使用 Flying Saucer PDF Rendering 将格式错误的 HTML 转换为 PDF

Question

在GitHub项目中，我试图将任意 HTML 字符串转换为 PDF 版本。通过转换，我的意思是解析 HTML，并将其呈现为 PDF 文件。

为了实现这一点，我正在使用飞碟 PDF 渲染，如下所示：

主程序

public class Main {

    public static void main(String [] args) {

        final String ok = "<valid html here>: see github rep for real html markup here";

        final String html = "<invalid html here>: see github rep for real html markup here";

        try {

            // final byte[] bytes = generatePDFFrom(ok); // works!

            final byte[] bytes = generatePDFFrom(html); // does NOT work :(

            try(FileOutputStream fos = new FileOutputStream("sample-file.pdf")) {

                fos.write(bytes);

            }

        } catch (IOException | DocumentException e) {

            e.printStackTrace();

        }

    }

    private static byte[] generatePDFFrom(String html) throws IOException, DocumentException {

        final ITextRenderer renderer = new ITextRenderer();

        renderer.setDocumentFromString(html);

        renderer.layout();

        try (ByteArrayOutputStream fos = new ByteArrayOutputStream(html.length())) {

            renderer.createPDF(fos);

            return fos.toByteArray();

        }

    }

}

在上面的代码中，如果我使用存储在ok变量中的 html 字符串（这是一个“有效”的 html），它会正确创建 PDF（如果您使用该ok变量运行 GitHub 项目，它将sample-file.pdf在项目文件夹中创建一个文件，其中包含一些呈现的 html）。

现在，据我所知，这是因为 html 字符串的“无效”部分。

• 有没有什么办法可以“告诉”给飞碟PDF渲染到忽略/自动完成/清洁本身/或任何其他的，那些“无效”部分，并与创建PDF文件的前进^（首选）。

• 有没有更好的方法可以用来克服这个问题。