要的，我曾经提过⼀个解决⽅案，但是没通过。
这⾥我说下我想的解决⽅案。
htmlcleaner这个html分析的jar，相信很多⼈都⽤过。我曾经⽤过⼀段时间，挺不错的。
htmlcleaner我记得有⼀个操作，你将⼀段html转成TagNode的时候，再去把html代码拿出来，这⾥⾯⼤多数标签，都会闭合，都会是⼀个很完整的标签，是⼀段⽐较完美的html代码。因为项⽬中考虑到第三⽅jar包的安全问题，我只提了出来，但没有去试过，我隐约记得以前做爬⾍，htmlcleaner确实有这⽅⾯的操作的，感兴趣的朋友，可以去试⼀下。
⽽且，⽤htmlcleaner处理html元素，我相信，会⽐⽤正则处理字符串更好，不容易引发别的问题。有兴趣的朋友，可以试⼀下。
当然，我这⾥只是列举⼀个我⽤过的处理html的⼀个jar，你也可以⽤别的，原理都差不多。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。