2

尝试使用 iText 将越南文档导出为 PDF 时遇到问题。我像这样将越南语单词放在 .xml 文件中

<td fontfamily="Helvetica" fontstyle="0" fontsize="9" align="0" colspan="48" lineoccupied="1">T\u1ED5 ch\u1EE9c tham gia</td>

然后让 java 从 xml 文件中获取短语并使用以下方法将其转换为 Unicode：

    public String convertToUnicode(String s) {
        int i = 0, len = s.length();
        char c;
        StringBuffer sb = new StringBuffer(len);
        try {
            while (i < len) {
                c = s.charAt(i++);
                if (c == '\\') {
                    if (i < len) {
                        c = s.charAt(i++);
                        if (c == 'u') {
                            if (Character.digit(s.charAt(i), 16) != -1
                                    && Character.digit(s.charAt(i + 1), 16) != -1
                                    && Character.digit(s.charAt(i + 2), 16) != -1
                                    && Character.digit(s.charAt(i + 3), 16) != -1) {
                                if (s.substring(i).length() >= 4) {
                                    c = (char) Integer.parseInt(s.substring(i, i + 4), 16);
                                    i += 4;
                                } else {
                                    sb.append('\\');
                                }
                            } else {
                                sb.append('\\');
                            }
                        } // add other cases here as desired...
                    }
                } // fall through: \ escapes itself, quotes any character but u
                sb.append(c);
            }
        } catch (Exception e) {
            System.out.println("Error Generate PDF :: " + e.getStackTrace().toString());
            return s;
        }
        return sb.toString();
    }

之后，将字符串导出为 PDF - 编码 UTF-8。但程序无法显示越南语字符 '\u1ED5' 和 '\u1EE9' 输出变为“T chc tham gia” 你能告诉我如何解决这个问题吗？谢谢 ：）

4

2 回答 2

2

iText 官方网站上有 3 个涉及亚洲语言的XML Worker 示例。它们解析包含中文字符的 XHTML 文件，但应该很容易将它们适应越南语示例。

您可以在此处找到要解析的 HTML 文件：

这两个文件都包含以下文本：

长空（断剑）、秦王残剑（飞雪）、飞雪（月亮）、如月（国王）和秦王（天空）。

在第一种情况下，字体是使用 CSS 定义的：

<span style="font-size:12.0pt; font-family:MS Mincho">長空</span>

在第二种情况下，没有定义特定的字体：

<body><p>長空 (Broken Sword), 秦王殘劍 (Flying Snow), 飛雪 (Moon), 如月 (the King), and 秦王 (Sky).</p></body>

这些文件包含 UTF-8 字符，因此我们将像这样解析它们：

XMLWorkerHelper.getInstance().parseXHtml(writer, document,
            new FileInputStream(HTML), Charset.forName("UTF-8"));

您需要的第一件事是支持越南字符的字体。这是 iText 无法帮助您解决的问题。在您的 HTML 文件中，您已经定义了 Helvetica，但这是一种标准的 Type1 字体，在使用 iText 时从未嵌入，并且不知道如何绘制越南字形。那永远行不通。

第一个示例D07_ParseHtmlAsian将自动搜索名为MS Mincho. 如果它找到该字体（例如，因为您msmincho.ttc在 Windows 字体目录中有），该字体将显示在您的 PDF 中。见hero.pdf。如果它没有找到具有该名称的字体，则字形将不可见，因为您没有为这些字形提供任何字体程序。

第二个示例D07bis_ParseHtmlAsian提供了一种解决方法，以防万一您无处可去MS Mincho。在这种情况下，您必须使用一个XMLWorkerFontProvider并注册一个可以用来代替的字体MS Mincho。例如：我们使用存储在文件中的字体cfmingeb.ttf并分配别名MS Mincho：

XMLWorkerFontProvider fontProvider = new XMLWorkerFontProvider(XMLWorkerFontProvider.DONTLOOKFORFONTS);
fontProvider.register("resources/fonts/cfmingeb.ttf", "MS Mincho");

生成的文件asian.pdf与我们预期的略有不同，但现在我们至少可以看到中文字形了。

在第三个示例中，HTML 文件没有告诉我们任何关于需要使用的字体的信息。我们将使用 CSS 定义字体，如下所示：

CSSResolver cssResolver = new StyleAttrCSSResolver();
CssFile cssFile = XMLWorkerHelper.getCSS(new ByteArrayInputStream("body {font-family:tsc fming s tt}".getBytes()));
cssResolver.addCss(cssFile);

现在，正文中的所有文本都将使用 TSC FMing S TT 字体（存储在文件中cfmingeb.ttf）。您可以在生成的 PDF asian2.pdf中看到差异。

于 2014-02-28T07:00:30.117 回答
0

我认为您需要将 HTML 编码为 UTF-8 并使用 &#xUNUM; 对于十六进制或 &#NUM; 用于嵌入特殊字符的常规代码。不确定程序中的某个位置，因为它没有显示，但您的最终 HTML 应该是：

<!DOCTYPE HTML PUBLIC "-//IETF//DTD HTML LEVEL 1//EN">
<HTML>
  <HEAD>
    <TITLE>Your Page Title</TITLE>
    <META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=utf-8">
  </HEAD>
  <BODY>
    <!-- YOUR CONTENT HERE -->

     <td fontfamily="Helvetica" fontstyle="0" fontsize="9" 
         align="0" colspan="48" 
        lineoccupied="1">T&#x1ED5; ch&#x1EE9;c tham gia</td>

  </BODY>
</HTML>

您可以将上述内容剪切并粘贴到 HTML 文件中并查看结果。更多阅读乐趣在这里Unicode 和 HTML

于 2014-02-28T06:18:21.543 回答