《使用PHP解析和处理HTML/XML以生成PDF文件的示例》

在Web开发中，将动态生成的HTML/XML内容转换为PDF文件是一项常见需求，例如生成报表、发票或文档存档。PHP作为流行的服务器端语言，提供了多种工具和库来实现这一功能。本文将通过完整的示例，介绍如何使用PHP解析HTML/XML内容，并结合TCPDF或Dompdf等库生成结构化的PDF文件，同时涵盖错误处理、样式控制及性能优化等关键点。

一、技术选型与工具准备

生成PDF的核心步骤包括解析HTML/XML、处理数据结构，以及调用PDF生成库。以下是常用的PHP库组合：

• 解析库：DOMDocument（PHP内置）、SimpleXML（XML专用）
• PDF生成库：TCPDF（功能强大）、Dompdf（HTML转PDF简单）、mPDF（支持中文）

本文以TCPDF和DOMDocument为例，演示完整流程。首先通过Composer安装TCPDF（若未使用Composer，可手动下载库文件）：

composer require tecnickcom/tcpdf

二、解析HTML/XML内容

假设需要从HTML片段中提取标题和表格数据，或从XML中读取结构化信息（如订单详情），以下是解析示例：

1. 解析HTML

使用DOMDocument加载HTML字符串，并通过XPath或直接访问节点获取数据：

$html = '

销售报告

产品A
100

';
$dom = new DOMDocument();
@$dom->loadHTML($html); // 抑制HTML解析警告
$title = $dom->getElementsByTagName('h1')[0]->nodeValue;
$tableRows = $dom->getElementsByTagName('tr');
$data = [];
foreach ($tableRows as $row) {
    $cols = $row->getElementsByTagName('td');
    $data[] = [
        'product' => $cols[0]->nodeValue,
        'quantity' => $cols[1]->nodeValue
    ];
}

2. 解析XML

对于XML数据（如API返回的订单信息），使用SimpleXML更简洁：

$xml = '

    ORD123
    
        笔记本15.5
    
';
$order = simplexml_load_string($xml);
$orderId = (string)$order->id;
$items = [];
foreach ($order->items->item as $item) {
    $items[] = [
        'name' => (string)$item->name,
        'price' => (float)$item->price
    ];
}

三、生成PDF文件

解析数据后，需将其格式化为PDF。TCPDF支持直接写入文本、表格及HTML片段，以下是详细步骤：

1. 初始化TCPDF

require_once 'vendor/autoload.php';
use TCPDF;

$pdf = new TCPDF('P', 'mm', 'A4', true, 'UTF-8', false);
$pdf->SetCreator('MyPDFGenerator');
$pdf->SetAuthor('Your Name');
$pdf->SetTitle('Generated PDF');
$pdf->AddPage();

2. 添加标题和表格

将解析的数据动态填充到PDF中：

// 添加标题
$pdf->SetFont('stsongstdlight', '', 18);
$pdf->Cell(0, 10, $title, 0, 1, 'C');

// 添加表格
$pdf->SetFont('stsongstdlight', '', 12);
$pdf->Cell(40, 10, '产品', 1);
$pdf->Cell(40, 10, '数量', 1);
$pdf->Ln();

foreach ($data as $row) {
    $pdf->Cell(40, 10, $row['product'], 1);
    $pdf->Cell(40, 10, $row['quantity'], 1);
    $pdf->Ln();
}

3. 输出PDF

支持直接下载或保存到服务器：

// 输出到浏览器
$pdf->Output('report.pdf', 'I');

// 保存到服务器
$pdf->Output('/path/to/save/report.pdf', 'F');

四、完整示例：从HTML到PDF

结合上述步骤，以下是一个完整示例，将包含标题和表格的HTML转换为PDF：

require_once 'vendor/autoload.php';
use TCPDF;

// 模拟HTML输入
$htmlInput = '

    
季度销售报告
    

        

产品
销量

        

手机
200

        

耳机
150

    
';

// 解析HTML
$dom = new DOMDocument();
@$dom->loadHTML($htmlInput);
$title = $dom->getElementsByTagName('h1')[0]->nodeValue;
$rows = $dom->getElementsByTagName('tr');

// 初始化PDF
$pdf = new TCPDF('P', 'mm', 'A4', true, 'UTF-8', false);
$pdf->AddPage();
$pdf->SetFont('stsongstdlight', '', 16);
$pdf->Cell(0, 10, $title, 0, 1, 'C');

// 写入表格
$pdf->SetFont('stsongstdlight', '', 12);
$headerWritten = false;
foreach ($rows as $row) {
    $cols = $row->getElementsByTagName('td');
    if (!$headerWritten && $cols->length === 0) {
        // 处理表头（假设第一个tr是表头）
        $headers = $row->getElementsByTagName('th');
        foreach ($headers as $header) {
            $pdf->Cell(90, 10, $header->nodeValue, 1);
        }
        $pdf->Ln();
        $headerWritten = true;
    } elseif ($cols->length > 0) {
        foreach ($cols as $col) {
            $pdf->Cell(90, 10, $col->nodeValue, 1);
        }
        $pdf->Ln();
    }
}

// 输出PDF
$pdf->Output('sales_report.pdf', 'I');

五、高级功能与优化

1. 使用Dompdf简化HTML转PDF

Dompdf更适合直接转换HTML（含CSS），安装后仅需几行代码：

require_once 'vendor/autoload.php';
use Dompdf\Dompdf;

$dompdf = new Dompdf();
$html = '
标题
';
$dompdf->loadHtml($html);
$dompdf->setPaper('A4', 'portrait');
$dompdf->render();
$dompdf->stream('document.pdf');

2. 中文支持与字体设置

TCPDF需加载中文字体文件（如simsun.ttf），并在代码中指定：

$pdf->setFontSubsetting(true);
$pdf->AddFont('simsun', '', 'simsun.ttf', true);
$pdf->SetFont('simsun', '', 14);

3. 性能优化

• 缓存解析后的数据，避免重复处理
• 对于大数据量表格，分页显示（TCPDF的checkPageBreak()方法）
• 使用内存限制调整（ini_set('memory_limit', '512M');）

六、错误处理与调试

常见问题包括HTML解析失败、字体缺失或PDF生成超时。建议：

• 使用try-catch捕获异常
• 验证HTML/XML结构（如libxml_get_last_error()）
• 在开发环境启用TCPDF的调试模式

try {
    $pdf->Output(...);
} catch (Exception $e) {
    die('PDF生成失败: ' . $e->getMessage());
}

七、总结与扩展应用

本文通过TCPDF和DOMDocument的组合，展示了PHP从解析HTML/XML到生成PDF的完整流程。实际应用中，可结合以下场景扩展：

• 从数据库动态生成报表
• 集成到CMS或ERP系统中生成文档
• 添加水印、页眉页脚等高级格式

关键词：PHP、HTML解析、XML解析、TCPDF、Dompdf、PDF生成、动态报表、中文字体、性能优化

简介：本文详细介绍了使用PHP解析HTML/XML内容并生成PDF文件的完整方法，涵盖DOMDocument和SimpleXML的解析技巧、TCPDF与Dompdf的PDF生成库使用、中文支持、错误处理及性能优化，适合需要动态生成文档的Web开发者。