使用Java实现HTML转内存PDF时ITextRenderer+Jsoup抛出SAX解析异常如何解决

ITextRenderer（即Flying Saucer PDF渲染组件）仅支持解析语法严格符合XML规范的XHTML内容，无法直接处理松散语法的普通HTML，你当前的代码存在核心问题触发SAX解析异常：

• 手动将Jsoup输出语法设置为Syntax.html，输出内容存在标签未闭合、属性未加引号等不符合XML规范的写法
• 未给HTML根元素声明XHTML必需的命名空间，解析器无法识别文档结构
• 部分场景下输出内容开头会携带多余空白、BOM头，和报错信息中「根元素前的标记格式不合法」的描述完全匹配

不需要更换HTML转PDF类库，调整Jsoup的输出配置，生成标准合规的XHTML再传入渲染器即可，修正后的实现如下：

import org.jsoup.nodes.Document;
import java.io.ByteArrayOutputStream;
import java.nio.charset.StandardCharsets;
import org.xhtmlrenderer.pdf.ITextRenderer;

// 解析原始HTML模板
Document document = Jsoup.parse(template, "UTF-8");
// 配置Jsoup输出为XHTML（XML语法）格式
document.outputSettings()
        .syntax(Document.OutputSettings.Syntax.xml)
        .charset(StandardCharsets.UTF_8)
        .outline(true)
        .indentAmount(2);
// 给根标签添加XHTML必须的命名空间，避免样式渲染异常
document.selectFirst("html").attr("xmlns", "http://www.w3.org/1999/xhtml");

ByteArrayOutputStream binaryOutput = new ByteArrayOutputStream();
ITextRenderer renderer = new ITextRenderer();
renderer.setDocumentFromString(document.html());
renderer.layout();
renderer.createPDF(binaryOutput);
// binaryOutput中即为内存中生成的PDF文件字节，可直接用于后续存储、返回响应等操作

• 不要在传入渲染器的内容开头手动添加XML声明头（如<?xml version="1.0" encoding="UTF-8"?>），部分版本的ITextRenderer解析该头部时会直接触发位置1的格式错误
• 若模板使用了HTML5新增标签（如<section>、<article>），请使用9.1.22及以上版本的Flying Saucer依赖，老版本对HTML5标签兼容性极差，会出现解析失败、样式错乱问题
• 切换到XML输出语法后，Jsoup会自动补全所有未闭合的标签，不需要手动修改原始HTML模板的写法
• 该方案仅对CSS2.1及部分简单CSS3属性支持较好，若需要渲染复杂的现代页面（含大量CSS3、JS动态内容），建议选择基于无头浏览器的渲染方案实现。

内容的提问来源于stack exchange，提问作者Uday Solanki