如果 HTML 具有以下日语字符,则在 Java 程序中出现以下错误。
ファミリーコンパクト 270ml ●植物成分使用●型番:コンパクト●容量(mL):270●しつこい油汚れをスッキリ落とします。
使用org.w3c.tidy.Tidy解析 HTML,然后使用org.xhtmlrenderer.pdf.ITextRenderer生成 PDF。
错误:
ERROR: 'The content of elements must consist of well-formed character data or markup.'
Exception in thread "main" org.xhtmlrenderer.util.XRRuntimeException: Can't load the XML resource (using TRaX transformer). org.xml.sax.SAXParseException; lineNumber: 187; columnNumber: 65; The content of elements must consist of well-formed character data or markup.
at org.xhtmlrenderer.resource.XMLResource$XMLResourceBuilder.createXMLResource(XMLResource.java:191)
at org.xhtmlrenderer.resource.XMLResource.load(XMLResource.java:71)
at org.xhtmlrenderer.swing.NaiveUserAgent.getXMLResource(NaiveUserAgent.java:211)
at org.xhtmlrenderer.pdf.ITextRenderer.loadDocument(ITextRenderer.java:134)
at org.xhtmlrenderer.pdf.ITextRenderer.setDocument(ITextRenderer.java:149)
at me.preekmr.Main.convertHTMLToPDF(Main.java:66)
at me.preekmr.Main.main(Main.java:27)
Caused by: javax.xml.transform.TransformerException: org.xml.sax.SAXParseException; lineNumber: 187; columnNumber: 65; The content of elements must consist of well-formed character data or markup.
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(TransformerImpl.java:740)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(TransformerImpl.java:343)
at org.xhtmlrenderer.resource.XMLResource$XMLResourceBuilder.createXMLResource(XMLResource.java:189)
... 6 more
Caused by: org.xml.sax.SAXParseException; lineNumber: 187; columnNumber: 65; The content of elements must consist of well-formed character data or markup.
at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.parse(AbstractSAXParser.java:1239)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transformIdentity(TransformerImpl.java:659)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(TransformerImpl.java:728)
... 8 more
Tidy 解析器的输出编码存在问题。
以前,Tidy 解析器使用输入编码作为 UTF-8 读取 HTML,并使用相同的 UTF-8 编码输出。但是org.xml.*渲染器无法解析某些 UTF-8 字符。因此存在解析异常。
现在,在将 Tidy 的输出编码设置为 ASCII 后,它将非ASCII字符转换为实体(字符实体引用),因此可以通过 XML 渲染器正确解析。
tidy.setInputEncoding("UTF-8");
tidy.setOutputEncoding("ASCII");