Itext7 Java：重写IElement的trimFirst()方法解决空格丢失问题

• 原始HTML文本（含大量连续空格）：

  <p style='font-family:times-roman;font-size:10.5pt'>dalla notifica del presente atto di ingiunzione l'importo dovuto per complessivi Euro                             come qui di seguito specificati:</p>
  

• 测试字符串示例：

  Hello                  my name is Roger !
  

• 转换代码：

  List<IElement> lst = HtmlConverter.convertToElements(stringBuilder.toString(),cvProp);
           
  for (IElement tagParag : lst) {
      p = (Paragraph) tagParag;
  }
  

• 转换后结果（连续空格被合并，标点前空格消失）：

  Hello my name is Roger!
  

1. 连续空格消失的原因 #

这不是trimFirst()单独导致的，核心是HTML规范的空白处理逻辑加上HtmlConverter的解析规则：

• HTML原生规范会将连续空白字符（空格、换行、制表符等）合并为单个空格；
• HtmlConverter在解析时遵循该规范，同时可能额外做了文本归一化处理，比如自动移除标点符号前的冗余空格。

2. 保留原始连续空格的方案 #

方法一：调整解析配置参数 #

检查ConverterProperties（即你代码中的cvProp）是否有空白保留相关配置，开启后可跳过空格合并：

// 不同版本的HtmlConverter（如iText实现）配置键可能不同，需对应文档调整
cvProp.setPreserveWhitespace(true);

方法二：后处理Paragraph对象 #

如果无法修改解析配置，可在转换完成后遍历Paragraph的文本子元素，替换为原始带连续空格的文本：

for (IElement tagParag : lst) {
    Paragraph p = (Paragraph) tagParag;
    // 遍历Paragraph内的所有文本块
    for (IBlockElement element : p.getChildren()) {
        if (element instanceof Text) {
            Text text = (Text) element;
            // 从原始HTML中提取对应位置的原始文本（需自行实现原始文本匹配逻辑）
            String originalText = getOriginalCorrespondingText();
            text.setText(originalText);
        }
    }
}

方法三：自定义解析器 #

继承HtmlConverter相关类，重写文本节点处理逻辑，跳过空白合并步骤：

public class CustomHtmlConverter extends HtmlConverter {
    @Override
    protected void processTextNode(TextNode textNode, ProcessorContext context) {
        // 直接保留原始文本，不做空格合并处理
        String rawText = textNode.getWholeText();
        context.getCurrentContainer().add(new Text(rawText));
    }
}

3. trimFirst()的作用验证 #

trimFirst()仅负责移除文本开头的空白字符，不会处理中间连续空格或标点前的空格。可通过以下代码验证：

String beforeTrim = p.getText();
p.trimFirst();
String afterTrim = p.getText();
System.out.println("修剪前：" + beforeTrim);
System.out.println("修剪后：" + afterTrim);

若仅开头空格消失，才是trimFirst()的作用；否则问题根源仍是空白归一化逻辑。

内容的提问来源于stack exchange，提问作者DropVid