Darmowy konwerter online WEBARCHIVE do HTM

Przeglądarka, edytor lub system publikowania może wymagać zwykłego dokumentu HTML zamiast formatu zarchiwizowanej strony Safari. Konwersja pliku tworzy edytowalny dokument .htm, który łatwiej udostępniać, analizować, przechowywać w systemie kontroli wersji lub umieszczać na serwerze internetowym.

Czym jest format WEBARCHIVE

WEBARCHIVE to zapisane archiwum strony internetowej w Apple Safari, zwykle przechowywane jako binarny lub XML-owy plik property-list z rozszerzeniem .webarchive. Safari tworzy je za pomocą polecenia File → Save As → Web Archive.

Archiwum zawiera główny zasób HTML, a także może zawierać CSS, JavaScript, obrazy, czcionki i metadane. Głównym źródłem tych plików są użytkownicy Safari w systemie macOS; można je również znaleźć w starszych procesach archiwizacji i obiegu dokumentów opartych na rozwiązaniach Apple. Plik WEBARCHIVE jest przeznaczony do przeglądania offline w Safari, a nie do bezpośredniej edycji ani zwykłego hostowania w internecie.

Czym jest format HTM

HTM to dokument HTML zapisany z użyciem trzyznakowego rozszerzenia .htm. HTML zawiera znaczniki interpretowane przez przeglądarki, w tym nagłówki, linki, tabele, formularze oraz odwołania do arkuszy stylów, skryptów i obrazów.

.htm i .html oznaczają ten sam format HTML. Przeglądarki, edytory kodu źródłowego, narzędzia do tworzenia stron statycznych i serwery internetowe zazwyczaj otwierają oba rozszerzenia bez oprogramowania właściwego dla Apple. Rozszerzenie .htm jest przydatne, gdy starszy system lub aplikacja wymaga rozszerzeń trzyznakowych.

Jak przekonwertować WEBARCHIVE na HTM

Użycie 101convert.com jest najprostszą metodą, gdy plik nie zawiera poufnych danych:

1. Otwórz konwerter WEBARCHIVE-to-HTM na stronie 101convert.com. Jest dostępny bezpłatnie i nie wymaga instalowania oprogramowania.
2. Prześlij plik .webarchive i wybierz HTM jako format wyjściowy.
3. Rozpocznij konwersję i pobierz wynikowy plik .htm.
4. Otwórz wynik w przeglądarce i edytorze kodu źródłowego. Sprawdź tekst, kodowanie znaków, linki, style, obrazy i skrypty.

Przesłanie pliku do dowolnej usługi online może być niewłaściwe w przypadku treści poufnych lub objętych regulacjami. Jeśli archiwum zawiera prywatne informacje, zamiast tego użyj lokalnego wyodrębniania.

Lokalne wyodrębnianie głównego zasobu HTML

WEBARCHIVE jest kontenerem property-list, dlatego standardowa biblioteka Python 3 może wyodrębnić jego główny zasób HTML w systemach macOS, Linux lub Windows:

import plistlib
import sys
from pathlib import Path

source = Path(sys.argv[1])
target = Path(sys.argv[2])

with source.open('rb') as file:
    archive = plistlib.load(file)

main = archive['WebMainResource']
encoding = main.get('WebResourceTextEncodingName') or 'utf-8'
html = main['WebResourceData'].decode(encoding, errors='replace')
target.write_text(html, encoding='utf-8')

Zapisz ten kod jako extract_webarchive.py i uruchom:

python3 extract_webarchive.py page.webarchive page.htm

Spowoduje to zapisanie głównego dokumentu archiwum jako HTML w kodowaniu UTF-8. Nie eksportuje ani nie aktualizuje odwołań do CSS, obrazów, czcionek ani JavaScript wymienionych w WebSubresources. Aby uzyskać samodzielną kopię offline, potrzebny jest konwerter lub skrypt wyodrębniający, który obsługuje te zasoby.

Ograniczenia jakości i zgodności

Konwersja WEBARCHIVE do jednego pliku HTM nie musi zachować całej strony. Obrazy i arkusze stylów mogą nadal odwoływać się do swoich pierwotnych adresów internetowych, dlatego wynik może wyglądać na niekompletny po otwarciu bez połączenia z internetem. Jeśli archiwum przechowuje zasoby oddzielnie, należy je wyeksportować, a odwołania w HTML powinny wskazywać ich lokalne nazwy plików.

Treści chronionych logowaniem, funkcji działających po stronie serwera, reklam, skryptów właściwych dla przeglądarki ani danych wczytanych po zapisaniu strony przez Safari nie można niezawodnie odtworzyć. JavaScript może również działać inaczej poza Safari.

Sprawdź przekonwertowany dokument w co najmniej dwóch przeglądarkach i przeanalizuj jego kod źródłowy pod kątem prawidłowej deklaracji kodowania znaków, najlepiej <meta charset="utf-8">. Zachowaj oryginalny plik .webarchive do czasu zweryfikowania tekstu, linków i wymaganych zasobów.