【译】Asp.net mvc 使用ITextSharp PDF to HTML （解决img标签问题）
前言：因项目需求，需要将HTML代码转成PDF。大致上已经实现了，可以是发现使用ITextSharp（我现在的版本是5.5.9）的时候，img标签中的src只能跟绝对路径。
在百度上找了一个上午，有一点关联的解决方案都没有。最后去谷歌求助，终于找到了。
这是原文：http://www.am22tech.com/html-to-pdf/（可能需要FQ）
这是我总结后做的一个例子（使用的是第二个解决方法）：https://files.cnblogs.com/files/zuochengsi-9/HTML%E8%BD%ACPDF.zip
不懂的也可以参考我的这篇博客：http://www.cnblogs.com/zuochengsi-9/p/5483808.html
------------------------------------------------------------------
正文：
我正在到处寻找完美的例子，可是没有一个能完美的解决我的需求。我的需求非常简单，如下：
创建一个PDF文档从一个HTML页面。这个HTML里的代码包含的了img标签，同时用的相对路径。
我找到了有价值的信息从这几个地方http://kuujinbo.info/iTextSharp/tableWithImageToPdf.aspx
和http://hamang.net/2008/08/14/html-to-pdf-in-net/
最终，可以用下面的asp.net代码解决了我的问题。我希望这也能帮助到你！
必要条件：
Download and copy iTextSharp.dll 我的版本是5.1.1
问题和解决方案：
这个新的ITextSharp库，对于HTML代码转PDF已经做的很好了。可是有个主要的缺陷，图片的URL映射只能是绝对路径。
不然HTMLworlker类就会抛异常，如果你用的相对路径。
这里有两个解决方法对于这个问题：
1、用IImageProvider 接口取出所有的图片从HTML代码中，然后再"paste"PDF中。
但是HTML代码中对img修饰的style，例如height和width都不会保留下来。
2、解析HTML代码，同时用绝对的URL替换相对的URL在写入PDF文件之前。
这个方法会保存HTML代码中对与<img>设置的height和width。当然这个方法更好。
不过我还是提供两种解决方案让你自己去选择。
基本的准备：
添加一个新的page在你的代码中
PostToPDF_AM22.aspx
PostToPDF_AM22.aspx.cs
方法1：
using System; using System.Collections.Generic; using System.Linq; using System.Web; using System.Web.UI; using System.Web.UI.WebControls; //HTML to PDF 的引用 using iTextSharp.text; using iTextSharp.text.html; using iTextSharp.text.pdf; using iTextSharp.text.xml; using iTextSharp.text.html.simpleparser; using System.IO; using System.util; using System.Text.RegularExpressions; //For converting HTML TO PDF- END public partial class PostToPDF_AM22 : System.Web.UI.Page { protected void Page_Load(object sender, EventArgs e) { //Get the HTML code from your database or whereever you have stored it and store //it in HTMLCode variable. string HTMLCode = string.Empty; ConvertHTMLToPDF(HTMLCode); } protected void ConvertHTMLToPDF(string HTMLCode) { HttpContext context = HttpContext.Current; //Render PlaceHolder to temporary stream System.IO.StringWriter stringWrite = new StringWriter(); System.Web.UI.HtmlTextWriter htmlWrite = new HtmlTextWriter(stringWrite); StringReader reader = new StringReader(HTMLCode); //Create PDF document Document doc = new Document(PageSize.A4); HTMLWorker parser = new HTMLWorker(doc); PdfWriter.GetInstance(doc, new FileStream(Server.MapPath("~") + "/App_Data/HTMLToPDF.pdf", FileMode.Create)); doc.Open(); /********************************************************************************/ var interfaceProps = new Dictionary<string, Object>(); var ih = new ImageHander() { BaseUri = Request.Url.ToString() }; interfaceProps.Add(HTMLWorker.IMG_PROVIDER, ih); foreach (IElement element in HTMLWorker.ParseToList( new StringReader(HTMLCode), null)) { doc.Add(element); } doc.Close(); Response.End(); /********************************************************************************/ } //handle Image relative and absolute URL's public class ImageHander : IImageProvider { public string BaseUri; public iTextSharp.text.Image GetImage(string src, IDictionary<string, string> h, ChainedProperties cprops, IDocListener doc) { string imgPath = string.Empty; if (src.ToLower().Contains("http://") == false) { imgPath = HttpContext.Current.Request.Url.Scheme + "://" + HttpContext.Current.Request.Url.Authority + src; } else { imgPath = src; } return iTextSharp.text.Image.GetInstance(imgPath); } } }
方法2：
