Html转Pdf文档入门汇总-CSDN博客

转化方式说明

方式一: 把HTML转成图片,然后把图片添加到PDF文档中.

方式二: 自己解析HTML、CSS等,像写HTML哪样添加文本,画表格,画图,添加图片,设置相应的样式等.

方式三: 给一个URL由第三方开发库直接把网页解析,按照网页的样式设置PDF文档样式,相当于方式二不同的是,方式二是自己解析HTML、CSS等,自己在PDF文档中画与HTML元素相对应内容; 而方式是完全由第三方开发库完成你只需要给他一个URL.

介绍3个开发库

ItextSharp: HTML转PDF方式有,1,2

ABCpdf: HTML转PDF方式有,1,2,3

其它可用库: Pdflib

PDF文件格式介绍

pdf(Portable Document Format,便携式文档结构)是一种很有用的文件格式,其最大的特点是平台无关而且功能强大(支持文字/图象/音乐/视频).先讲一下pdf的文件(物理)结构.

PDF类型

pdf里面8种类型.

Ø 1.booleam

用关键字true或false表示,可以是array对象的一个元素,或dictionary对象的一个条目.

Ø 2.numeric

1. 包括整形和实型,不支持非十进制数字,不支持指数形式的数字.

例:
1)整数 123 4567 +111 -2
范围:正2的31次方-1到负的2的31次方
2)实数 12.3 0.8 +6.3 -4.01 -3. +.03
范围:±3.403 × 10的38次方 ±1.175 × 10的-38次方
注意:如果整数超过表示范围将转化成实数,如果实数超过范围就出错了

Ø 3.string

由一系列0-255之间的字节组成,一个string总长度不能超过65535.string有以下两种方式:
1)由()包含起来的一个字串,中间可以使用转义符"/".
例:
(abc)  表示abc
(a//)  表示a/
2)由<>包含起来的一个16进制串,两位表示一个字符,不足两位用补齐
例:
<Aabb>  表示AA和BB两个字符
<AAB>  表示AA和B0两个字符

Ø 4.name

由一个前导/和后面一系列字符组成,最大长度为127.和string不同的是,name是不可分割的
和唯一的,不可分割就是说一个name对象就是一个原子,比如/name,不能说n就是这个name的一个元素;唯一就是指两个相同的name一定代表同一个对象.从pdf1.2开始,除了ascii的0,别的都可以用一个#加两个十六进制的数字表示.
例:
/name 表示name
/name#20is 表示name is
/name#200 表示name 0

/string 表示string

Ø 5.array

用[]包含的一组对象,可以是任何pdf对象(包括array).虽然pdf只支持一维array,但可以通过
array的嵌套实现任意维数的array(但是一个array的元素不能超过8191)
例:
[549 3.14 false (Ralph) /SomeName]

Ø 6.Dictionary

用"<<"和">>"包含的若干组条目,每组条目都由key和value组成,其中key必须是name对象,并且
一个dictionary内的key是唯一的;value可以是任何pdf的合法对象(包括dictionary对象).
例:
<< /IntegerItem 12
/StringItem (a string)
/Subdictionary << /Item1 0.4
/Item2 true
/LastItem (not!)
/VeryLastItem (OK)
>>
>>

Ø 7.stream

由关键字stream和endstream包含一系列字节.内容和string很相似,但有区别:stream可以分几次
读取,分开使用不同的部分,string必须作为一个整体一次全部读取使用;string有长度限制,但
stream却没有这个限制.一般较大的数据都用stream表示.

Ø 8.NULL

用null表示，代表空．如果一个key的值为null，则这个key可以被忽略；如果引用一个不存在的
object则等价于引用一个空对象．

给大家说点有用的东西：为什么有的pdf不允许打印？
pdf有自己的加密措施，其中就有限制打印．
找到trailer，如果这个pdf是加密的话会有一个/Encrypt的name，他的值一般形式是n 0 R，表示这个pdf
文件的加密信息在n 0这个obj里面记录．找到这个obj，其下有一个/P的name，他的值是一个数字(32位)其中第三位代表是否有打印权限.

