Convertisseur en ligne gratuit de WEBARCHIVE en HTM

Un navigateur, un éditeur ou un système de publication peut nécessiter du HTML ordinaire plutôt que le format de page archivée de Safari. La conversion du fichier produit un document .htm modifiable, plus facile à partager, inspecter, gérer avec un système de contrôle de versions ou placer sur un serveur web.

Qu’est-ce que le format WEBARCHIVE ?

WEBARCHIVE est l’archive de page web enregistrée de Apple Safari, généralement stockée sous forme de fichier de liste de propriétés binaire ou XML avec l’extension .webarchive. Safari la crée via File → Save As → Web Archive.

L’archive contient une ressource HTML principale et peut également contenir du CSS, du JavaScript, des images, des polices et des métadonnées. Les utilisateurs de Safari sur macOS sont la principale source de ces fichiers ; on les trouve également dans d’anciens flux d’archivage et de gestion de documents basés sur Apple. Un WEBARCHIVE est destiné à la consultation hors ligne dans Safari, et non à l’édition directe ou à l’hébergement web habituel.

Qu’est-ce que le format HTM ?

HTM est un document HTML enregistré avec l’extension .htm à trois lettres. HTML contient le balisage que les navigateurs interprètent, notamment les titres, les liens, les tableaux, les formulaires et les références aux feuilles de style, aux scripts et aux images.

.htm et .html représentent le même format HTML. Les navigateurs, les éditeurs de code source, les outils de sites statiques et les serveurs web ouvrent généralement les deux extensions sans logiciel propre à Apple. L’extension .htm est utile lorsqu’un ancien système ou une ancienne application attend des extensions à trois lettres.

Comment convertir WEBARCHIVE en HTM ?

L’utilisation de 101convert.com est la méthode la plus simple lorsque le fichier n’est pas confidentiel :

1. Ouvrez le convertisseur WEBARCHIVE-en-HTM sur 101convert.com. Il est disponible gratuitement, sans installation de logiciel.
2. Importez le fichier .webarchive et sélectionnez HTM comme format de sortie.
3. Lancez la conversion et téléchargez le fichier .htm obtenu.
4. Ouvrez le résultat dans un navigateur et un éditeur de code source. Vérifiez le texte, l’encodage des caractères, les liens, les styles, les images et les scripts.

L’importation d’un fichier vers un service en ligne peut ne pas convenir aux contenus confidentiels ou réglementés. Utilisez plutôt une extraction locale lorsque l’archive contient des informations privées.

Extraire localement la ressource HTML principale

Un WEBARCHIVE est un conteneur de liste de propriétés : la bibliothèque standard de Python 3 peut donc extraire sa ressource HTML principale sur macOS, Linux ou 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')

Enregistrez ceci sous le nom extract_webarchive.py et exécutez :

python3 extract_webarchive.py page.webarchive page.htm

Cette commande écrit le document principal de l’archive au format HTML UTF-8. Elle n’exporte pas et ne relie pas le CSS, les images, les polices ou le JavaScript répertoriés dans WebSubresources. Un convertisseur ou un script d’extraction prenant en charge ces ressources est nécessaire pour obtenir une copie hors ligne autonome.

Limitations en matière de qualité et de compatibilité

La conversion d’un WEBARCHIVE en un seul fichier HTM ne préserve pas nécessairement l’intégralité de la page. Les images et les feuilles de style peuvent rester référencées par leurs URL web d’origine, de sorte que le résultat peut sembler incomplet lorsqu’il est ouvert sans connexion Internet. Si l’archive stocke les ressources séparément, celles-ci doivent être exportées et les références du HTML doivent pointer vers leurs noms de fichiers locaux.

Les contenus protégés par une connexion, les fonctionnalités côté serveur, les publicités, les scripts propres au navigateur et les données chargées après l’enregistrement de la page par Safari ne peuvent pas être recréés de manière fiable. Le JavaScript peut également se comporter différemment en dehors de Safari.

Vérifiez le document converti dans au moins deux navigateurs et inspectez son code source afin de confirmer la présence d’une déclaration de caractères valide, de préférence <meta charset="utf-8">. Conservez le fichier .webarchive d’origine jusqu’à ce que le texte, les liens et les ressources nécessaires aient été vérifiés.