Darmowy konwerter online WEBARCHIVE do HTML

Niektóre edytory, serwery internetowe, przeglądarki i systemy dokumentów akceptują zwykły plik .html, ale nie kontener Safari .webarchive. Konwersja wyodrębnia użyteczną stronę do edycji, publikowania, sprawdzania lub udostępniania bez Safari.

Czym jest format WEBARCHIVE

.webarchive to format Safari Web Archive firmy Apple, zwykle tworzony w systemie macOS za pomocą polecenia File → Save As po wybraniu opcji Web Archive. Zazwyczaj jest to binarny lub XML-owy kontener property list, a nie zwykły dokument HTML.

Archiwum może zawierać główny zasób HTML, obrazy, CSS, JavaScript, czcionki, adresy URL, typy MIME i inne metadane. Safari oraz niektóre programy oparte na WebKit wykorzystują te zasoby do ponownego otwierania zapisanej strony w trybie offline. Format ten najczęściej występuje w zapisach Safari, kopiach zapasowych komputerów Mac, archiwach badawczych i starszych kolekcjach stron internetowych do użytku offline.

Czym jest format HTML

.html to standardowy format znaczników stron internetowych. Przeglądarki renderują jego elementy, odnośniki, style i skrypty, a edytory kodu, systemy publikowania, serwery internetowe, narzędzia indeksujące i systemy kontroli wersji mogą przetwarzać ten plik jako tekst.

HTML zwykle odnosi się wyłącznie do struktury dokumentu. Obrazy, arkusze stylów, skrypty i czcionki są zazwyczaj oddzielnymi plikami wskazywanymi przez adresy URL lub ścieżki względne, dlatego wyodrębnienie głównego zasobu HTML nie musi utworzyć kompletnej kopii zarchiwizowanej strony do użytku offline.

Konwersja w serwisie 101convert.com

1. Otwórz konwerter WEBARCHIVE-to-HTML w serwisie 101convert.com.
2. Wybierz plik .webarchive za pomocą selektora plików lub przeciągnij go do obszaru przesyłania.
3. Wybierz HTML jako format wyjściowy, jeśli nie został wybrany automatycznie.
4. Rozpocznij konwersję i pobierz wynikowy plik .html.
5. Otwórz plik w przeglądarce i sprawdź jego tekst, kodowanie, obrazy, style, odnośniki i skrypty przed opublikowaniem lub edycją.

Metoda online nie wymaga instalowania oprogramowania. Nie przesyłaj archiwów zawierających poufne strony, dane osobowe, prywatne adresy URL ani treści związane z uwierzytelnianiem, chyba że zasady przetwarzania i przechowywania danych przez usługę są dla Ciebie akceptowalne.

Eksport za pomocą Safari w systemie macOS

1. Otwórz archiwum w Safari.
2. Wybierz File → Save As.
3. Wybierz Page Source lub opcję związaną z HTML, jeśli dana wersja Safari ją udostępnia.
4. Zapisz wynik z rozszerzeniem .html.

Opcje zapisu w Safari różnią się w zależności od wersji. Niektóre wersje udostępniają wyłącznie opcję Web Archive, a eksport HTML może zawierać tylko kod źródłowy strony, bez zarchiwizowanych obrazów, arkuszy stylów, czcionek i skryptów. Jeśli Safari nie oferuje opcji HTML, użyj konwertera online lub lokalnej metody wyodrębniania.

Wyodrębnianie głównego zasobu za pomocą Python

Moduł plistlib z biblioteki standardowej Python 3 może odczytywać wiele plików WEBARCHIVE w formacie XML i binarnym. Ta metoda zapisuje wyłącznie główny zasób archiwum:

import plistlib
import sys
from pathlib import Path

if len(sys.argv) != 3:
    raise SystemExit("Usage: python extract_webarchive.py input.webarchive output.html")

with Path(sys.argv[1]).open("rb") as file:
    archive = plistlib.load(file)

main = archive["WebMainResource"]
data = main["WebResourceData"]
if not isinstance(data, bytes):
    raise TypeError("WebResourceData is not binary data")

Path(sys.argv[2]).write_bytes(data)

Zapisz kod jako extract_webarchive.py, a następnie uruchom go w Terminalu, wierszu polecenia lub PowerShell:

python3 extract_webarchive.py "saved-page.webarchive" "saved-page.html"

W systemie Windows poleceniem może być python zamiast python3. Wynikiem jest zwykle główny zasób HTML. Jeśli wynik nie jest czytelnym kodem HTML, sprawdź WebResourceMIMEType archiwum; głównym zasobem może być również obraz, plik PDF lub inny typ zawartości.

Ograniczenia jakości i zgodności

• Samo wyodrębnienie WebMainResource nie powoduje wyodrębnienia zasobów wymienionych w WebSubresources. W rezultacie mogą brakować obrazów, CSS, czcionek i skryptów.
• HTML może zachować absolutne adresy URL do oryginalnej strony internetowej. Takie zasoby mogą zniknąć po zmianie witryny, po przejściu komputera w tryb offline lub gdy serwer zablokuje żądania między źródłami.
• Kompletne odtworzenie offline wymaga wyodrębnienia zasobów podrzędnych, przypisania im lokalnych nazw plików i przepisania odwołań w HTML. Wymagane ścieżki i metadane zasobów nie są identyczne w każdym pliku WEBARCHIVE.
• Zapisany główny zasób może być oryginalnym kodem źródłowym dokumentu, a nie końcowym DOM wygenerowanym przez JavaScript. Treści dodane po załadowaniu strony mogą nie pojawić się w wyodrębnionym HTML.
• Funkcje interaktywne zależne od plików cookie, pamięci lokalnej, uwierzytelniania, żądań po stronie serwera, interfejsów API przeglądarki, wtyczek lub usług zewnętrznych mogą nie działać po konwersji.
• Kodowanie znaków może zmienić się podczas eksportu. Przed edycją lub publikowaniem sprawdź teksty w alfabetach innych niż łaciński oraz zadeklarowany charset dokumentu.
• Konwersja zmienia format kontenera, nie zachowuje wszystkich pól metadanych właściwych dla Safari i nie gwarantuje renderowania identycznego co do piksela.