從大量數據生成大PDF

Question

我從數據庫中讀取數據，從中生成HTML DOM。 數據量巨大，因此它不能同時適應內存，但它可以逐塊提供。

我想使用Flying Saucer將生成的HTML轉換為PDF：

import org.xhtmlrenderer.pdf.ITextRenderer;
import org.dom4j.DocumentFactory;
import org.dom4j.Element;
import org.dom4j.io.DOMWriter;

OutputStream bodyStream = outputMessage.getBody();

ITextRenderer renderer = new ITextRenderer();

DocumentFactory documentFactory = DocumentFactory.getInstance();
DOMWriter domWriter = new DOMWriter();

Element htmlNode = documentFactory.createElement("html");
Document htmlDocument = documentFactory.createDocument(htmlNode);

int currentLine = 1;
int currentPage = 1;

try {
    while (currentLine <= numberOfLines) {
        currentLine += loadDataToDOM(documentFactory, htmlNode, currentLine, CHUNK_SIZE);

        renderer.setDocument(domWriter.write(htmlDocument), null);
        renderer.layout();

        if (currentPage == 1) {
            // For the first page the PDF writer is created:
            renderer.createPDF(bodyStream, false);
        }
        else {
            // Other documents are appended to current PDF writer:
            renderer.writeNextDocument(currentPage);
        }

        currentPage += renderer.getRootBox().getLayer().getPages().size();
    }

    // Finalise the PDF:
    renderer.finishPDF();
}
catch (DocumentException e) {
    throw new IOException(e);
}
catch (org.dom4j.DocumentException e) {
    throw new IOException(e);
}
finally {
    IOUtils.closeQuietly(bodyStream);
}

這種方法的問題在於塊的最后一頁不一定完全填充數據。 有沒有解決方案填補這個空間？ 例如，我可以考慮一種方法，它將檢查最后一頁是否未完全歸檔，然后丟棄它（不寫入PDF），還要找出在該頁面上呈現的數據並在數據庫中currentLine位置（示例中為currentLine ） 。 如果可以發布一個完整的解決方案會很好。

Answer 1

正如我在評論中已經提到的那樣，通過先創建HTML然后將HTML轉換為PDF，您可以通過從數據源創建PDF來浪費內存和處理時間。 你還引入了許多不必要的復雜性。

在您的評論中，您提到了低級功能，例如moveTo()和lineTo() 。 使用繪制每一行和單個單詞的低級操作來繪制表格確實是瘋狂的。

您應該使用PdfPTable類。 ArrayToTable示例是一個非常簡單的POC，其中數據以List<List<String>>的形式出現。 代碼就像這樣簡單：

PdfPTable table = new PdfPTable(8);
table.setWidthPercentage(100);
List<List<String>> dataset = getData();
for (List<String> record : dataset) {
    for (String field : record) {
        table.addCell(field);
    }
}
document.add(table);

當然：您正在談論一個龐大的數據集，在這種情況下，您可能不希望先在內存中構建table ，然后在將表添加到文檔時刷新內存。 在構建表時，您需要添加表的一小部分。 這就是MemoryTests示例中發生的事情。 添加此行：

table.setComplete(false);

您可以一點一點地添加表格（在示例中：每10行）。 當您完成向表格添加單元格后，您應該這樣做：

table.setComplete(true);
document.add(table);

這將添加最后一行。

如果您想要一個包含重復頁眉和/或頁腳的表，請查看此PDF中的表： header_footer_1.pdf

HeaderFooter1和HeaderFooter2示例將向您展示它是如何完成的。

Answer 2

這不是你問的確切問題的答案，所以如果這篇文章沒用，我會刪除它。

由於文檔很大，您可以通過將數據作為LaTeX發布然后通過pdflatex運行來獲得最佳結果。

好處：

• 您需要的LaTeX源很容易發出 - 不比HTML復雜。
• 整個TeX系統旨在生成美麗而龐大的文檔。 LaTeX作為頁面流處理。 頁數對所需的RAM資源基本沒有影響。
• 您將獲得排版語言的全部功能，使您的頁面看起來很棒。 想要花哨的標題？ 位置很好的頁碼？ 章節標題？ 可點擊的目錄等等沒問題。
• LaTeX適用於所有主要操作系統。

缺點：

• LaTeX是本機可執行文件，而不是Java庫。

如果你對此感興趣，我可以充實細節。