PDF文件结构可分为以下几块:

header

pdf文件的第一行,格式如下:
%PDF-1.3
表示当前文件的版本是1.3(目前最高版本是多少未知), 软件的版本号总要比文件格式的版本号高1，比如说Read 5能打开的内容就是4。

body

pdf文件中用到的所有对象,包括文本/图象/音乐/视频/字体/超连接/加密信息等等,格式如下:

2 0 obj
...
end obj
其中省略号部分是pdf规定的任意合法对象(一共8种)

例如:

30979 0 obj

/Linearized 1

/O 30982

/H [ 15061 25084 ]

/L 9379963

/E 166967

/N 978

/T 8760262

endobj

第一个数字就是这个OBJ的顺序号，是为了便于在xref中查找，后面的是为了区分不同的OBJ，后面就是关键字obj.下面的各行就是属性，/关键字值的形式。

Cross reference table

所有pdf对象的引用表,其格式如下
xref
0 5
0000000000 65535 f
0000000009 00000 n
0000000074 00000 n
0000000120 00000 n
0000000179 00000 n
其中,xref是开始标志,表示以下为引用表内容;0 5表示从对象号为的开始, 连续有5个对象(0,1,2,3,4),分别用5行来表示.每行的前10个数字代表这个这个对象相对文件头的偏移地址,后面5个数字只有当这个对象被删除的时候才有用,表示这个对象被删除后又被重新生成后的对象号最后一位f或n表示对象是否被使用(n表示使用,f表示被删除或没有用)

trailer:

位于PDF文件的未尾. 整个pdf文件的入口点,形式如下:
      trailer
   <<
   /Size 8
   /Root 1 0 R

/ID [<B29FBB52459C4623DB1A90CBFC28381E><B29FBB52459C4623DB1A90CBFC28381E>]
>>
startxref
553
%%EOF

说明:

/size: 这个pdf中总共使用了多少个对象
   /root: 这个pdf文件的catalog对象的对象号,这是pdf中最顶层的对象
   /startxref: 后面的数字表示cross reference table的开始位置
   /%%EOF :文件结束符.   ，

/ID 是为了让一些文件检索工具能够唯一区分文件。

ItextSharp库

库文件: itextsharp.dll

HTML生成PDF文件有2种方式

第一种: 像写HTML代码哪样, 用C#往文件流中输出表格,添加文本添加图片等,自己排版.

第二种: 先把HTML生成图片,在向PDF文档中添加图片

这里只介绍第2种方式.

代码片断如下：

添加引用空间

using iTextSharp.text.pdf;

using iTextSharp.text;

using System.Windows.Forms;

using System.IO;

变量声名:

System.Drawing.Bitmap bitmap;

Document document; // ItextShart文档对象,核心对象

string url;

int w, h; // 宽高

生成bitmap

using (WebBrowser wb = new WebBrowser())

{

wb.ScrollBarsEnabled = false;

wb.Navigate(url); //不支持 file:///F:/m.mht 这种文件地址形URL

//确保全部解析完毕

while (wb.ReadyState != WebBrowserReadyState.Complete)

{

System.Windows.Forms.Application.DoEvents();

}

//获取解析后HTML的大小

System.Drawing.Rectangle r = wb.Document.Body.ScrollRectangle;

w = r.Width;

h = r.Height;

//设置解析后HTML的可视区域, 说明:这里的可视区域小于HTML页面的实际大小的话会有滚动条,生成的图片也有滚动条; 如果这里的可视大于HTML页面的实际大小,生成的图片下方与右方会有空白

wb.Width = w;

wb.Height = h;

bitmap = new System.Drawing.Bitmap(w, h);

wb.DrawToBitmap(bitmap, new System.Drawing.Rectangle(0, 0, w, h));

}

生成PDF

using (MemoryStream ms = new MemoryStream())

{

// 创建PDF的文档对象, 为PDF文档生成核心对象

doc = new Document(new Rectangle(0, 0, w, h), 0, 0, 0, 0);//

// PDF输出流对象

PdfWriter writer = PdfWriter.GetInstance(doc, ms);

writer.CloseStream = false;

doc.Open();

iTextSharp.text.Image img = iTextSharp.text.Image.GetInstance(bitmap, System.Drawing.Imaging.ImageFormat.Jpeg);

img.ScalePercent(100); //图片放缩

//向PDF文档中添加对象

doc.Add(img);

doc.Close(); //

return ms.ToArray();

}

代码说明

Ø 第一步: 创建一个 iTextSharp.text.Document对象的实例：

Document document = new Document(new Rectangle(0, 0, w, h), 0, 0, 0, 0);

W为宽,H为高.

