Konverter online gratis WEBARCHIVE ke HTM

Browser, editor, atau sistem publikasi mungkin memerlukan HTML biasa, bukan format halaman arsip Safari. Mengonversi file menghasilkan dokumen .htm yang dapat diedit dan lebih mudah dibagikan, diperiksa, dikelola dengan version control, atau ditempatkan di web server.

Apa itu format WEBARCHIVE

WEBARCHIVE adalah arsip halaman web tersimpan milik Apple Safari, yang biasanya disimpan sebagai file binary atau XML property-list dengan ekstensi .webarchive. Safari membuatnya melalui File → Save As → Web Archive.

Arsip tersebut berisi resource HTML utama dan mungkin juga berisi CSS, JavaScript, gambar, font, serta metadata. Pengguna Safari di macOS merupakan sumber utama file-file ini; file tersebut juga ditemukan dalam workflow pengarsipan dan dokumen berbasis Apple yang lebih lama. WEBARCHIVE ditujukan untuk melihat halaman secara offline di Safari, bukan untuk pengeditan langsung atau web hosting biasa.

Apa itu format HTM

HTM adalah dokumen HTML yang disimpan dengan ekstensi tiga huruf .htm. HTML berisi markup yang diinterpretasikan browser, termasuk heading, link, tabel, form, serta referensi ke stylesheet, script, dan gambar.

.htm dan .html merepresentasikan format HTML yang sama. Browser, source editor, static-site tool, dan web server umumnya dapat membuka kedua ekstensi tersebut tanpa software khusus Apple. Ekstensi .htm berguna ketika sistem atau aplikasi lama mengharuskan ekstensi tiga huruf.

Cara mengonversi WEBARCHIVE ke HTM

Menggunakan 101convert.com adalah metode paling sederhana ketika file tidak bersifat rahasia:

1. Buka converter WEBARCHIVE-ke-HTM di 101convert.com. Layanan ini tersedia secara gratis tanpa perlu menginstal software.
2. Upload file .webarchive dan pilih HTM sebagai format output.
3. Mulai proses konversi dan download file .htm yang dihasilkan.
4. Buka hasilnya di browser dan source editor. Periksa teks, character encoding, link, style, gambar, dan script.

Meng-upload file ke layanan online apa pun mungkin tidak sesuai untuk konten rahasia atau yang diatur oleh regulasi. Gunakan ekstraksi lokal jika arsip berisi informasi pribadi.

Mengekstrak resource HTML utama secara lokal

WEBARCHIVE adalah container property-list, sehingga standard library Python 3 dapat mengekstrak resource HTML utamanya di macOS, Linux, atau 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')

Simpan ini sebagai extract_webarchive.py dan jalankan:

python3 extract_webarchive.py page.webarchive page.htm

Ini menulis dokumen utama arsip sebagai HTML UTF-8. Proses ini tidak mengekspor atau menautkan ulang CSS, gambar, font, atau JavaScript yang tercantum dalam WebSubresources. Converter atau script ekstraksi yang menangani resource tersebut diperlukan untuk membuat salinan offline yang mandiri.

Keterbatasan kualitas dan kompatibilitas

Mengonversi WEBARCHIVE menjadi satu file HTM tidak selalu mempertahankan halaman secara lengkap. Gambar dan stylesheet mungkin tetap merujuk ke URL web aslinya, sehingga output dapat terlihat tidak lengkap ketika dibuka tanpa koneksi internet. Jika arsip menyimpan resource secara terpisah, resource tersebut harus diekspor dan referensi HTML harus diarahkan ke nama file lokalnya.

Konten yang dilindungi login, fitur server-side, iklan, script khusus browser, dan data yang dimuat setelah Safari menyimpan halaman tidak dapat dibuat ulang secara andal. JavaScript juga dapat berperilaku berbeda di luar Safari.

Periksa dokumen yang telah dikonversi di setidaknya dua browser dan periksa source-nya untuk memastikan deklarasi karakter yang valid, sebaiknya <meta charset="utf-8">. Simpan file .webarchive asli hingga teks, link, dan resource yang diperlukan telah diverifikasi.