使用iText从html内容到pdf的阿拉伯字符

问题描述 投票：1回答：1

我无法在PDF生成中将HTML内容中的阿拉伯字符显示为“？”

我能够从String变量中显示阿拉伯语文本。同时我无法从HTML字符串生成阿拉伯语文本。

我想显示带有两列的PDF，左侧是英语，右侧是阿拉伯语文本。

当我使用以下程序转换为PDF格式。请帮助我这方面。

try
{
    Document document = new Document(PageSize.A4, 50, 50, 50, 50);
    ByteArrayOutputStream out = new ByteArrayOutputStream();
    PdfWriter writer = PdfWriter.getInstance(document, out);
    BaseFont bf = BaseFont.createFont("C:\\arial.ttf", BaseFont.IDENTITY_H, BaseFont.EMBEDDED);
    Font font = new Font(bf, 8);
    document.open();

    BufferedReader br = new BufferedReader(new FileReader("C:\\style.css"));
    StringBuffer fileContents = new StringBuffer();
    String line = br.readLine();
    while (line != null)
    {
        fileContents.append(line);
        line = br.readLine();
    }
    br.close();
    String styles = fileContents.toString(); //"p { font-family: Arial;}"; 

    Paragraph cirNoEn = null;
    Paragraph cirNoAr = null;

    String htmlContentEn = null;
    String htmlContentAr = null;

    PdfPCell contentEnCell = new PdfPCell();
    PdfPCell contentArCell = new PdfPCell();

    cirNoEn = new Paragraph("Circular No. (" + cirEnNo + ")", new Font(bf, 14, Font.BOLD | Font.UNDERLINE));
    cirNoAr = new Paragraph("رقم التعميم (" + cirArNo + ")", new Font(bf, 14, Font.BOLD | Font.UNDERLINE));

    htmlContentEn = “< p >< span > Dear….</ span ></ p >”;
    htmlContentAr = “< p >< span > رقم التعميم رقم التعميم </ p >< p > رقم التعميم ….</ span ></ p >”;
    for (Element e : XMLWorkerHelper.parseToElementList(htmlContentEn, styles))
    {
        for (Chunk c : e.getChunks())
        {
            c.setFont(new Font(bf));
        }
        contentEnCell.addElement(e);
    }
    for (Element e : XMLWorkerHelper.parseToElementList(htmlContentAr, styles))
    {
        for (Chunk c:e.getChunks())
        {
            c.setFont(new Font(bf));
        }
        contentArCell.addElement(e);
    }

    PdfPCell emptyCell = new PdfPCell();
    PdfPCell cirNoEnCell = new PdfPCell(cirNoEn);
    PdfPCell cirNoArCell = new PdfPCell(cirNoAr);

    cirNoEnCell.setHorizontalAlignment(Element.ALIGN_CENTER);
    cirNoArCell.setHorizontalAlignment(Element.ALIGN_CENTER);

    emptyCell.setBorder(Rectangle.NO_BORDER);
    emptyCell.setFixedHeight(15);

    cirNoEnCell.setBorder(Rectangle.NO_BORDER);
    cirNoArCell.setBorder(Rectangle.NO_BORDER);
    contentEnCell.setBorder(Rectangle.NO_BORDER);
    contentArCell.setBorder(Rectangle.NO_BORDER);

    cirNoArCell.setRunDirection(PdfWriter.RUN_DIRECTION_RTL);
    contentArCell.setRunDirection(PdfWriter.RUN_DIRECTION_RTL);

    contentEnCell.setNoWrap(false);
    contentArCell.setNoWrap(false);

    PdfPTable circularInfoTable = null;

    emptyCell.setColspan(2);
    circularInfoTable = new PdfPTable(2);
    circularInfoTable.addCell(cirNoEnCell);
    circularInfoTable.addCell(cirNoArCell);
    circularInfoTable.addCell(emptyCell);
    circularInfoTable.addCell(emptyCell);
    circularInfoTable.addCell(emptyCell);
    circularInfoTable.addCell(contentEnCell);
    circularInfoTable.addCell(contentArCell);
    circularInfoTable.addCell(emptyCell);

    circularInfoTable.getDefaultCell().setBorder(PdfPCell.NO_BORDER);
    circularInfoTable.setWidthPercentage(100);
    document.add(circularInfoTable);

    document.close();

