Convertitore online gratuito da WEBARCHIVE a HTM

Un browser, un editor o un sistema di pubblicazione può richiedere il normale HTML anziché il formato di pagina archiviata di Safari. La conversione del file produce un documento .htm modificabile, più facile da condividere, esaminare, gestire con il controllo versione o caricare su un web server.

Cos'è il formato WEBARCHIVE

WEBARCHIVE è l'archivio di pagine web salvate da Apple Safari, normalmente memorizzato come file binario o XML di tipo property-list con l'estensione .webarchive. Safari lo crea tramite File → Save As → Web Archive.

L'archivio contiene una risorsa HTML principale e può contenere anche CSS, JavaScript, immagini, font e metadati. Gli utenti di Safari su macOS sono la principale fonte di questi file; si trovano anche in vecchi flussi di lavoro di archiviazione e documentazione basati su Apple. Un WEBARCHIVE è destinato alla visualizzazione offline in Safari, non alla modifica diretta o al normale hosting web.

Cos'è il formato HTM

HTM è un documento HTML salvato con l'estensione a tre lettere .htm. HTML contiene il markup interpretato dai browser, inclusi titoli, link, tabelle, moduli e riferimenti a stylesheet, script e immagini.

.htm e .html rappresentano lo stesso formato HTML. Browser, editor del codice sorgente, strumenti per siti statici e web server generalmente aprono entrambe le estensioni senza software specifici di Apple. L'estensione .htm è utile quando un sistema o un'applicazione meno recenti richiedono estensioni a tre lettere.

Come convertire WEBARCHIVE in HTM

Usare 101convert.com è il metodo più semplice quando il file non è riservato:

1. Apri il convertitore da WEBARCHIVE a HTM su 101convert.com. È disponibile gratuitamente senza installare software.
2. Carica il file .webarchive e seleziona HTM come formato di output.
3. Avvia la conversione e scarica il file .htm risultante.
4. Apri il risultato in un browser e in un editor del codice sorgente. Controlla il testo, la codifica dei caratteri, i link, gli stili, le immagini e gli script.

Il caricamento di un file su qualsiasi servizio online può essere inadatto per contenuti riservati o soggetti a normative. Usa invece l'estrazione locale quando l'archivio contiene informazioni private.

Estrazione locale della risorsa HTML principale

Un WEBARCHIVE è un contenitore property-list, quindi la libreria standard di Python 3 può estrarre la risorsa HTML principale su macOS, Linux o 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')

Salva questo codice come extract_webarchive.py ed esegui:

python3 extract_webarchive.py page.webarchive page.htm

In questo modo il documento principale dell'archivio viene scritto come HTML UTF-8. CSS, immagini, font o JavaScript elencati in WebSubresources non vengono esportati né ricollegati. Per ottenere una copia offline autonoma è necessario un convertitore o uno script di estrazione in grado di gestire tali risorse.

Limitazioni di qualità e compatibilità

La conversione di un WEBARCHIVE in un singolo file HTM non preserva necessariamente la pagina completa. Immagini e stylesheet possono rimanere collegati ai relativi URL web originali, quindi l'output può apparire incompleto quando viene aperto senza una connessione Internet. Se l'archivio memorizza le risorse separatamente, queste devono essere esportate e i riferimenti HTML devono puntare ai relativi nomi di file locali.

I contenuti protetti da login, le funzionalità lato server, gli annunci pubblicitari, gli script specifici del browser e i dati caricati dopo il salvataggio della pagina da parte di Safari non possono essere ricreati in modo affidabile. Anche JavaScript può comportarsi diversamente al di fuori di Safari.

Controlla il documento convertito in almeno due browser ed esamina il relativo codice sorgente per verificare la presenza di una dichiarazione valida della codifica dei caratteri, preferibilmente <meta charset="utf-8">. Conserva il file originale .webarchive finché non avrai verificato il testo, i link e le risorse necessarie.