Как превратить HTML и XML в качественный PDF-документ

Для быстрой конвертации HTML в PDF достаточно функции «Печать» в браузере или сохранения страницы через Ctrl+P. Для XML требуется предварительная трансформация в HTML или XSL-FO с помощью XSLT-шаблонов. Выбор инструмента зависит от цели: для разовой печати подойдет браузер, для автоматизации — wkhtmltopdf или WeasyPrint, а для сложных отчетов из XML и типографской верстки — PrinceXML или Apache FOP.

PDF остается стандартом для фиксации макета документа. Однако путь к идеальному файлу различается для веб-страниц (HTML) и структурированных данных (XML). Ниже разобраны рабочие методы, инструменты и подводные камни для обоих сценариев.

Конвертация HTML в PDF: от браузера до сервера

HTML-документы легко переносятся в PDF, так как браузеры изначально умеют их отображать. Главная задача здесь — сохранить верстку при переходе от экрана к листу бумаги.

1. Браузерная печать (Самый быстрый способ)

Подходит для разовых задач, сохранения статей или билетов.

• Как сделать: Откройте страницу → Нажмите Ctrl+P (Windows/Linux) или Cmd+P (macOS) → Выберите «Сохранить как PDF».
• Плюсы: Не нужно устанавливать ПО, видно результат сразу.
• Минусы: Нельзя автоматизировать, качество зависит от движка браузера, часто теряются фоновые изображения.

2. Специализированные библиотеки и утилиты

Используются для массовой генерации документов (счета, акты, сертификаты).

• wkhtmltopdf: Классическое решение на базе движка WebKit. Принимает HTML/CSS и отдает PDF.
  • Нюанс: Проект перешел в режим поддержки, но все еще широко используется. Требует установки X-сервера на Linux-серверах без графического интерфейса.
• WeasyPrint: Современная альтернатива для Python-разработчиков. Отлично поддерживает современные стандарты CSS для печати (@media print).
  • Плюс: Легковесный, не требует тяжелого браузера в фоне.
• PrinceXML: Коммерческий лидер качества. Идеально обрабатывает сложную типографику, разрывы страниц, оглавления и сноски.
  • Применение: Книги, техническая документация, юридические документы.

Конвертация XML в PDF: работа со структурированными данными

XML не имеет визуального представления. Чтобы получить PDF, нужно описать правило превращения данных в макет. Существует два основных подхода.

Подход А: XML → HTML → PDF

Самый понятный для веб-разработчиков путь.

1. Пишется XSLT-шаблон, который превращает XML-данные в HTML-разметку.
2. Полученный HTML обрабатывается любым конвертером из раздела выше (wkhtmltopdf, WeasyPrint, Puppeteer).

Когда использовать: Если вам нужна гибкость CSS и вы уже знаете HTML-верстку.

Подход Б: XML → XSL-FO → PDF (Профессиональный стандарт)

XSL-FO (Extensible Stylesheet Language Formatting Objects) — это язык разметки, созданный специально для печати.

1. XSLT трансформирует XML в XSL-FO.
2. Процессор (например, Apache FOP или RenderX XEP) компилирует FO-файл в PDF.

Преимущества XSL-FO:

• Точный контроль над каждой строкой и пикселем.
• Нативная поддержка повторяющихся колонтитулов, нумерации страниц, сложных таблиц.
• Независимость от браузерных движков и их капризов.

Сравнение инструментов: что выбрать?

Выбор зависит от объема задач и требований к качеству.

Стратегия для архивирования документов

Если PDF создается для долгосрочного хранения (архив бухгалтерии, медицинские карты, юридические акты), требования меняются. Здесь важна не красота, а воспроизводимость и самодостаточность.

1. Встраивание шрифтов: Убедитесь, что все шрифты внедрены в PDF-файл. Если через 5 лет у вас не окажется шрифта Roboto, документ может «поехать» или стать нечитаемым.
2. Отказ от внешних зависимостей: Изображения и стили должны быть внутри файла или ссылаться на надежные внутренние ресурсы, а не на внешние CDN, которые могут исчезнуть.
3. Хранение исходников: Для архива мало хранить только PDF. Сохраняйте связку: Исходный XML/HTML + Шаблон преобразования (XSLT/CSS) + Версия конвертера. Это позволит перегенерировать документ в случае повреждения файла или смены стандартов.
4. Стандарт PDF/A: Для официального архивирования используйте стандарт PDF/A (Archive). Большинство серьезных конвертеров (Prince, FOP, платные версии онлайн-сервисов) поддерживают экспорт в этот формат, который запрещает использование шифрования и внешних зависимостей.

Частые ошибки при конвертации

1. «Слепая» конвертация XML: Попытка скормить XML-файл конвертеру HTML без предварительной трансформации. Результат будет либо пустым, либо содержать только текстовые данные без тегов.
2. Игнорирование разрывов страниц: Таблицы и блоки текста разрываются посередине строки.
   • Решение: Используйте CSS-свойство page-break-inside: avoid; для важных блоков.
3. Проблемы с кодировкой: Кириллица превращается в «кракозябры».
   • Решение: Убедитесь, что исходный файл сохранен в UTF-8, и шрифты поддерживают кириллицу.
4. Зависимость от JavaScript: Использование конвертеров, которые не исполняют JS (например, старые версии wkhtmltopdf), для страниц, где контент подгружается динамически.
   • Решение: Используйте headless-браузеры (Puppeteer, Playwright) для таких случаев.

FAQ

Можно ли конвертировать XML в PDF без программирования? Да, если использовать онлайн-конвертеры, которые поддерживают XSLT. Вы загружаете XML и XSL-шаблон, сервис возвращает PDF. Однако для регулярных задач это небезопасно и неудобно.

Что лучше для счета-фактуры: HTML или XSL-FO? Для счетов-фактур, где важна строгая сетка и соответствие законодательным формам, часто предпочитают XSL-FO (через Apache FOP). Если форма более свободная, проще сверстать HTML-шаблон и использовать WeasyPrint или PrinceXML.

Почему мой PDF весит слишком много? Частая причина — невстроенные, но растровые изображения высокого разрешения или дублирование шрифтов. Оптимизируйте картинки перед вставкой и проверяйте настройки субсетирования шрифтов в конвертере.

Как добавить сквозную нумерацию страниц? В HTML/CSS это делается через @page { @bottom-center { content: counter(page); } }. В XSL-FO используются специальные элементы <fo:page-number/> в статическом содержимом страницы.