JiriUhlirandClaude Opus 5
156289fe2d
Sluzba prijme adresu HTML dokumentu nebo HTML v tele requestu a vrati PDF. Navrzena pro dokumenty o stovkach az tisicich stranek. Rendering: - WeasyPrint jako vychozi engine, spravne CSS Paged Media, nizka pametova narocnost, bez JavaScriptu - Chromium pres Playwright pro dokumenty dokreslovane skripty - rezim auto s detekci skriptu a fallbackem pri selhani WeasyPrintu Velke dokumenty: - deleni na casti na strukturalnich hranicich, rez nikdy uvnitr tabulky nebo odstavce - dvoupruchodovy render obsahu se skutecnymi cisly stranek, pozice nadpisu se ctou z kotev hlasenych u kazde stranky - cislovani stranek bud pres CSS countery, nebo pres cislovaci vrstvu nastampovanou na hotove PDF, rozmer stranky se cte z vysledneho souboru - Chromium se restartuje po N jobech, nikdy vsak behem beziciho renderu API: - POST /convert synchronne, POST /jobs asynchronne se sledovanim stavu, stahovanim vysledku, rusenim a volitelnym callbackem - GET /health s overenim dostupnosti obou enginu a stavem fronty - OpenAPI respektuje prefix reverse proxy pres root_path Bezpecnost a provoz: - SSRF kontrola po DNS resolvu, na kazdem presmerovani a u vsech pozadavku prohlizece - nedostupne assety render nezastavi, ale hlasi se v odpovedi i v logu - fronta s omezenym poctem workeru, rozpracovane joby se pri ukonceni oznaci jako failed, nezmizi potichu - strukturovane JSON logovani s job_id - vsechny limity vypnute ve vychozim stavu Dockerfile je dvoufazovy, obsahuje zavislosti WeasyPrintu, Chromium a fonty s ceskou diakritikou. Autentizace zamerne neni implementovana, zpusob predavani neni domluveny. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
1.9 KiB
1.9 KiB
Dokumentace sluzby html-to-pdf
Sluzba prevadi HTML dokument na PDF. Prijme adresu dokumentu nebo HTML primo v tele requestu a vrati soubor PDF. Zvlada dokumenty o tisicich stranek.
Obsah dokumentace
- api.md popis endpointu a tel requestu
- architektura.md jak sluzba funguje uvnitr
- konfigurace.md environment variables
- provoz.md nasazeni, Docker, znama omezeni
- zmeny.md zaznam zmen
Aktualni stav
Verze 1.0.0, stav development.
Hotovo:
- synchronni endpoint POST /convert
- asynchronni endpoint POST /jobs se sledovanim stavu a stahovanim vysledku
- dva render enginy, weasyprint a chromium, plus rezim auto
- chunkovani velkych dokumentu a slucovani vysledku
- dvoupruchodovy render obsahu se skutecnymi cisly stranek
- cislovani stranek pres CSS countery nebo pres cislovaci vrstvu
- SSRF ochrana s kontrolou po DNS resolvu a na kazdem presmerovani
- hlaseni nedostupnych assetu v odpovedi jobu
- fronta s omezenym poctem paralelnich workeru
- volitelny callback po dokonceni jobu
- strukturovane JSON logovani s job_id
Neni hotovo a neni ani v zadani:
- autentizace. Sluzba je bez overovani, pristup resi reverse proxy. Pokud ma byt chranena, je potreba se domluvit na zpusobu, typicky hlavicka X-Api-Key. Do te doby zadna neni.
- trvala fronta. Restart sluzby znamena ztratu rozpracovanych jobu, ty se oznaci jako failed s duvodem service_restarted.
Rychly priklad
curl -X POST https://services.csbot.cz/apps/html-to-pdf/convert \
-H "Content-Type: application/json" \
-d '{"source": {"url": "https://example.com/dokument.html"}}' \
--output dokument.pdf
Pro velky dokument se pouziva asynchronni cesta:
curl -X POST https://services.csbot.cz/apps/html-to-pdf/jobs \
-H "Content-Type: application/json" \
-d '{"source": {"url": "https://example.com/velky.html"}, "toc": {"enabled": true}}'