Convertidor online gratuito de WEBARCHIVE a HTM

Un navegador, editor o sistema de publicación puede requerir HTML convencional en lugar del formato de página archivada de Safari. La conversión del archivo produce un documento .htm editable, más fácil de compartir, inspeccionar, gestionar con control de versiones o colocar en un servidor web.

Qué es el formato WEBARCHIVE

WEBARCHIVE es el archivo de páginas web guardadas de Apple Safari, que normalmente se almacena como un archivo binario o de lista de propiedades XML con la extensión .webarchive. Safari lo crea mediante File → Save As → Web Archive.

El archivo contiene un recurso HTML principal y también puede incluir CSS, JavaScript, imágenes, fuentes y metadatos. Los usuarios de Safari en macOS son la principal fuente de estos archivos; también se encuentran en flujos de trabajo antiguos de archivado y documentos basados en Apple. Un WEBARCHIVE está diseñado para visualizarse sin conexión en Safari, no para editarse directamente ni alojarse normalmente en la web.

Qué es el formato HTM

HTM es un documento HTML guardado con la extensión de tres letras .htm. HTML contiene el marcado que interpretan los navegadores, incluidos encabezados, enlaces, tablas, formularios y referencias a hojas de estilo, scripts e imágenes.

.htm y .html representan el mismo formato HTML. Los navegadores, editores de código fuente, herramientas para sitios estáticos y servidores web generalmente abren ambas extensiones sin software específico de Apple. La extensión .htm resulta útil cuando un sistema o aplicación antiguos requieren extensiones de tres letras.

Cómo convertir WEBARCHIVE a HTM

Usar 101convert.com es el método más sencillo cuando el archivo no es confidencial:

1. Abra el convertidor de WEBARCHIVE a HTM en 101convert.com. Está disponible de forma gratuita y no requiere instalar software.
2. Cargue el archivo .webarchive y seleccione HTM como formato de salida.
3. Inicie la conversión y descargue el archivo .htm resultante.
4. Abra el resultado en un navegador y en un editor de código fuente. Compruebe el texto, la codificación de caracteres, los enlaces, los estilos, las imágenes y los scripts.

Cargar un archivo en cualquier servicio en línea puede no ser adecuado para contenido confidencial o regulado. Utilice la extracción local cuando el archivo contenga información privada.

Extracción local del recurso HTML principal

Un WEBARCHIVE es un contenedor de lista de propiedades, por lo que la biblioteca estándar de Python 3 puede extraer su recurso HTML principal en 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')

Guarde esto como extract_webarchive.py y ejecútelo:

python3 extract_webarchive.py page.webarchive page.htm

Esto escribe el documento principal del archivo como HTML UTF-8. No exporta ni vuelve a vincular el CSS, las imágenes, las fuentes ni el JavaScript incluidos en WebSubresources. Para obtener una copia sin conexión independiente se necesita un convertidor o script de extracción que gestione esos recursos.

Limitaciones de calidad y compatibilidad

Convertir un WEBARCHIVE en un único archivo HTM no conserva necesariamente la página completa. Las imágenes y las hojas de estilo pueden seguir haciendo referencia a sus URL web originales, por lo que el resultado puede verse incompleto al abrirse sin conexión a Internet. Si el archivo almacena los recursos por separado, deben exportarse y las referencias del HTML deben apuntar a sus nombres de archivo locales.

El contenido protegido mediante inicio de sesión, las funciones del lado del servidor, los anuncios, los scripts específicos del navegador y los datos cargados después de que Safari guardara la página no pueden recrearse de forma fiable. JavaScript también puede comportarse de manera diferente fuera de Safari.

Compruebe el documento convertido en al menos dos navegadores e inspeccione su código fuente para verificar que contenga una declaración de caracteres válida, preferiblemente <meta charset="utf-8">. Conserve el archivo .webarchive original hasta haber verificado el texto, los enlaces y los recursos necesarios.