}
catch (Exception e)
{

}
html pdf text itext arabic
1个回答
6
投票

请看一下ParseHtml7和ParseHtml8的例子。他们使用阿拉伯字符输入HTML输入，并使用相同的阿拉伯文字创建PDF：

在我们查看代码之前，请允许我解释在源代码中使用非ASCII字符不是一个好主意。例如：这没有完成：

 htmlContentAr = “<p><span> رقم التعميم رقم التعميم</p><p>رقم التعميم ….</span></p>”;

您永远不会知道如何存储包含这些字形的Java文件。如果它没有存储为UTF-8，那么角色最终可能会看起来像完全不同的东西。已知版本控制系统存在非ASCII字符问题，甚至编译器也可能导致编码错误。如果您确实想在代码中存储硬编码的String值，请使用UNICODE表示法。你的部分问题是编码问题，你可以在这里阅读更多相关信息：Can't get Czech characters while generating a PDF

对于屏幕截图中显示的示例，我使用UTF-8编码保存了以下文件：

这是你可以在文件arabic.html中找到的：

<html>
<body style="font-family: Noto Naskh Arabic">
<p>رقم التعميم رقم التعميم</p>
<p>رقم التعميم</p>
</body>
</html>

这是你可以在文件arabic2.html中找到的：

<html>
<body style="font-family: Noto Naskh Arabic">
<table>
<tr>
<td dir="rtl">رقم التعميم رقم التعميم</td>
<td dir="rtl">رقم التعميم</td>
</tr>
</table>
</body>
</html>

问题的第二部分涉及字体。使用知道如何绘制阿拉伯字形的字体非常重要。很难相信你在arial.ttf驱动器的根部有C:。那不是个好主意。我希望你能使用当然知道阿拉伯字形的C:/windows/fonts/arialuni.ttf。

选择字体是不够的。您的HTML需要知道要使用哪个字体系列。因为文档中的大多数示例都使用Arial，所以我决定使用NOTO字体。我通过阅读这个问题发现了这些字体：iText pdf not displaying Chinese characters when using NOTO fonts or Source Hans。我非常喜欢这些字体，因为它们很好并且（几乎）支持所有语言。例如，我使用NotoNaskhArabic-Regular.ttf这意味着我需要像这样定义字体familie：

style="font-family: Noto Naskh Arabic"

我在我的XML的body标签中定义了样式，显然你可以选择在哪里定义它：在外部CSS文件中，在<head>的样式部分，在<td>标记的级别，...那个选择完全是你的，但你必须定义使用哪种字体。

当然：当XML Worker遇到font-family: Noto Naskh Arabic时，除非我们注册该字体，否则iText不知道在哪里可以找到相应的NotoNaskhArabic-Regular.ttf。我们可以通过创建FontProvider接口的实例来实现这一点。我选择使用XMLWorkerFontProvider，但你可以自由编写自己的FontProvider实现：

XMLWorkerFontProvider fontProvider = new XMLWorkerFontProvider(XMLWorkerFontProvider.DONTLOOKFORFONTS);
fontProvider.register("resources/fonts/NotoNaskhArabic-Regular.ttf");

