nokogiri + ruby-rtf.rb

require 'nokogiri'
require 'rtf'

# ampliamos RTF::Node con métodos para parsear HTML
# tiene que hacerse añadiendo métodos a la clase existente
# porque cuando ahcemos node.apply(..){|n| } el objeto n
# (que puede ser cualquier subclase de RTF::Node) tiene que tenerlo

class RTF::Node

  # los estilos disponibles
  # ¿debería ser una constante?
  def styles
    return @styles if @styles
    @styles = {}
    @styles['STRONG'] = RTF::CharacterStyle.new
    @styles['STRONG'].bold      = true  
    
    @styles['H2'] = RTF::CharacterStyle.new
    @styles['H2'].bold        = false
    @styles['H2'].font_size   = 30  

    @styles['EM'] = RTF::CharacterStyle.new
    @styles['EM'].italic      = true  
    
    @styles
  end

  # añade un nodo HTML al documento
  def add_html_node(html_node)
    
    case html_node.name
      when "h2"
        self.line_break
        self.apply(self.styles["H2"]) do |n|
          n.add_children(html_node)
        end
        self.line_break
      
      when "br"
        self.line_break  
      when "p"
        self.line_break
        add_children(html_node)
      when "strong"
        self.apply(self.styles["STRONG"]) do |n|
          n.add_children(html_node)
        end    
      when "em"
        self.apply(self.styles["EM"]) do |n|
          n.add_children(html_node)
        end    
      when "img"
        self << rtf_image(html_node)
      when "style"
        # un ejemplo: si hay un tag que en HTML es invisible, simplemente ignoramos
        # su contenido
      else
        # ignoramos los tags que no sabemos que son, simplemente añadimos
        # sus sub-elementos
        add_children(html_node)
    end
  end
  
  # si el nodo tiene hijos itera sobre ellos y los añade al documento
  # si no tiene hijos, añade el contenido en si
  def add_children(html_node)
    
    if html_node.children.any?
      html_node.children.each{|n| self.add_html_node(n) }
    else
      self << html_node.to_s
    end
  end
  
end

class HTMLGenerator < RTF::Document

  def initialize()
    fonts = [RTF::Font.new(RTF::Font::ROMAN, 'Times New Roman'),
             RTF::Font.new(RTF::Font::MODERN, 'Courier'),
             RTF::Font.new(RTF::Font::MODERN, 'Helvetica')]
    
    style_doc = RTF::DocumentStyle.new
    style_doc.bottom_margin = 1250#1440
    style_doc.top_margin    = 1100#1440
    style_doc.right_margin  = 900#1800
    style_doc.left_margin   = 900#1800  
    
    super(fonts, style_doc)
  end
  
end

html_doc = Nokogiri::HTML::Document.parse("
  <h2>Hola</h2>
  Buenos Dias
  <p>Tenga <strong>Usted <em>Hoy</em> y el dia siguiente</strong> </p>
  <br><br>Ups
")

rtf_document = HTMLGenerator.new() # sería el documento
rtf_document.add_html_node(html_doc)

File.open("my_document.rtf",'w') {|file| file << rtf_document.to_rtf}