Document的后边4个参数分别代表左右上下边距.

Rectangle声名如下:

/// <summary>

/// Constructs a Rectangle-object.

/// </summary>

/// <param name="llx">lower left x</param>

/// <param name="lly">lower left y</param>

/// <param name="urx">upper right x</param>

/// <param name="ury">upper right y</param>

public Rectangle(float llx, float lly, float urx, float ury);

Document声名如下:

/// <summary>

/// Constructs a new Document-object.

/// </summary>

/// <param name="pageSize">the pageSize</param>

/// <param name="marginLeft">the margin on the left</param>

/// <param name="marginRight">the margin on the right</param>

/// <param name="marginTop">the margin on the top</param>

/// <param name="marginBottom">the margin on the bottom</param>

public Document(Rectangle pageSize, float marginLeft, float marginRight, float marginTop, float marginBottom)

Ø 第二步，创建输出流

可以使用以下任何3种,不知道是否还有其它什么可以写入的流

1. 内存流

MemoryStream ms = new MemoryStream();

2. 文件流

FileStream fs =FileStream("Chap0101.pdf", FileMode.Create)

3. 写入流

StreamWriter sw = new StreamWriter("out1.pdf");

Ø 第三步，为该Document创建一个Writer实例

PdfWriter writer = PdfWriter.GetInstance(document, ms);

说明: document为第一步创建的Document实例, ms为第二步创建的输出流.

GetInstance的声名:

/**

* Use this method to get an instance of the <CODE>PdfWriter</CODE>.

* @param document The <CODE>Document</CODE> that has to be written

* @param os The <CODE>Stream</CODE> the writer has to write to.

* @return a new <CODE>PdfWriter</CODE>

* @throws DocumentException on error

public static PdfWriter GetInstance(Document document, Stream os)

Ø 第四步，打开当前Document

document.Open();

Ø 第五步，创建图片对像

iTextSharp.text.Image img = iTextSharp.text.Image.GetInstance(bitmap, System.Drawing.Imaging.ImageFormat.Jpeg);

Image.GetInstance函数声名:

/// <summary>

/// Converts a .NET image to a Native(PNG, JPG, GIF, WMF) image

/// </summary>

/// <param name="image"></param>

/// <param name="?"></param>

/// <returns></returns>

public static Image GetInstance(System.Drawing.Image image, System.Drawing.Imaging.ImageFormat format)

Ø 第六步,向Document中添加Image对象

document.Add(img);

Ø 第七步,关闭Document

document.Close();

向PDF文档写入trailer, cross reference table(所有pdf对象的引用表)等PDF文档的信息

完整的代码

using System;

using iTextSharp.text;

using System.IO;

using System.Threading;

using iTextSharp.text.pdf;

using System.Windows.Forms;

namespace MiniItextSharp

{

class Program

{

public class HTML2PDF

{

private System.Drawing.Bitmap bitmap;

private string url;

private Document doc;

private int w = 0, h = 0;

public void SetBitMap()

{

using (WebBrowser wb = new WebBrowser())

{

wb.ScrollBarsEnabled = false;

wb.Navigate(url); //不支持 file:///F:/m.mht 这种文件地址形URL

//确保页面被解析完全

while (wb.ReadyState != WebBrowserReadyState.Complete)

{

System.Windows.Forms.Application.DoEvents();

}

// 获取HTML的实际大小

System.Drawing.Rectangle r = wb.Document.Body.ScrollRectangle;

w = r.Width;

h = r.Height;

// 设置可视区域,太大,会有空白,太小会有滚动条

wb.Width = w;

wb.Height = h;

bitmap = new System.Drawing.Bitmap(w, h);

wb.DrawToBitmap(bitmap, new System.Drawing.Rectangle(0, 0, w, h));

bitmap.Save("t.bmp");

