Convert tài liệu trên 123docx

Convert tài liệu trên 123doc

Convert tài liệu trên

123doc.vn

Những vấn đề gặp phải và giải pháp

Giới thiệu 123doc.vn

• Trang chia sẻ tài liệu và sách hàng đầu Việt Nam

• 200k tài liệu đã có trên hệ thống

• Dự kiến đến tháng 4 – 2013 sẽ có 40k đầu sách.

• App Android & IOS đọc sách riêng

Yêu cầu kết quả

• Đầu vào: File tài liệu định dạng phổ biến: doc, docx, ppt, pptx

• Đầu ra:

• Định dạng html

• Giữ nguyên được form so với tài liệu gốc

• Cỡ chữ, màu chữ, font chữ

• Căn lề

• Hình ảnh, bảng biểu, …

Bước đầu

• Giải pháp

• Doc, docx, ppt, pptx -> html qua OpenOffice

• PDF -> html dùng thư viện XPDF (Nguồn mở viết bằng C)

• Vấn đề

• Mất hết cấu trúc html vì OpenOffice convert ra html dạng rất đơn giản

Tiếp theo

• Giải pháp

• Doc, docx, … -> PDF

• Tất cả từ PDF -> HTML

• Vấn đề

• Font chữ hầu như là sai hết

• Bắt đầu nghiên cứu về font chữ

• Font chữ trong PDF đều là font nhúng (embeded subset)

-> Phải tách được riêng font chữ từ file pdf và hiển thị được trên trình duyệt

Lấy font trong file pdf

• Dùng các chương trình sẵn có

Vấn đề: Không hiển thị được font đó trên HTML

 Font Forge

Quản lý bộ nhớ, thời gian timeout và convert nhiều tài liệu tại một thời điểm

• Vấn đề:

• Convert bị đứng dẫn đến nghẽn hệ thống không convert được

• Trong quá trình convert -> Memory leak -> Server die

• Convert được nhiều tài liệu cùng một lúc để giảm thời gian đợi của user

• Giải pháp

• Dùng service Service có khả năng

• Đón nhận id của các tài liệu gửi đến

• Phân chia công việc, gọi đồng thời convert

• Quản lý thời gian timeout

• Quản lý memory

Quản lý bộ nhớ, thời gian timeout và convert nhiều tài liệu tại một thời điểm

• Quản lý thời gian timeout & bộ nhớ sử dụng chức năng sẵn có của

nhân Linux

• ps -ao pid,etime,cmd | grep convert_to_html.php

14062 00:10 convert_to_html.php

• ps -ao pid,rss | grep convert_to_html.php

14062 160000

• Convert đồng thời

• 3s service sẽ kiểm tra số lượng convert đang chạy: Nếu thiếu -> bù

Mô hình

PDF

• Doc, docx