支持样式属性复制的XHTML转XSL-FO有效解析器咨询

问题核心根因 #

你现在遇到的转换丢样式问题，本质不是解析器读不了HTML，而是整套流程根本没做样式到FO属性的映射：

• JDK自带的默认XSL解析器只做XML语法层面的解析，会把style/align/width这类属性当成无特殊意义的普通文本存起来，既不会拆分style字段里的CSS规则，也不会主动把这些值映射到对应的fo:*节点的属性上
• 如果你用的XSL模板没有写专门的样式提取、属性映射逻辑，哪怕解析器完整读到了这些属性值，也不会自动同步到生成的XSL-FO结构里

可落地的有效方案推荐 #

1. 用Apache FOP官方内置的XHTML转FO实现 #

这是常规出版、报表场景下最省事的可用方案：

• 这套实现本身就带了完整的基础映射规则，覆盖两类常见样式的转换：一类是XHTML原生属性（比如align/border/width/cellpadding这类写在标签上的属性），另一类是内联style里90%以上的常用出版类CSS（比如font-size/color/margin/text-align），都会自动对应到正确的XSL-FO属性上
• 用法上不需要替换你现有的javax.xml.transform.Transformer接口调用逻辑，只要把原来初始化TransformerFactory的部分换成FOP提供的实现，加载官方配套的xhtml2fo.xsl映射模板就能直接跑
• 注意边界：这套内置映射不支持现代CSS布局特性（比如flex/grid），但完全适配常规文档、固定排版报表的转换需求

2. 组合解析栈实现全量样式提取 #

如果你需要支持更复杂的CSS规则（比如内嵌样式块、class类选择器的匹配），可以调整前置解析流程：

• 第一步用NekoHTML把非严格合规的原始HTML转成结构完整、符合XML规范的DOM，解决非闭合标签、无引号属性这类问题导致的节点、属性被静默丢弃的问题
• 第二步引入纯Java的CSS计算引擎，对DOM树全量做样式规则匹配：把内联style、页面内嵌的style块、类选择器、继承样式全部计算成元素的最终生效样式，作为结构化属性挂在对应的DOM节点上
• 第三步把这个带完整结构化样式属性的DOM喂给现有的javax.xml.transform.Transformer走XSL转换流程，从解析源头避免样式值丢失

常见踩坑提醒 #

• 不要直接拿JDK默认带的Xalan解析器处理原始HTML内容，这类解析器只认严格符合XML规范的内容，对非闭合标签、无引号属性的容错率为0，很容易在你没察觉的情况下丢节点、丢属性
• 如果是自己写XSL模板做转换，一定要补写style属性的拆分逻辑，不然解析器只会把style字段里的整段字符串当成普通文本，不会拆分出里面的具体CSS规则值

内容的提问来源于stack exchange，提问作者user2006613