}

public byte[] CreatPdf()

{

try

{

url = "http://localhost/m.mht";

Thread thread = new Thread(new ThreadStart(SetBitMap));

thread.SetApartmentState(ApartmentState.STA);

thread.Start();

while (thread.IsAlive)

Thread.Sleep(100);

using (MemoryStream ms = new MemoryStream())

{

doc = new Document(new Rectangle(0, 0, w, h), 0, 0, 0, 0);// 左右上下

PdfWriter writer = PdfWriter.GetInstance(doc, ms);

writer.CloseStream = false;

doc.Open();

iTextSharp.text.Image img = iTextSharp.text.Image.GetInstance(bitmap, System.Drawing.Imaging.ImageFormat.Jpeg);

img.ScalePercent(100);// 放缩比例

doc.Add(img); // 添加对像

doc.Close(); //写入PDF文档对象的引用表,trailer等

return ms.ToArray();

}

catch (Exception err)

{

throw new Exception(err.Message);

}

static void Main(string[] args)

{

HTML2PDF test = new HTML2PDF();

FileStream file = new FileStream("out.pdf", FileMode.Create);

byte[] result = test.CreatPdf();

file.Write(result, 0, result.Length);

file.Close();

}

ABCPdf

关于ABCpdf

Adobe PDF功能实现是独立的控件。因为它不依赖于任何打印驱动程序，直接生成PDF，所以速度非常之快。

因为它是完全的多线程机制，你可以在ASPX, ASP, VB, C#开发环境和COM+, MTS or .NET 企业服务平台下灵活使用。

它实际上融合了你可能会需要的任何一个功能。然而我们必须注意防止过多地载入对象，以保证使用的简单，优雅和方便。

因为ABCpdf不依赖于任何其他的软件，所以它可以实现完全的多线程，而且不会出现任何令人不悦的瓶颈效果。

ABCpdf.NET是一个能够很方便生成pdf的.net组件，能够运行在以下操作系统中：Windows 2000, Windows XP, Windows Server 2003, Windows Vista, and Windows Server 2008.官方建议运行环境安装IE6或者以上版本。对应不同的系统，它有32位和64位的版本，使用时注意版本的选用。

ABCpdf的功能比较多，比如可以读word、excel等文件，可以保存pdf、xps、swf等格式文件。本文主要介绍其生成pdf的方法。使用时，需要 ABCpdf.DLL和ABCpdfCE7.DLL支持。其中ABCpdf.DLL（.net调用接口）需要引用到项目中，ABCpdfCE7.DLL（核心驱动）放在ABCpdf.DLL的同一目录下即可。

ABCpdf的坐标系采用Adobe PDF标准坐标系，原点在屏幕的左下角，采用72DPI（我们用的通常是96DPI，在计算大小时注意转换，网页面上的96px相当于ABCpdf里面72px）

使用说明

1. ABCPdf有32位于64位版本区分,在32位系统下需用32位的ABCpdf,64位的系统下需用64位系统

2. 拷贝….到使用的目录

3. 安装ABCPdf

4. 命名空间

using WebSupergoo.ABCpdf8;
using WebSupergoo.ABCpdf8.Objects;
using WebSupergoo.ABCpdf8.Atoms;
using WebSupergoo.ABCpdf8.Operations;

1) WebSupergoo.ABCpdf8

包含了页面布局的对象,多数时候,仅仅引用这一个空间就足够.

2) WebSupergoo.ABCpdf8.Objects

包含那些访问和操作你已经添加内容的对象

3) WebSupergoo.ABCpdf8.Atoms

包含低层访问原生PDF数据结构的对象

4) WebSupergoo.ABCpdf8.Operations

此命名空间允许你多个参数和回调进行复杂操作

`Hellow World`

创建一个PDF文档很简单. 首先创建Document对象,然后向Document对象实例添加内容, 可以是文本,图片,其它类型的图形.

当在当前页面的内框中添加了所有想添加的内容,可以改变页码添加新的内容.默认是第一页,默认的内框大小为整个页面.

可以使用FrameRect设置当前页面内框的大小.

每次向Document对象实例中添加完内容后都会返回该内容对应的ID,可以保存该ID,方便以后对添加的内容进行查询与属性修改.

