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
html-to-pdf
Sluzba prevadi HTML dokument na PDF. Prijme adresu dokumentu nebo HTML primo v tele requestu a vrati soubor PDF. Je navrzena pro dokumenty o stovkach az tisicich stranek.
Bezi v AppFactory na https://services.csbot.cz/apps/html-to-pdf.
Jak to funguje
Dva render enginy:
- WeasyPrint je vychozi. Ma spravne CSS Paged Media, tedy countery stranek, opakovane hlavicky tabulek a zalozky. Nizka pametova narocnost. Nespousti JavaScript.
- Chromium pres Playwright zvladne i dokumenty dokreslovane JavaScriptem. Nema pouzitelne countery stranek, cisla se proto dopisuji do hotoveho PDF.
Velke dokumenty se renderuji po castech a vysledky se slucuji. Cisla stranek a obsah se dopocitavaji dvoupruchodovym renderem, aby po slouceni sedely.
Spusteni
docker build -t html-to-pdf .
docker run --rm -p 8000:8000 html-to-pdf
Priklad volani
Maly dokument synchronne:
curl -X POST http://localhost:8000/convert \
-H "Content-Type: application/json" \
-d '{"source": {"url": "https://example.com/dokument.html"}}' \
--output dokument.pdf
Velky dokument asynchronne:
# zarazeni do fronty
curl -X POST http://localhost:8000/jobs \
-H "Content-Type: application/json" \
-d '{
"source": {"url": "https://example.com/velky.html"},
"page_numbers": {"enabled": true},
"toc": {"enabled": true}
}'
# stav
curl http://localhost:8000/jobs/<job_id>
# stazeni
curl http://localhost:8000/jobs/<job_id>/result --output velky.pdf
Dokumentace
Podrobnosti jsou ve slozce documentation:
- api.md endpointy a telo requestu
- architektura.md jak sluzba funguje uvnitr
- konfigurace.md environment variables
- provoz.md nasazeni a znama omezeni
- zmeny.md zaznam zmen
Interaktivni dokumentace API je na /docs.