把 200 多份英语真题做成在线题库：PDF 结构化、选中查词与内容站性能实践

做英语真题类工具的人应该都有同感：前端交互其实不难，真正消耗时间的是内容——把网上流传的扫描版 PDF 试卷，变成可以点击、查词、批注的结构化数据。这篇记录一下我们在做这个产品过程中踩过的坑和最终的技术方案，涉及 PDF 结构化、浏览器选中取词、以及一个内容型站点在 Python 技术栈下的性能调优。