Mailkit：使用 iTextSharp XMLWorker 将 HtmlBody 转换为 pdf 抛出 "The document has no pages"

Question

我正在尝试使用 Mailkit 转换从邮件服务器收到的电子邮件的 HtmlBody，看起来 iTextSharp 不太喜欢我传递的 html。

我的方法适用于 "sample" html 代码，但我收到一条 The document has no pages 错误消息，看起来是在 html 不是 [=32] 时抛出的=] 了。

public void GenerateHtmlFromBody(UniqueId uid)
{
    var email = imap.Inbox.GetMessage(uid);
    Byte[] bytes;

    using (var ms = new MemoryStream())
    {
        using (var doc = new Document())
        {
            using (var writer = PdfWriter.GetInstance(doc, ms))
            {
                doc.Open();

                //Sample HTML and CSS
                var example_html = @"<p>This <em>is </em><span class=""headline"" style=""text-decoration: underline;"">some</span> <strong>sample <em> text</em></strong><span style=""color: red;"">!!!</span></p>";
                var example_css = @".headline{font-size:200%}";

                using (var srHtml = new StringReader(email.HtmlBody))
                {
                    //Parse the HTML
                    iTextSharp.tool.xml.XMLWorkerHelper.GetInstance().ParseXHtml(writer, doc, srHtml);
                }
                doc.Close();
            }
        }
        bytes = ms.ToArray();
    }
    var testFile = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "processedMailPdf.pdf");
    System.IO.File.WriteAllBytes(testFile, bytes);
}

我正在访问 MimeMessage.HtmlBody 并进行调试，看起来确实是 html。

Here is a link to pastebin 用于检查 MimeMessage 的 HtmlBody，因为我在这里达到了字符数限制。

我错过了什么？谢谢。

编辑： 我试过使用 HTMLWorker（已弃用）但它不稳定。它适用于一封电子邮件，但不适用于其他电子邮件。当然这不是一个解决方案，但它最终从 Mailkit 生成了一个 pdf，它是 "something".

Answer 1

看起来您在使用 HtmlBody 时遇到了两个问题：

可能是纯文本。
当[X]HTML时，它不是合式的。

任何时候您可能正在处理格式不正确的字符串 XML，您最好的选择是使用像 HtmlAgilityPack to clean up the mess. Here's a simple helper method using XPath 这样的解析器来解决上述两个问题，并且 UPDATED 根据评论删除 HtmlCommentNode 破坏 iText XML 工作人员：

string FixBrokenMarkup(string broken)
{
    HtmlDocument h = new HtmlDocument()
    {
        OptionAutoCloseOnEnd = true,
        OptionFixNestedTags = true,
        OptionWriteEmptyNodes = true
    };
    h.LoadHtml(broken);

    // UPDATED to remove HtmlCommentNode
    var comments = h.DocumentNode.SelectNodes("//comment()");
    if (comments != null) 
    {
        foreach (var node in comments) { node.Remove(); }
    }

    return h.DocumentNode.SelectNodes("child::*") != null
        //                            ^^^^^^^^^^
        // XPath above: string plain-text or contains markup/tags
        ? h.DocumentNode.WriteTo()
        : string.Format("<span>{0}</span>", broken);
}

为了完整起见，请编写生成 PDF 的代码。测试并使用您在上面提供的 pastebin link：

var fixedMarkup = FixBrokenMarkup(PASTEBIN);
// swap initialization to verify plain-text works too
// var fixedMarkup = FixBrokenMarkup("some text");

using (var stream = new MemoryStream())
{
    using (var document = new Document())
    {
        PdfWriter writer = PdfWriter.GetInstance(document, stream);
        document.Open();
        using (var stringReader = new StringReader(fixedMarkup))
        {
            XMLWorkerHelper.GetInstance().ParseXHtml(
                writer, document, stringReader
            );
        }
    }
    File.WriteAllBytes(OUTPUT, stream.ToArray());
}

Answer 2

我发现，iTestSharp 的标签
有问题。请改用
。

Mailkit：使用 iTextSharp XMLWorker 将 HtmlBody 转换为 pdf 抛出 "The document has no pages"

Mailkit: Converting HtmlBody to pdf using iTextSharp XMLWorker throws "The document has no pages"

c#

itext

html-agility-pack

mailkit

xmlworker