示例:

Doc theDoc = new Doc();
theDoc.FontSize = 96;
theDoc.AddText("Hello World");
theDoc.Save(Server.MapPath("simple.pdf"));
theDoc.Clear();

图:

simple.pdf

HTML to PDF代码示例

英文原文: ABCpdf.Net手册中对应目标为:

ABCpdf8>

Examples>

Paged HTML Example

首先创建Doc对象和设置边框．

Doc theDoc = new Doc();
theDoc.Rect.Inset(72, 144);

72: 左边和右边分别与边框的边距为72.

144: 上边和下边分别与边框的边距为144.

`添加页并添加网页`

theDoc.Page = theDoc.AddPage();// 添加页面
int theID;
theID = theDoc.AddImageUrl("http://www.yahoo.com/"); // 向该页添加网页

`把网页全部显示在页面上`

while (true) {
theDoc.FrameRect(); // 添加边框
if (!theDoc.Chainable(theID)) // 看看是否还有没有添加完的内容
break; // 没有就结束
theDoc.Page = theDoc.AddPage(); // 如果有就添加新的一页
theID = theDoc.AddImageToChain(theID); // 根据ID添加内容并返回页面上该内容对应的新ID

}

`让网页上的所有连接有效`

for (int i = 1; i <= theDoc.PageCount; i++) {

theDoc.PageNumber = i;
theDoc.Flatten(); //使超连接有效

}

`保存文档`

theDoc.Save(Server.MapPath("pagedhtml.pdf")); // 保存文件名为:pagehtml.pdf
theDoc.Clear(); //清理数据

`图`

`完整的HTML转PDF类示例`

public class AbcPdfBusiness : IPdf

{

private Doc pdf = null;

private string url = null;

public AbcPdfBusiness(string url)

{

XSettings.InstallRedistributionLicense("719-253-057");

this.url = url;

pdf = new Doc();

pdf.MediaBox.String = "0 0 800 900";//页面大小

pdf.Rect.String = "14 20 750 900"; // 内容的所在区间大小

pdf.HtmlOptions.HideBackground = false; //隐藏网页的背景(不是背景图)

pdf.HtmlOptions.AddLinks = true; //使HTML链接有效()

pdf.HtmlOptions.AddForms = true; //是否可使HTML的Form有效.

pdf.HtmlOptions.AddTags = true;

}

public byte[] ToBytes()

{

int id = pdf.AddImageUrl(url, true, 1080, true);

// 分页显示全部内容

while (true)

{

if (!pdf.Chainable(id))

break;

pdf.Page = pdf.AddPage();

id = pdf.AddImageToChain(id);

}

pdf.HtmlOptions.LinkPages(); //把网页内部跳转转化为PDF内部跳转

for (int i = 1; i <= pdf.PageCount; i++)

{

pdf.PageNumber = i;

pdf.Flatten(); //重组和压缩页面的内容可以减少PDF的大小,向PDF文档中添加条目返回的ID在此之后无效,如: 上边代码id = pdf.AddImageToChain(id);中的ID

}

MemoryStream stream = new MemoryStream();

pdf.Save(stream);

return stream.ToArray();

}

public void Dispose()

{

if (pdf != null)

{

pdf.Clear();

pdf.Dispose();

}

Pdflib介绍

pdflib也提供了一组sdk，但和adobe的sdk相比，pdflib很小，但功能却一点也不弱。所以对于开发者来说，pdflib是一个明智的选择。你可以从下面的网址得到到它：
   http://www.pdflib.com/products/pdflib/download/index.html。如果你没有得到序列号，那么生成的pdf将会加上水印，其他功能和商业版一样。
   另外你还可以从下面网址得到pdflib-lite版：
http://www.pdflib.com/products/pdflib/download-source.html
   pdflib-lite使用协议：
   http://www.pdflib.com/purchase/license-lite.html
   和pdflib相比，pdflib-lite最大的特点就是你可以拥有完全的源代码，但功能不如pdflib全面，比如支持的字体要比pdflib少很多。但是，如果你对pdf文件本身很了解的话，你完全可以在pdflib-lite的基础上再做发挥，这就要看你的c语言功底如何了。