还有一个障碍：阿拉伯语是从右到左书写的。我看到你要在PdfPCell级别定义运行方向，并使用ElementList将HTML内容添加到此单元格。这就是我第一次写一个名为ParseHtml7的类似例子的原因：

public void createPdf(String file) throws IOException, DocumentException {
    // step 1
    Document document = new Document();
    // step 2
    PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(file));
    // step 3
    document.open();
    // step 4
    // Styles
    CSSResolver cssResolver = new StyleAttrCSSResolver();
    XMLWorkerFontProvider fontProvider = new XMLWorkerFontProvider(XMLWorkerFontProvider.DONTLOOKFORFONTS);
    fontProvider.register("resources/fonts/NotoNaskhArabic-Regular.ttf");
    CssAppliers cssAppliers = new CssAppliersImpl(fontProvider);
    // HTML
    HtmlPipelineContext htmlContext = new HtmlPipelineContext(cssAppliers);
    htmlContext.setTagFactory(Tags.getHtmlTagProcessorFactory());
    // Pipelines
    ElementList elements = new ElementList();
    ElementHandlerPipeline pdf = new ElementHandlerPipeline(elements, null);
    HtmlPipeline html = new HtmlPipeline(htmlContext, pdf);
    CssResolverPipeline css = new CssResolverPipeline(cssResolver, html);

    // XML Worker
    XMLWorker worker = new XMLWorker(css, true);
    XMLParser p = new XMLParser(worker);
    p.parse(new FileInputStream(HTML), Charset.forName("UTF-8"));

    PdfPTable table = new PdfPTable(1);
    PdfPCell cell = new PdfPCell();
    cell.setRunDirection(PdfWriter.RUN_DIRECTION_RTL);
    for (Element e : elements) {
        cell.addElement(e);
    }
    table.addCell(cell);
    document.add(table);
    // step 5
    document.close();
}

HTML中没有表格，但是我们创建了自己的PdfPTable，我们将HTML中的内容添加到带有运行方向LTR的PdfPCell，然后我们将这个单元格添加到表格中，并将表格添加到文档中。

也许这是你的实际要求，但为什么你会这么复杂地做到这一点？如果您需要一个表，为什么不在HTML中创建该表并定义一些单元格是RTL，如下所示：

<td dir="rtl">...</td>

这样，您不必创建ElementList，您可以像在ParseHtml8示例中那样将HTML解析为PDF：

public void createPdf(String file) throws IOException, DocumentException {
    // step 1
    Document document = new Document();
    // step 2
    PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(file));
    // step 3
    document.open();
    // step 4
    // Styles
    CSSResolver cssResolver = new StyleAttrCSSResolver();
    XMLWorkerFontProvider fontProvider = new XMLWorkerFontProvider(XMLWorkerFontProvider.DONTLOOKFORFONTS);
    fontProvider.register("resources/fonts/NotoNaskhArabic-Regular.ttf");
    CssAppliers cssAppliers = new CssAppliersImpl(fontProvider);
    HtmlPipelineContext htmlContext = new HtmlPipelineContext(cssAppliers);
    htmlContext.setTagFactory(Tags.getHtmlTagProcessorFactory());

    // Pipelines
    PdfWriterPipeline pdf = new PdfWriterPipeline(document, writer);
    HtmlPipeline html = new HtmlPipeline(htmlContext, pdf);
    CssResolverPipeline css = new CssResolverPipeline(cssResolver, html);

    // XML Worker
    XMLWorker worker = new XMLWorker(css, true);
    XMLParser p = new XMLParser(worker);
    p.parse(new FileInputStream(HTML), Charset.forName("UTF-8"));;
    // step 5
    document.close();
}

此示例中所需的代码较少，并且当您想要更改布局时，只需更改HTML即可。您无需更改Java代码。

还有一个例子：在ParseHtml9中，我在一列中创建了一个英文名称的表（“阿拉伯的劳伦斯”）和另一列中的阿拉伯语翻译（“لورانسالعرب”）。因为我需要英语和阿拉伯语的不同字体，我在<td>级别定义字体：

<table>
<tr>
<td>Lawrence of Arabia</td>
<td dir="rtl" style="font-family: Noto Naskh Arabic">لورانس العرب</td>
</tr>
</table>

对于第一列，使用默认字体，从左到右不需要特殊设置。对于第二列，我定义了一个阿拉伯字体，并将运行方向设置为"rtl"。

结果如下：

这比你在代码中尝试做的要容易得多。

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.