Java实现含JSON片段的HTML转PDF解决方案咨询

兄弟，我之前也踩过这个坑——HTML里嵌的JSON片段特别容易搞砸PDF转换，尤其是那些带未转义引号或者大括号的结构，很多解析器会把它们误当成HTML标签来处理。下面给你几个亲测有效的Java解决方案，应该能解决你的问题：

方案1：用iText 7的pdfHTML模块（推荐） #

iText是Java生态里最靠谱的PDF处理库之一，它的pdfHTML模块专门优化了HTML到PDF的转换，对特殊内容的兼容性拉满。

核心思路 #

把HTML里的JSON片段用<pre>或<code>标签包裹，让解析器识别为纯文本；如果JSON里有尖括号、引号这类特殊字符，提前做HTML转义（比如"换成"，<换成<）。

示例代码 #

import com.itextpdf.html2pdf.HtmlConverter;
import java.io.FileInputStream;
import java.io.FileOutputStream;

public class HtmlToPdfConverter {
    public static void main(String[] args) throws Exception {
        // 读取包含JSON的HTML文件
        try (FileInputStream htmlInput = new FileInputStream("source.html");
             FileOutputStream pdfOutput = new FileOutputStream("result.pdf")) {
            
            // 直接转换，pdfHTML会自动处理大部分特殊内容
            HtmlConverter.convertToPdf(htmlInput, pdfOutput);
        }
    }
}

方案2：使用Flying Saucer（XHTMLRenderer） #

Flying Saucer对XHTML的支持非常严谨，只要你的HTML是合法的XHTML格式，它能很好地处理内嵌的JSON内容。

核心思路 #

确保HTML是标准XHTML（标签闭合、属性带引号），并把JSON放在<pre>标签里，避免解析器误解析。

示例代码 #

import org.xhtmlrenderer.pdf.ITextRenderer;
import java.io.FileOutputStream;
import java.io.StringReader;

public class FlyingSaucerDemo {
    public static void main(String[] args) throws Exception {
        // 假设这是你的HTML内容，JSON被包裹在<pre>里
        String htmlContent = """
                <html xmlns="http://www.w3.org/1999/xhtml">
                    <body>
                        <h1>页面标题</h1>
                        <pre>{
                            "user": "Sumit Kumar",
                            "data": [1, 2, 3]
                        }</pre>
                    </body>
                </html>
                """;
        
        ITextRenderer renderer = new ITextRenderer();
        renderer.setDocumentFromString(htmlContent);
        renderer.layout();
        
        try (FileOutputStream fos = new FileOutputStream("output.pdf")) {
            renderer.createPDF(fos);
        }
    }
}

方案3：预处理HTML中的JSON片段 #

如果上面的库还是报错，那先对HTML做预处理，把JSON片段用CDATA包裹，让解析器跳过这段内容的解析：

//<![CDATA[
{
    "key": "value",
    "nested": {"inner": "data"}
}
//]]>

或者用正则表达式批量替换JSON里的特殊字符，比如把所有双引号转成"，确保解析器不会把JSON当成HTML结构。

为啥你之前用htmltopdf converter会报错？ #

大概率是JSON里的{}、"这些字符被解析器误判成了HTML的语法元素，导致解析失败。你可以先检查你的HTML是否合法，或者把JSON单独提取出来处理后再放回HTML里。

内容的提问来源于stack exchange，提问作者Sumit Kumar