iTextSharp i CP1250

Witam serdecznie, mam następujący problem, chcę wczytać plik html wygenerowany w wordzie (filtered html) i przekonwertować go na PDF. uzywam w tym celu itextsharp, jednak nie mogę uzyskać polskich czcionek. Poniżej zamieszczam kawałek kodu :
Proszę o pomoc bo czas mnie nagli a pomysły powoli się kończą.

Document pdf = new Document();
            PdfWriter writer = PdfWriter.GetInstance(pdf, new FileStream(filepath, FileMode.OpenOrCreate));
            BaseFont baseFont = BaseFont.CreateFont("c:\\Windows\\Fonts\\Arial.ttf", BaseFont.CP1250, BaseFont.EMBEDDED);
            iTextSharp.text.html.simpleparser.StyleSheet css = new iTextSharp.text.html.simpleparser.StyleSheet();
              
            pdf.Open();
            writer.DirectContent.SetFontAndSize(baseFont, 12);

            ArrayList list = iTextSharp.text.html.simpleparser.HTMLWorker.ParseToList(new StreamReader("plik.html", Encoding.GetEncoding("windows-1250")), null);
            
            for (int i = 0; i < list.Count; i++)
            {
                pdf.Add((IElement)list[i]);
            }

            pdf.Close();    

Encoding.GetEncoding("windows-1250")

Jesteś pewien co do tego kodowania? Najczęściej chyba stosowanym kodowaniem jest UTF-8, możliwe też (jeśli ustawienia niesprecyzowane) ASCII.

PS. Czemu korzystasz z archaicznej klasy ArrayList? :| Czemu nie korzystasz z foreach? :|

A dlaczego ma używać foreach?
For jest szybszy i uniwersalniejszy.

Niestety przy UTF-8 plik PDF jest niepoprawny (pusty lub acrobat mówi że uszkodzony) iso-8859-2 nie ma polskich znaków tylko jakieś krzaki, podobnie Unicode(to wszystko w GetEncoding).

A dlaczego ma używać foreach?
For jest szybszy i uniwersalniejszy.

Od czegoś w końcu jest, a z tym 'szybszy' to takie różnice można sobie podarować. Wyjątkiem są miejsca gdzie szbykość jest newralgiczna (np. gry) ale to nie w "zwykłych" aplikacjach...

A ten plik.html ma zdefiniowaną w kodzie html jakieś kodowanie? (np. encoding="utf"). Sprawdź może też czy na pewno zapisujesz go zgodnie z tym kodowaniem.

Co to za klasa PdfWriter? Jest w standardowej bibliotece?

Czemu używasz Encoding.GetEncoding? Sporo encodingów można dostać przez Encoding.cośtam (np .ASCII, .UTF8, .Unicode, wtc).

Gdyby tym forem chciał zyskać na wydajności to by nie używał dostępu do właściwości za każdym przejściem, które i tak tę różnicę w jakiś sposób zniweluje.

Panie i Panowie, kwestia 3 milisekund w te czy wewte nie jest tak istotna w tym przypadku, Encodings.ASCII daje znaki zapytania, UTF'y powodują że wynikowy PDF nie jest rozpoznwany jako prawidłowy plik tego formatu, iso-8859-2 też nic nie daje. Zastanawiam się gdzie jest problem...

Jeszcze miałem 2 pytania na które nie odpowiedziałeś :]

A ten plik.html ma zdefiniowaną w kodzie html jakieś kodowanie? (np. encoding="utf"). Sprawdź może też czy na pewno zapisujesz go zgodnie z tym kodowaniem.

Co to za klasa PdfWriter? Jest w standardowej bibliotece? [a jeśli nie, to w jakiej?]

to ważne, bo bez tego ciężko się domyślić o co chodzi. Tzn. z reguły w takich wypadkach nawala kodowanie.
I jeszcze jedno - skoro już nie wiem co to za PdfWriter to pobawię się we wróżkę - często takie klasy 'writery' wymagają osobnego podania kodowania (co jest dość logiczne skoro muszą coś zapisywać w jakimś kodowaniu) - poszukaj przeciążonego konstruktora albo właściwości obrazującej kodowanie. Albo po prostu powiedz co to za PdfWriter to sam sprawdzę w dokumetacji ;).

