Convertisseur en ligne gratuit de WEBARCHIVE en HTML

Certains éditeurs, serveurs web, navigateurs et systèmes de documents acceptent un fichier .html ordinaire, mais pas le conteneur .webarchive de Safari. La conversion extrait une page utilisable pour l’édition, la publication, l’inspection ou le partage sans Safari.

Qu’est-ce que le format WEBARCHIVE ?

.webarchive est le format Apple Safari Web Archive, généralement créé sous macOS via File → Save As avec Web Archive sélectionné. Il s’agit généralement d’un conteneur binaire ou de type property-list XML, et non d’un document HTML normal.

L’archive peut contenir une ressource HTML principale, des images, du CSS, du JavaScript, des polices, des URL, des types MIME et d’autres métadonnées. Safari et certains logiciels basés sur WebKit utilisent ces ressources pour rouvrir une page enregistrée et la consulter hors ligne. Ce format se trouve le plus souvent dans les enregistrements de Safari, les sauvegardes de Mac, les archives de recherche et les anciennes collections de pages web hors ligne.

Qu’est-ce que le format HTML ?

.html est le format de balisage standard des pages web. Les navigateurs affichent ses éléments, liens, styles et scripts, tandis que les éditeurs de code, systèmes de publication, serveurs web, outils d’indexation et systèmes de contrôle de version peuvent traiter le fichier comme du texte.

HTML désigne généralement uniquement la structure du document. Les images, feuilles de style, scripts et polices sont généralement des fichiers distincts référencés par des URL ou des chemins relatifs. Par conséquent, l’extraction de la ressource HTML principale ne crée pas nécessairement une copie hors ligne complète de la page archivée.

Convertissez-le sur 101convert.com

1. Ouvrez le convertisseur WEBARCHIVE vers HTML sur 101convert.com.
2. Sélectionnez le fichier .webarchive à l’aide du sélecteur de fichiers ou faites-le glisser dans la zone de téléversement.
3. Choisissez HTML comme format de sortie s’il n’est pas sélectionné automatiquement.
4. Lancez la conversion et téléchargez le fichier .html obtenu.
5. Ouvrez le fichier dans un navigateur et vérifiez son texte, son encodage, ses images, ses styles, ses liens et ses scripts avant de le publier ou de le modifier.

La méthode en ligne ne nécessite l’installation d’aucun logiciel. Ne téléversez pas d’archives contenant des pages confidentielles, des données personnelles, des URL privées ou du contenu lié à l’authentification, sauf si les conditions de traitement et de conservation du service vous conviennent.

Exportez-le avec Safari sous macOS

1. Ouvrez l’archive dans Safari.
2. Choisissez File → Save As.
3. Sélectionnez Page Source ou une option liée à HTML si votre version de Safari en propose une.
4. Enregistrez le résultat avec une extension .html.

Les options d’enregistrement de Safari varient selon les versions. Certaines versions proposent uniquement Web Archive, et l’exportation HTML peut ne contenir que le code source de la page, sans les images, feuilles de style, polices et scripts archivés. Utilisez le convertisseur en ligne ou une méthode d’extraction locale lorsque Safari ne propose pas d’option HTML.

Extrayez la ressource principale avec Python

Le module plistlib de la bibliothèque standard de Python 3 peut lire de nombreux fichiers WEBARCHIVE XML et binaires. Cette méthode écrit uniquement la ressource principale de l’archive :

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)

Enregistrez le code sous le nom extract_webarchive.py, puis exécutez-le depuis Terminal, l’invite de commandes ou PowerShell :

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

Sous Windows, la commande peut être python au lieu de python3. La sortie est normalement la ressource HTML principale. Vérifiez le WebResourceMIMEType de l’archive si le résultat n’est pas du HTML lisible : la ressource principale peut également être une image, un PDF ou un autre type de contenu.

Limites de qualité et de compatibilité

• L’extraction de WebMainResource seule n’extrait pas les ressources répertoriées sous WebSubresources. Les images, le CSS, les polices et les scripts peuvent donc manquer.
• Le HTML peut conserver des URL absolues vers le site web d’origine. Ces ressources peuvent disparaître lorsque le site est modifié, lorsque l’ordinateur est hors ligne ou lorsque le serveur bloque les requêtes cross-origin.
• Une reconstruction hors ligne complète nécessite l’extraction des sous-ressources, l’attribution de noms de fichiers locaux et la réécriture des références HTML. Les chemins requis et les métadonnées des ressources ne sont pas identiques dans tous les fichiers WEBARCHIVE.
• La ressource principale enregistrée peut être le code source du document d’origine plutôt que le DOM final généré par JavaScript. Le contenu inséré après le chargement de la page peut ne pas apparaître dans le HTML extrait.
• Les fonctionnalités interactives qui dépendent des cookies, du stockage local, de l’authentification, des requêtes côté serveur, des API de navigateur, des plug-ins ou de services externes peuvent ne pas fonctionner après la conversion.
• L’encodage des caractères peut changer lors de l’exportation. Vérifiez le texte non latin et le charset déclaré du document avant de le modifier ou de le publier.
• La conversion modifie le format du conteneur, ne préserve pas tous les champs de métadonnées spécifiques à Safari et ne garantit pas un rendu identique au pixel près.