Aspose.PDF for .NET：翻译后HTML转PDF如何保留原页面尺寸与布局

针对你提出的四个核心需求，得从PDF转HTML前置处理、翻译约束、HTML转PDF逻辑优化三个环节同步调整，才能精准匹配原始PDF的布局和页数。

一、核心优化点拆解 #

1. 严格保留原始页面尺寸与方向 #

• 原代码里HorizontalScaling = 0是致命错误，这个参数是文本缩放百分比，设为0会导致文本消失，必须改成100
• 别硬编码IsLandscape = false，要从原始PDF页面获取方向，同步到HtmlLoadOptions里
• 建议在PDF转HTML时就把页面尺寸、方向嵌入到HTML元素的data-*属性中，转回PDF时直接读取

2. 确保页数与原文件完全一致 #

• 原代码按Body.Children拆分页面不可靠，翻译后的HTML结构可能被修改，必须在PDF转HTML阶段就给每个原始页面的容器打上标记（比如class="original-page"）
• 转PDF时严格按标记的容器拆分，每个容器对应一个PDF页面，从根源保证页数一致

3. 避免多余空白/黑色区域 #

• 删掉不必要的ResizeContents操作，只要PageInfo的尺寸和原始页面一致，内容会自动适配
• 用原始PDF的边距（别固定设为10），如果没法获取，直接设成MarginInfo(0,0,0,0)，让内容占满整个页面
• 配置HtmlRenderingOptions.WrapTextMode = NoWrap，避免文本自动换行导致的布局错乱

4. 锁定图表、表格布局 #

• 开启TableLayoutOption = Fixed，强制表格按原始结构渲染，避免翻译后文本长度变化导致的表格错乱
• PDF转HTML时设置SaveImagesAsEmbedded = true，确保图表图片不会丢失或缩放
• 翻译阶段禁止修改表格、图片的结构标签和尺寸属性，只改文本内容

二、优化后的完整代码 #

首先补充PageSize类的方向属性：

public class PageSize
{
    public float Width { get; set; }
    public float Height { get; set; }
    public bool IsLandscape { get; set; }
}

修改后的ConvertHtmlToPdf方法：

public ConvertedFileInfo ConvertHtmlToPdf(
    string filePath,
    string outputFileName,
    bool splitAndMergePagesInHtmlToPdfConversion = false,
    List<PageSize> pageSizes = null)
{
    try
    {
        Console.WriteLine("ConvertHtmlToPdf: Loading HTML...");
        int pageCount = 0;

        if (splitAndMergePagesInHtmlToPdfConversion)
        {
            var html = File.ReadAllText(filePath);
            var document = GetDocumentFromHtmlString(html);
            var noteTexts = RemoveNotesFromDocument(document);

            // 按PDF转HTML时标记的原始页面容器拆分（优先）
            var pageContainers = document.Body.QuerySelectorAll(".original-page").Cast<HtmlElement>().ToList();
            //  fallback到原逻辑（如果没打标记）
            if (!pageContainers.Any())
            {
                pageContainers = document.Body.Children.Select(p => p.Clone() as HtmlElement).ToList();
            }

            pageCount = pageContainers.Count;
            var tempPdfs = new List<string>();
            var tempDir = Path.GetDirectoryName(outputFileName);

            foreach (var (container, index) in pageContainers.Select((c, i) => (c, i)))
            {
                // 创建单页面HTML文件
                var singlePageDoc = GetDocumentFromHtmlString("<html><body></body></html>");
                singlePageDoc.Body.AppendChild(container.Clone());
                var pageHtmlPath = Path.Combine(tempDir, $"temp-page-{index + 1}.html");
                File.WriteAllText(pageHtmlPath, singlePageDoc.DocumentElement.OuterHtml);

                // 获取当前页面的原始尺寸和方向
                var targetPageSize = pageSizes?[index] ?? new PageSize { Width = 612, Height = 792 }; // 默认A4
                var isLandscape = targetPageSize.IsLandscape;

                // 配置HTML转PDF核心选项
                var pageOptions = new HtmlLoadOptions
                {
                    IsRenderToSinglePage = true,
                    InputEncoding = "UTF-8",
                    PageInfo =
                    {
                        // 匹配原始页面尺寸（横屏时交换宽高）
                        Width = isLandscape ? targetPageSize.Height : targetPageSize.Width,
                        Height = isLandscape ? targetPageSize.Width : targetPageSize.Height,
                        IsLandscape = isLandscape,
                        Margin = new MarginInfo(0, 0, 0, 0), // 使用原始边距，这里设为0避免额外空白
                        DefaultTextState = new TextState
                        {
                            WordSpacing = 0,
                            CharacterSpacing = 0,
                            HorizontalScaling = 100 // 修复原代码的致命错误，确保文本正常显示
                        }
                    },
                    RenderingOptions = new HtmlRenderingOptions
                    {
                        TableLayoutOption = HtmlRenderingOptions.TableLayout.Fixed, // 锁定表格布局
                        DisableFontLicenseChecking = true,
                        WrapTextMode = HtmlRenderingOptions.WrapText.NoWrap // 禁止自动换行
                    }
                };

