Konversi WEBARCHIVE menjadi HTML

Arsip Safari mungkin perlu dikonversi ketika editor, web server, atau browser non-Apple memerlukan file .html biasa. Mengonversinya juga membuat dokumen lebih mudah diperiksa, diedit, atau dibagikan tanpa Safari.

Apa itu format .webarchive

File .webarchive biasanya merupakan arsip binary Apple property-list yang dibuat oleh Safari atau aplikasi berbasis WebKit lainnya. File ini dapat berisi HTML halaman, gambar, stylesheet, script, font, dan metadata dalam satu file, sehingga salinan offline dapat dibuka kembali dengan sebagian besar tampilan aslinya.

Safari membuatnya melalui File → Save As ketika Web Archive dipilih sebagai format. WEBARCHIVE adalah container yang terkait dengan Apple, bukan format standar yang didukung oleh semua browser atau web server.

Apa itu format .html

HTML adalah markup standar yang digunakan untuk halaman web. File .html dapat dibuka di browser modern, diedit di code editor, dipublikasikan ke web server, dan diproses oleh tool pengindeksan atau dokumen tanpa Safari.

HTML biasanya berisi referensi ke file gambar, CSS, JavaScript, dan font yang terpisah. Mengubah ekstensi atau hanya mengekstrak resource utama tidak otomatis membuat salinan offline yang lengkap.

Konversikan dengan Safari di macOS

1. Buka file .webarchive di Safari.
2. Pilih File → Save As.
3. Di menu format, pilih Page Source atau Page Source HTML, tergantung versi Safari.
4. Simpan file dengan ekstensi .html.

Ini adalah metode desktop tercepat, tetapi versi Safari berbeda-beda. Beberapa instalasi hanya menampilkan Web Archive dalam dialog penyimpanan; jika demikian, gunakan metode ekstraksi di bawah. Source yang diekspor mungkin tidak menyertakan setiap subresource yang diarsipkan dalam direktori lokal terpisah.

Ekstrak resource utama dengan Python

Standard library Python dapat membaca struktur binary property-list tanpa menginstal converter. Simpan kode ini sebagai extract_webarchive.py:

import plistlib
import sys

source, destination = sys.argv[1], sys.argv[2]
with open(source, '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')

with open(destination, 'wb') as file:
    file.write(data)

Jalankan dari Terminal, Command Prompt, atau PowerShell dengan Python 3:

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

Output biasanya merupakan resource HTML utama dari arsip. Periksa WebResourceMIMEType arsip jika output bukan teks yang dapat dibaca; resource utama dapat berupa PDF, gambar, atau jenis file lainnya.

Konversi online dan alternatif desktop

Safari sesuai untuk konversi satu kali di macOS, sedangkan metode Python dapat diulang dan berfungsi di sistem lain dengan Python 3. Untuk file yang tidak sensitif, CloudConvert atau Zamzar dapat dipertimbangkan hanya jika daftar format layanan saat ini secara eksplisit menawarkan .webarchive sebagai input dan HTML sebagai output. Mengunggah arsip dapat mengungkapkan isi halaman, data yang disematkan, URL, atau informasi terkait autentikasi, dan dukungan online untuk format khusus Apple ini tidak konsisten.

Batasan kualitas dan kompatibilitas

• HTML yang diekstrak mungkin masih merujuk ke situs web asli, sehingga gambar dan style dapat menghilang saat offline atau setelah situs berubah.
• JavaScript yang bergantung pada API Safari, cookie, local storage, autentikasi, request sisi server, atau layanan eksternal mungkin tidak berfungsi setelah ekstraksi.
• Salinan offline yang lengkap memerlukan ekstraksi subresource yang tercantum dalam array WebSubresources arsip, penulisannya ke direktori asset, dan penulisan ulang referensi HTML. Script sederhana ini hanya mengekstrak WebMainResource.
• Resource utama dapat merepresentasikan source dokumen asli, bukan DOM akhir yang dihasilkan oleh JavaScript. Verifikasi hasilnya di browser dan periksa link gambar, stylesheet, serta script.
• Menyimpan HTML mengubah format container; tindakan ini tidak mempertahankan semua metadata arsip Safari atau menjamin rendering yang identik hingga tingkat pixel.