PdfWriter pochodzi z iTextSharp i jest 'niskopoziomowym' obiektem odpowiedzialnym za tworzenie wynikowego pdf'a na podstawie innych obiekcikow reprezentujacych strony, paragrafy, tabele (..). iTextSharpa dosc smiesznie sie uzywa, wystarczy stworzyc writera zwiaanego z pdfdocument i .. zapomniec o nim, uzywany jest automatycznie -- no, chyba ze chcesz recznie jakies np. linie po x/y rysowac na stronie.

Wracajac do tematu: kopac Ci pdfa przy tej bibliotece moze wiele rzeczy! przede wszystkim: jaki masz system operacyjny, jaki jest podstawowy jezyk systemowy, jakiego masz acrobata, jaka wersja jezykowa acrobata? pytam, gdyz na winXP-pl z acrobatem pl/en nie mialem absolutnie nigdy zadnych problemow przy cp1250, ale juz na przyklad na vista/en+acrobat/en za cholere jasna nie da sie poprawnego dokumentu wygenerowac.. acrobat tam zawsze widzi krzaki zamiast polskich znakow.. niestety jak walczylem z tym circa 6mies temu, to nie wpadlem na to, zeby 'uszkodzone' pdfy sprobowac obejrzec na innym kompie. strzelam, ze to jest byla wina czcionek systemowych a nie biblioteki czy acrobata

For jest szybszy i uniwersalniejszy.

A sprawdzałeś, czy mit powielasz? Robiłem pomiar nie raz i za każdym razem foreach wychodził szybszy od fora.

w ktorym .net? dla tablic powinien byc dokladnie tak samo szybki, tak przynajmniej twierdza na blogach msdn (tzn. ze od 2.0 czy 3.0 kompialtor tak samo optymalizuej for i foreach dla Array). natomiast dla kontenerow, jakim tez jest arraylist -- foreach musi byc wolniejszy z definicji, bo korzysta z getenumerator..

Azarien napisał(a)

For jest szybszy i uniwersalniejszy.

A sprawdzałeś, czy mit powielasz? Robiłem pomiar nie raz i za każdym razem foreach wychodził szybszy od fora.

Nie powielam mitu, jakbym nie znalazł jakiegoś potwierdzenia na to, to bym nic nie pisał.
Być może źle używałeś for-a odwołując się za każdym razem do Count listy

http://www.codeproject.com/KB/cs/foreach.aspx

Chodziło mi głównie o to na początku tematu zarzucono autorowi nie używanie foreach. Przecież nie ma nakazu używania foreach i używanie fora żadnym błędem NIE jest. Nie wiem skąd to przeświadczenie. Akurat dla mnie for jest bardziej czytelny, sam nie używam foreach tylko for.

czytajac ten artykul radze zwrocic uwage, iz pochodzi z 2004.
obecny kompilator ----sądzę---- że został poprawiony pod tym kątem, ponieważ czytalem nie dalej jak pol roku temu artykul dotyczacy zmian w cs3.0 albo 3.5 (khem albo 4.0) gdzie wyraznie opowiadali, ze (w koncu) poprawili optymalizacje foreacha i teraz jest tak samo (roz)budowana jak analiza for'a.. szkoda ze link zostal na starym kompie :|

Bez komentarza z tymi Waszymi pętlami.

Co do tematu - w poprzedniej pracy generowałem jakieś PDFy, też mi ginęły polskie diakrytyki i problem leżał w tym, że biblioteka po prostu obsługiwała je tylko w niektórych czcionkach, pamiętam że w końcu udało mi się Tahomą.