                // 从HTML容器的data属性读取原始页面信息（如果PDF转HTML时已嵌入）
                if (container.HasAttribute("data-width"))
                {
                    pageOptions.PageInfo.Width = float.Parse(container.GetAttribute("data-width"));
                }
                if (container.HasAttribute("data-height"))
                {
                    pageOptions.PageInfo.Height = float.Parse(container.GetAttribute("data-height"));
                }
                if (container.HasAttribute("data-landscape"))
                {
                    pageOptions.PageInfo.IsLandscape = bool.Parse(container.GetAttribute("data-landscape"));
                }

                // 生成单页PDF
                var pdfDoc = new Document(pageHtmlPath, pageOptions);
                if (index == pageContainers.Count - 1)
                {
                    AppendNotesToPdf(pdfDoc, noteTexts);
                }

                var tempPdfPath = Path.Combine(tempDir, $"temp-pdf-{index + 1}.pdf");
                pdfDoc.Save(tempPdfPath);
                tempPdfs.Add(tempPdfPath);

                // 清理临时文件
                pdfDoc.Dispose();
                File.Delete(pageHtmlPath);
            }

            // 合并所有单页PDF
            var pdfEditor = new PdfFileEditor();
            pdfEditor.Concatenate(tempPdfs.ToArray(), outputFileName);

            // 清理临时PDF
            foreach (var tempPdf in tempPdfs)
            {
                File.Delete(tempPdf);
            }
        }
        else
        {
            // 单文档模式仅用于测试，建议优先使用拆分合并模式
            var defaultPageSize = pageSizes?.FirstOrDefault() ?? new PageSize { Width = 612, Height = 792 };
            var options = new HtmlLoadOptions
            {
                IsRenderToSinglePage = false,
                InputEncoding = "UTF-8",
                PageInfo =
                {
                    Width = defaultPageSize.IsLandscape ? defaultPageSize.Height : defaultPageSize.Width,
                    Height = defaultPageSize.IsLandscape ? defaultPageSize.Width : defaultPageSize.Height,
                    IsLandscape = defaultPageSize.IsLandscape,
                    Margin = new MarginInfo(0, 0, 0, 0),
                    DefaultTextState = new TextState
                    {
                        WordSpacing = 0,
                        CharacterSpacing = 0,
                        HorizontalScaling = 100
                    }
                },
                RenderingOptions = new HtmlRenderingOptions
                {
                    TableLayoutOption = HtmlRenderingOptions.TableLayout.Fixed,
                    DisableFontLicenseChecking = true
                }
            };

            var srcDoc = new Document(filePath, options);
            pageCount = srcDoc.Pages.Count;
            srcDoc.Save(outputFileName);
            srcDoc.Dispose();
        }

        Console.WriteLine($"ConvertHtmlToPdf: Done. PageCount = {pageCount}");

        return new ConvertedFileInfo
        {
            FilePath = outputFileName,
            PageCount = pageCount
        };
    }
    catch (Exception ex)
    {
        Logger.Error(new Exception("ConvertHtmlToPdf failed!", ex));
        throw;
    }
}

三、PDF转HTML前置优化（关键前提） #

要让后续转换完全匹配原始布局，PDF转HTML阶段必须做以下配置：

var pdfToHtmlOptions = new HtmlSaveOptions
{
    SplitIntoPages = true, // 每个原始PDF页面生成独立容器
    ExportPageInformation = true, // 嵌入页面尺寸、方向到HTML的data属性
    TableLayout = HtmlSaveOptions.TableLayoutOption.Fixed, // 锁定表格结构
    SaveImagesAsEmbedded = true, // 图表图片嵌入HTML，避免丢失
    FontSavingMode = HtmlSaveOptions.FontSavingModes.SaveInAllFormats // 确保字体正常显示
};

var originalPdf = new Document("your-original.pdf");
originalPdf.Save("translatable.html", pdfToHtmlOptions);

四、翻译阶段约束 #

• 仅修改文本内容，禁止修改HTML的结构标签（如table、tr、td、div.original-page等）
• 禁止修改元素的width、height、data-*等布局属性
• 图表图片的img标签保持原样，只修改周围的文本

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