using System; using System.Collections.Generic; using System.Linq; using System.Web; using System.Web.UI; using System.Web.UI.WebControls; //For converting HTML TO PDF- START using iTextSharp.text; using iTextSharp.text.html; using iTextSharp.text.pdf; using iTextSharp.text.xml; using iTextSharp.text.html.simpleparser; using System.IO; using System.util; using System.Text.RegularExpressions; //For converting HTML TO PDF- END public partial class PostToPDF_AM22 : System.Web.UI.Page { protected void Page_Load(object sender, EventArgs e) { //Get the HTML code from your database or whereever you have stored it and store //it in HTMLCode variable. string HTMLCode = string.Empty; ConvertHTMLToPDF(HTMLCode); } protected void ConvertHTMLToPDF(string HTMLCode) { HttpContext context = HttpContext.Current; //Render PlaceHolder to temporary stream System.IO.StringWriter stringWrite = new StringWriter(); System.Web.UI.HtmlTextWriter htmlWrite = new HtmlTextWriter(stringWrite); /********************************************************************************/ //Try adding source strings for each image in content string tempPostContent = getImage(HTMLCode); /*********************************************************************************/ StringReader reader = new StringReader(tempPostContent); //Create PDF document Document doc = new Document(PageSize.A4); HTMLWorker parser = new HTMLWorker(doc); PdfWriter.GetInstance(doc, new FileStream(Server.MapPath("~") + "/App_Data/HTMLToPDF.pdf", FileMode.Create)); doc.Open(); try { //Parse Html and dump the result in PDF file parser.Parse(reader); } catch (Exception ex) { //Display parser errors in PDF. Paragraph paragraph = new Paragraph("Error!" + ex.Message); Chunk text = paragraph.Chunks[0] as Chunk; if (text != null) { text.Font.Color = BaseColor.RED; } doc.Add(paragraph); } finally { doc.Close(); } } public string getImage(string input) { if (input == null) return string.Empty; string tempInput = input; string pattern = @"<img(.|\n)+?>"; string src = string.Empty; HttpContext context = HttpContext.Current; //Change the relative URL's to absolute URL's for an image, if any in the HTML code. foreach (Match m in Regex.Matches(input, pattern, RegexOptions.IgnoreCase | RegexOptions.Multiline | RegexOptions.RightToLeft)) { if (m.Success) { string tempM = m.Value; string pattern1 = "src=[\'|\"](.+?)[\'|\"]"; Regex reImg = new Regex(pattern1, RegexOptions.IgnoreCase | RegexOptions.Multiline); Match mImg = reImg.Match(m.Value); if (mImg.Success) { src = mImg.Value.ToLower().Replace("src=", "").Replace("\"", ""); if (src.ToLower().Contains("http://") == false) { //Insert new URL in img tag src = "src=\"" + context.Request.Url.Scheme + "://" + context.Request.Url.Authority + src + "\""; try { tempM = tempM.Remove(mImg.Index, mImg.Length); tempM = tempM.Insert(mImg.Index, src); //insert new url img tag in whole html code tempInput = tempInput.Remove(m.Index, m.Length); tempInput = tempInput.Insert(m.Index, tempM); } catch (Exception e) { } } } } } return tempInput; } string getSrc(string input) { string pattern = "src=[\'|\"](.+?)[\'|\"]"; System.Text.RegularExpressions.Regex reImg = new System.Text.RegularExpressions.Regex(pattern, System.Text.RegularExpressions.RegexOptions.IgnoreCase | System.Text.RegularExpressions.RegexOptions.Multiline); System.Text.RegularExpressions.Match mImg = reImg.Match(input); if (mImg.Success) { return mImg.Value.Replace("src=", "").Replace("\"", ""); ; } return string.Empty; } }
说明：
上面的两种方案，都有一个方法ConvertHTMLToPDF，对于得到的HTML代码的格式是有要求的，具体可以去ITextSharp官网看看。
最后结果存储的一个PDF文档的名字叫HTMLToPDF.pdf在你的web站点的App_Data文件夹里
记得，你需要写代码去拿到HTML代码从你的数据库中或者其他文件里在上面的Page_Load事件中。
通过HTML代码转换函数,它将为您创建PDF文件。
如果你面临任何问题，写在评论中，我会尽力帮助你 。
——————————————————————————————————————
初次翻译，就直接原样翻译了。但通过这次就感觉看英文资料没有以前那种抗拒感了。果然还是有尝试，就会有收获！
