Convertitore online gratuito da WEBARCHIVE a HTML

Alcuni editor, server web, browser e sistemi di documenti accettano un normale file .html, ma non il contenitore .webarchive di Safari. La conversione estrae una pagina utilizzabile per la modifica, la pubblicazione, l’ispezione o la condivisione senza Safari.

Cos’è il formato WEBARCHIVE

.webarchive è il formato Apple Safari Web Archive, generalmente creato su macOS tramite File → Save As con Web Archive selezionato. Di solito è un contenitore binario o XML di property list, non un normale documento HTML.

L’archivio può contenere una risorsa HTML principale, immagini, CSS, JavaScript, font, URL, tipi MIME e altri metadati. Safari e alcuni software basati su WebKit utilizzano queste risorse per riaprire una pagina salvata e visualizzarla offline. Il formato si trova soprattutto nei salvataggi di Safari, nei backup Mac, negli archivi di ricerca e nelle raccolte meno recenti di pagine web offline.

Cos’è il formato HTML

.html è il formato standard di markup per le pagine web. I browser eseguono il rendering dei suoi elementi, link, stili e script, mentre gli editor di codice, i sistemi di pubblicazione, i server web, gli strumenti di indicizzazione e i sistemi di controllo versione possono elaborare il file come testo.

HTML si riferisce generalmente solo alla struttura del documento. Immagini, fogli di stile, script e font sono comunemente file separati referenziati da URL o percorsi relativi, quindi l’estrazione della risorsa HTML principale non crea necessariamente una copia offline completa della pagina archiviata.

Convertirlo su 101convert.com

1. Apri il convertitore da WEBARCHIVE a HTML su 101convert.com.
2. Seleziona il file .webarchive con il selettore di file oppure trascinalo nell’area di caricamento.
3. Scegli HTML come formato di output, se non è selezionato automaticamente.
4. Avvia la conversione e scarica il file .html risultante.
5. Apri il file in un browser e controlla testo, codifica, immagini, stili, link e script prima di pubblicarlo o modificarlo.

Il metodo online non richiede software installato. Non caricare archivi contenenti pagine riservate, dati personali, URL privati o contenuti relativi all’autenticazione, a meno che le condizioni di gestione e conservazione del servizio non siano accettabili.

Esportarlo con Safari su macOS

1. Apri l’archivio in Safari.
2. Scegli File → Save As.
3. Seleziona Page Source o un’opzione relativa a HTML, se la versione di Safari ne offre una.
4. Salva il risultato con un’estensione .html.

Le opzioni di salvataggio di Safari variano in base alla versione. Alcune versioni mostrano solo Web Archive e l’esportazione HTML può contenere soltanto il codice sorgente della pagina, senza le immagini, i fogli di stile, i font e gli script archiviati. Utilizza il convertitore online o un metodo di estrazione locale quando Safari non offre un’opzione HTML.

Estrarre la risorsa principale con Python

Il modulo plistlib della standard library di Python 3 può leggere molti file WEBARCHIVE XML e binari. Questo metodo scrive solo la risorsa principale dell’archivio:

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)

Salva il codice come extract_webarchive.py, quindi eseguilo dal Terminale, dal Prompt dei comandi o da PowerShell:

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

Su Windows, il comando può essere python invece di python3. L’output è normalmente la risorsa HTML principale. Controlla WebResourceMIMEType dell’archivio se il risultato non è HTML leggibile; la risorsa principale può anche essere un’immagine, un PDF o un altro tipo di contenuto.

Limiti di qualità e compatibilità

• L’estrazione della sola risorsa WebMainResource non estrae le risorse elencate in WebSubresources. Di conseguenza, immagini, CSS, font e script possono mancare.
• L’HTML può mantenere URL assoluti al sito web originale. Tali risorse possono scomparire quando il sito cambia, il computer è offline o il server blocca le richieste cross-origin.
• Una ricostruzione offline completa richiede l’estrazione delle sottorisorse, l’assegnazione di nomi file locali e la riscrittura dei riferimenti HTML. I percorsi e i metadati delle risorse richiesti non sono identici in ogni WEBARCHIVE.
• La risorsa principale salvata può essere il codice sorgente del documento originale anziché il DOM finale generato da JavaScript. Il contenuto inserito dopo il caricamento della pagina potrebbe non comparire nell’HTML estratto.
• Le funzionalità interattive che dipendono da cookie, storage locale, autenticazione, richieste lato server, API del browser, plug-in o servizi esterni potrebbero non funzionare dopo la conversione.
• La codifica dei caratteri può cambiare durante l’esportazione. Controlla il testo non latino e il charset dichiarato del documento prima di modificarlo o pubblicarlo.
• La conversione modifica il formato del contenitore, non conserva tutti i campi dei metadati specifici di Safari e non garantisce un rendering identico a livello di pixel.