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>
70 lines
1.9 KiB
Markdown
70 lines
1.9 KiB
Markdown
# 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
|
|
|
|
```bash
|
|
docker build -t html-to-pdf .
|
|
docker run --rm -p 8000:8000 html-to-pdf
|
|
```
|
|
|
|
## Priklad volani
|
|
|
|
Maly dokument synchronne:
|
|
|
|
```bash
|
|
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:
|
|
|
|
```bash
|
|
# 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](documentation/README.md):
|
|
|
|
- [api.md](documentation/api.md) endpointy a telo requestu
|
|
- [architektura.md](documentation/architektura.md) jak sluzba funguje uvnitr
|
|
- [konfigurace.md](documentation/konfigurace.md) environment variables
|
|
- [provoz.md](documentation/provoz.md) nasazeni a znama omezeni
|
|
- [zmeny.md](documentation/zmeny.md) zaznam zmen
|
|
|
|
Interaktivni dokumentace API je na `/docs`.
|