Контент на иврите не отображается при конвертации html в PDF с помощью iTextSharp 5.5.8?

Question

Я использую приведенный ниже код для преобразования HTML-файла в PDF с помощью iTextSharp

    Document doc = new Document(iTextSharp.text.PageSize.A4, 10, 20, 5, 35);
    var writer = PdfWriter.GetInstance(doc, new FileStream(savePath, FileMode.Create));

    var xmlWorkerFontProvider = new XMLWorkerFontProvider();
    var cssAppliers = new CssAppliersImpl(new MyFontProvider());
    CssFilesImpl cssFiles = new CssFilesImpl();
    StyleAttrCSSResolver cssResolver = new StyleAttrCSSResolver(cssFiles);

    HtmlPipelineContext htmlContext = new HtmlPipelineContext(cssAppliers);
    htmlContext.SetTagFactory(Tags.GetHtmlTagProcessorFactory());
    htmlContext.SetImageProvider(new ITextImageHandler());

    IPipeline pipeline = new CssResolverPipeline(cssResolver, new HtmlPipeline(htmlContext, new PdfWriterPipeline(doc, writer)));
    XMLWorker worker = new XMLWorker(pipeline, true);
    XMLParser xmlParser = new XMLParser(true, worker, Encoding.Unicode);

    doc.Open();
    doc.NewPage();
    xmlParser.Parse(new StringReader(htmlString.ToString()));
    doc.Close();

Для английского контента это работает нормально. Но если содержимое написано на иврите, текст не отображается в PDF.

Я проверил другие ответы, связанные с этим на переполнение стека, но они, кажется, используют HtmlParser, который устарел. Так что я не хочу этим пользоваться.

Пожалуйста, дайте мне знать, если что-то еще требуется. Спасибо за ваше время.

Изменить: После прочтения комментариев я попытался также настроить шрифты. Но все равно не повезло. Ниже обновленный код.

 Document document = new Document();

        PdfWriter writer =
            PdfWriter.GetInstance(document, new FileStream(savePath, FileMode.Create));

        document.Open();

        var cssResolver = new StyleAttrCSSResolver();
        XMLWorkerFontProvider fontProvider =
            new XMLWorkerFontProvider(XMLWorkerFontProvider.DONTLOOKFORFONTS);
        fontProvider.Register(@"E:\fonts\NotoSansHebrew-Regular.ttf");


        CssAppliers cssAppliers = new CssAppliersImpl(fontProvider);
        HtmlPipelineContext htmlContext = new HtmlPipelineContext(cssAppliers);
        htmlContext.SetTagFactory(Tags.GetHtmlTagProcessorFactory());
        htmlContext.SetImageProvider(new ITextImageHandler());


        PdfWriterPipeline pdf = new PdfWriterPipeline(document, writer);
        HtmlPipeline html = new HtmlPipeline(htmlContext, pdf);
        CssResolverPipeline css = new CssResolverPipeline(cssResolver, html);


        XMLWorker worker = new XMLWorker(css, true);
        XMLParser p = new XMLParser(worker);

        p.Parse(new StringReader(htmlString.ToString()));

        document.Close();

Answer 1

Ниже приведена адаптация кода Бруно с некоторыми фактическими HTML. Чтобы запустить его, вам просто нужно скачать шрифт Noto Sans Hebrew и разместить его на рабочем столе. Без каких-либо изменений (за исключением, возможно, путей к файлам) попробуйте запустить этот код, который работает для меня. (Я протестировал это с 5.5.5, поэтому 5.5.8 должен работать абсолютно).

var file = System.IO.Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "test.pdf");
var fontFile = System.IO.Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "NotoSansHebrew-Regular.ttf");
var htmlText = @"<div dir=""rtl"" style=""font-family: Noto Sans Hebrew;"">שלום עולם</div>";

using (var FS = new System.IO.FileStream(file, FileMode.Create, FileAccess.Write, FileShare.None)) {
    using (var document = new Document()) {
        using (var writer = PdfWriter.GetInstance(document, FS)) {
            document.Open();

            var cssResolver = new StyleAttrCSSResolver();
            var fontProvider = new XMLWorkerFontProvider(XMLWorkerFontProvider.DONTLOOKFORFONTS);
            fontProvider.Register(fontFile);
            var cssAppliers = new CssAppliersImpl(fontProvider);
            var htmlContext = new HtmlPipelineContext(cssAppliers);
            htmlContext.SetTagFactory(Tags.GetHtmlTagProcessorFactory());

            var pdf = new PdfWriterPipeline(document, writer);
            var html = new HtmlPipeline(htmlContext, pdf);
            var css = new CssResolverPipeline(cssResolver, html);


            var worker = new XMLWorker(css, true);
            var p = new XMLParser(worker);

            using (var ms = new System.IO.MemoryStream(System.Text.Encoding.UTF8.GetBytes(htmlText))) {
                using (var sr = new StreamReader(ms)) {
                    p.Parse(sr);
                }
            }

            document.Close();
        }
    }
}

Хитрость в этом заключается в том, чтобы получить точное название шрифта в вашем HTML, как оно есть в файле шрифта. Что иногда сбивает с толку, так это то, что шрифты могут иметь несколько имен внутри. И чем старше шрифт, тем более вероятно, что он будет иметь эти. Если я правильно помню, у iText есть некоторая эвристика для определения имени шрифта, но если вы хотите воспроизвести его безопасно, вы также можете просто использовать псевдоним и называть его как хотите. Например, вы можете изменить HTML-код на:

var htmlText = @"<div dir=""rtl"" style=""font-family: Gerp;"">שלום עולם</div>";

И все будет работать нормально, пока вы будете использовать псевдоним при регистрации:

fontProvider.Register(fontFile, "Gerp");