从网页抓取的div转化成html再转换为pdf
主要的操作步骤，抓取，利用ftl生成html，利用html生成pdf文件，最后删除html文件
package com.nriet.business.service.tflj.impl;
import java.io.File;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import com.nriet.business.bean.tflj.TZywwBeCpwjxxBean;
import com.nriet.business.dao.tflj.TfljDao;
import com.nriet.business.service.tflj.TfljService;
import com.nriet.business.util.DateUtil;
import com.nriet.business.util.FkUtil;
import com.nriet.business.util.PdfUtil;
import com.nriet.business.util.ZqtpUtil;
import com.nriet.common.util.StringUtil;
public class TfljServiceImpl{private static final String URL = "http://www.nm110.cn/psh/counry/waring/tyhoon.html";
//采集地址
private static final String PATH = "E:\\data\\share\\product\\DATA\\product\\";
//pdf存储路径public void receiveURL() {
Connection conn = Jsoup.connect(URL);
conn.header("User-Agent","Mozilla/5.0 (Windows NT 6.1;
WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36");
Document doc;
try {
//设置超时时间，同时Document对象中封装了返回的html文档
doc = conn.timeout(100000).get();
Element mainContent = doc.getElementById("maincontent");
//所需的div
Element text = mainContent.getElementById("text");
//日期
Elements dateTag = text.getElementsByTag("b");
String year = dateTag.get(0).text();
String month = dateTag.get(1).text();
String day = dateTag.get(2).text();
String rq=year+"-"+month+"-"+day;
String fileName = "66666";
// 遍历b标签中的内容
for (int i = 0;
i < dateTag.size();
i++) {
if (i >= 4) {
break;
}
fileName += dateTag.get(i).text();
}
//临时html文件名
String htmlName = fileName + ".html";
//pdf文件名
String pdfName = fileName + ".pdf";
File pdfFile = new File(PATH + year + "\\" + year + month + "\\" + pdfName);
// 如果PDF文件不存在,创建
if (!pdfFile.exists()) {
Map m = new HashMap();
m.put("tfgb", text);
FkUtil f = new FkUtil();
//生成临时html文件
f.html(m, PATH + year + "\\" + year + month + "\\" + htmlName);
PdfUtil pdf = new PdfUtil();
pdfFile.getParentFile().mkdirs();
//创建pdf文件
pdf.createPdf(PATH + year + "\\" + year + month + "\\" + htmlName,PATH + year + "\\" + year + month + "\\" + pdfName);
//删除临时html文件
File htmlFile = new File(PATH + year + "\\" + year + month + "\\" + htmlName);
// 如果文件路径所对应的文件存在，并且是一个文件，删除
if (htmlFile.exists() && htmlFile.isFile()) {
htmlFile.delete();
}
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
【从网页抓取的div转化成html再转换为pdf】这个是模板
#text {
padding: 10px;
min-height: 400px;
font-family: simsun;
}
#text div{
margin: 0;
word-break: break-all;
word-wrap: break-word;
}
.title {
color: red;
font-size: 34px;
font-weight: bold;
text-align: center;
height: 40px;
line-height: 40px;
}
.author {
font-size: 14px;
padding: 10px 0;
text-align: center;
}
.writing{
padding: 0;
font-size: 14px;
}
p{
margin:2px auto;
font-size: 16px;
text-indent: 2em;
}
.subhead {
font-size: 18px;
font-weight: bold;
text-align: center;
padding-bottom: 10px;
}
${tfgb}
根据抓取到信息的，利用ftl生成html文件
package com.nriet.business.util;
import java.io.File;
import java.io.FileOutputStream;
import java.io.FileWriter;
import java.io.IOException;
import java.io.OutputStreamWriter;
import java.io.Writer;
import java.util.Locale;
import java.util.Map;
import javax.servlet.ServletContext;
import javax.servlet.http.HttpServletRequest;
import org.springframework.web.context.ContextLoader;
import com.nriet.business.service.tflj.impl.TfljServiceImpl;
import freemarker.cache.MruCacheStorage;
import freemarker.template.Configuration;
import freemarker.template.Template;
import freemarker.template.TemplateException;
public class FkUtil {
// 模板路径
private static final String ftl_PATH = "templates";
// html模板文件
private static final String ftl = "ftl.ftl";
/**
* 生成html文件
*
* @param rootMap 数据
* @param name 文件路径+文件名称
*/
public void html(Map rootMap, String name) {
Configuration cfg = new Configuration();
try {
cfg.setDefaultEncoding("UTF-8");
cfg.setEncoding(Locale.getDefault(), "UTF-8");
//设定去哪里读取相应的ftl模板，此方法模板的路径由第一个参数的类决定
cfg.setClassForTemplateLoading(this.getClass(),ftl_PATH );
//cfg.setClassForTemplateLoading(TfljServiceImpl.class,TEMPLATE_PATH);
// 设定去哪里读取相应的ftl模板，此方法使用web容器加载，无论模板放在项目中的何处都可以找到
//cfg.setServletContextForTemplateLoading(ContextLoader.getCurrentWebApplicationContext().getServletContext(), "/WEB-INF/config/templates/tflj");
// 获取目标模板
Template template = cfg.getTemplate(ftl);
// 创建目标html文件
File file = new File(name);
// 创建字符输出流
Writer writer = new OutputStreamWriter(new FileOutputStream(file), "UTF-8");
// map用来给模板传递数据，writer将模板内容写入到上面新建的html文件
template.process(rootMap, writer);
writer.flush();
writer.close();
} catch (IOException | TemplateException e1) {
e1.printStackTrace();
}
}
}
html文件生成好了，我们就能生成pdf了
package com.nriet.business.util;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.nio.charset.Charset;
import com.itextpdf.text.Document;
import com.itextpdf.text.DocumentException;
import com.itextpdf.text.pdf.PdfWriter;
import com.itextpdf.tool.xml.XMLWorkerHelper;
public class PdfUtil {
/**
*
* @param pdf PDF存储路径
* @throws html html存储路径
*/
public void createPdf(String html,String pdf){
// step 1
Document document = new Document();
// step 2
PdfWriter writer = null;
try {
writer = PdfWriter.getInstance(document, new FileOutputStream(pdf));
// step 3
document.open();
// step 4
XMLWorkerHelper.getInstance().parseXHtml(writer,document, new FileInputStream(html),Charset.forName("UTF-8"));
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (DocumentException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
// step 5
document.close();
}
}
jar包及jdk
文章图片
推荐阅读
- Docker应用:容器间通信与Mariadb数据库主从复制
- 一个人的碎碎念
- 我从来不做坏事
- 从蓦然回首到花开在眼前，都是为了更好的明天。
- 西湖游
- 改变自己，先从自我反思开始
- leetcode|leetcode 92. 反转链表 II
- 从我的第一张健身卡谈传统健身房
- 自媒体形势分析
- 操作系统|[译]从内部了解现代浏览器(1)