使用iText从html内容到pdf的阿拉伯字符
use*_*223 1 html pdf text arabic itext
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("??? ??????? (" + cirArNo + ")", new Font(bf, 14, Font.BOLD | Font.UNDERLINE));
htmlContentEn = “< p >< span > Dear….</ span ></ p >”;
htmlContentAr = “< p >< span > ??? ??????? ??? ??????? </ p >< p > ??? ??????? ….</ 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)
{
}
请查看ParseHtml7和ParseHtml8示例.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> ??? ??????? ??? ???????</p><p>??? ??????? ….</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.如果您确实希望String在代码中存储硬编码值,请使用UNICODE表示法.您的部分问题是编码问题,您可以在此处阅读更多相关内容:生成PDF时无法获取捷克语字符
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:
这是您在文件中找到的内容arabic.html:
<html>
<body style="font-family: Noto Naskh Arabic">
<p>??? ??????? ??? ???????</p>
<p>??? ???????</p>
</body>
</html>
这是您在文件中找到的内容arabic2.html:
<html>
<body style="font-family: Noto Naskh Arabic">
<table>
<tr>
<td dir="rtl">??? ??????? ??? ???????</td>
<td dir="rtl">??? ???????</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arial.ttf你的C:驱动力根本就是正确的.那不是个好主意.我希望你使用C:/windows/fonts/arialuni.ttf哪些肯定知道阿拉伯字形.
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在使用NOTO字体或Source Hans时不显示中文字符.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,我使用的NotoNaskhArabic-Regular.ttf意思是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,很明显你可以选择在哪里定义它:在外部CSS文件中,在标签<head>级别的样式部分中<td>,......这个选择完全是你的,但你必须定义哪个字体使用.
当然:当XML Worker遇到时font-family: Noto Naskh Arabic,iText不知道在哪里找到相应的,NotoNaskhArabic-Regular.ttf除非我们注册该字体.我们可以通过创建FontProvider接口实例来实现这一点.我选择使用XMLWorkerFontProvider,但您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.我看到您要在该级别定义运行方向,PdfPCell并使用a将HTML内容添加到此单元格ElementList.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表格PdfPTable,我们将HTML中的内容添加到PdfPCell运行方向LTR中,然后我们将此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呢？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,你不必创建一个ElementList,你可以像在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,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带有英文名称的表("Lawrence of Arabia"),在另一列中创建了阿拉伯语翻译("لورانسالعرب").因为我需要不同的英文和阿拉伯字体,我在这个<td>级别定义字体:
<table>
<tr>
<td>Lawrence of Arabia</td>
<td dir="rtl" style="font-family: Noto Naskh Arabic">?????? ?????</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.
- 您似乎对StackOverflow不熟悉.代码未添加到评论中.通过发布问题添加代码.您当前的问题得到了非常详细的回答,答案解决了问题中列出的问题.不幸的是,你没有接受它(你甚至没有投票).现在,您滥用评论部分发布与已回答问题无关的问题.如果我的初步答案(我花了宝贵时间的答案)不被赏识,为什么我会努力回答这些问题呢？ (4认同)
| 归档时间： |
|
| 查看次数： |
7148 次 |
| 最近记录： |