飞碟无法识别 html 个实体

Question

我正在尝试使用 html 文件作为 pdf 的模板，但 Flying Saucer 无法识别 HTML5 实体（&trade、等）。如果我用它们的十六进制值替换它们，那么程序运行正常。

我的代码如下：

  public static InputStream create(String content) throws PDFUtilException {

try (ByteArrayOutputStream baos = new ByteArrayOutputStream();) {
  ITextRenderer iTextRenderer = new ITextRenderer();
  iTextRenderer.getSharedContext()
               .setReplacedElementFactory(new MediaReplacedElementFactory(iTextRenderer.getSharedContext()
                                                                                       .getReplacedElementFactory()));

  iTextRenderer.setDocumentFromString(closeOutTags(content), null);
  iTextRenderer.layout();
  iTextRenderer.createPDF(baos);
  return new ByteArrayInputStream(baos.toByteArray());
} catch (IOException | DocumentException e) {
  throw new PDFUtilException("Unable to create PDF", e);
}

}

谢谢，

奥利弗

Answer 1

我直到今天才听说过飞碟，但文档的第一句话说 "Flying Saucer is a pure-Java library for rendering arbitrary well-formed XML (or XHTML)" 这强烈暗示它需要 well-formed XML 输入，而不是 HTML.

Answer 2

Michael 说飞碟需要 well-formed XML 是正确的，但是如果你唯一的问题是预定义的 HTML 个实体（不属于 XML ), 然后你可以在文档的开头自己声明它们，如下所示：

<!DOCTYPE html [
  <!ENTITY % htmlentities SYSTEM "https://www.w3.org/2003/entities/2007/htmlmathml-f.ent">
  %htmlentities;
]>
<!-- your XHTML text following here -->

这个pulls-in实体声明从他们的官方URL到htmlentities参数实体，然后引用（例如"executes"）pulled-in声明.如果您只需要 trade 和 nbsp，或者如果 Flying Saucer 不允许您从网络访问 URL，您也可以手动声明它们：

<!DOCTYPE html [
  <!ENTITY trade "&#x02122;">
  <!ENTITY nbsp "&#x000A0;">
]>
<!-- your XHTML text following here -->

现在如果你真的有一个合适的 HTML（不是 XHTML）文件，那么你将无法直接使用 XML 处理器，因为 HTML 使用 XML 不支持的标记功能（例如，空元素，如 img 元素、省略的标签和属性缩写）。但是您可以使用 SGML 处理器首先将 HTML 转换为 XHTML (XML)，然后在结果 XML 文件上使用 Flying Saucer（SGML 是HTML 和 XML，以及 HTML 和 XML 所基于的原始标记语言）。该过程涉及使用 HTML DTD 语法，例如原始的 W3C HTML4 DTD（自 1999 年起）或 my HTML5 DTD on sgmljs.net 加上 SGML 处理器。不过，在进入细节之前，首先检查是否仅仅添加已经描述的实体声明就可以解决您的问题。

飞碟无法识别 html 个实体

Flying Saucer not recognizing html entities

java

html

xml

flying-saucer