HTML в PDF: как сохранить веб-страницу
Страница отрисовывается headless-браузером из загруженного HTML-файла. Ресурсы по локальным путям не подтягиваются вовсе, а внешние — только те адреса, что видны в самом HTML. Надёжный архив получается из одного самодостаточного файла, где всё встроено внутрь.
Страницу нужно сохранить так, чтобы через год она открывалась и выглядела как сегодня: договор оферты, условия тарифа, публикация, которую могут отредактировать. PDF для этого подходит лучше скриншота, потому что в нём остаётся текст, и лучше закладки, потому что не зависит от чужого сервера.
Но между «страница в браузере» и «страница в PDF» есть несколько шагов, на которых теряется содержимое. Разберём, где именно.
Инструмент принимает файл, а не адрес страницы
Инструмент принимает сохранённый HTML-файл, а не адрес страницы.
Сохранить страницу можно средствами браузера. В диалоге сохранения обычно есть выбор между «только HTML» и вариантом, который упаковывает страницу целиком. Второй вариант заметно лучше: он собирает разметку, стили и изображения в один файл, и именно это нужно для архива.
Почему так устроено, объясняет следующий раздел, и это же объясняет большинство неожиданных результатов.
Почему пропадают картинки
Страница отрисовывается в изолированном браузере, и содержимое подаётся ему напрямую, а не открывается по пути к файлу. У такой страницы нет своего расположения на диске, из которого можно было бы считать соседние файлы.
Отсюда жёсткое правило: ссылки на локальные файлы не работают. Если рядом с вашим `page.html` лежит папка `page_files` с картинками, ни одна из них в PDF не попадёт. Браузер просто не сможет до них дотянуться.
Внешние адреса работают, но не любые. Перед отрисовкой HTML разбирается статически, из него собирается список адресов, и подгружаются только они. Ресурс, о котором в разметке ничего не сказано, будет заблокирован, как и переадресация на другой адрес.
Практический вывод один: надёжный архив получается из самодостаточного файла, где изображения и стили встроены внутрь разметки, а не лежат рядом.
Всё, что появляется после загрузки, в PDF не попадает
Второй источник потерь — динамика.
Современная страница часто догружает содержимое уже после открытия: картинки по мере прокрутки, комментарии по нажатию, таблицы данных отдельным запросом. Отрисовка работает с разметкой, а не с живой страницей, и того, что подгружается позже, в ней нет.
По этой же причине не сохраняются раскрывающиеся блоки в закрытом состоянии, содержимое вкладок кроме активной и всё, что показывается по наведению.
Проверить, попадёт ли содержимое в архив, можно заранее: отключите в браузере выполнение скриптов и перезагрузите страницу. То, что осталось видно, попадёт в PDF. То, что исчезло, не попадёт.
Чем PDF-архив отличается от скриншота и от закладки
Три способа сохранить страницу решают разные задачи, и путать их дорого.
| Способ | Что сохраняется | Чего не хватает |
|---|---|---|
| Закладка | Ничего, только адрес | Страница может измениться или исчезнуть |
| Скриншот | Картинка видимой области | Текст не ищется и не копируется, длинная страница не влезает |
| Текст, оформление, все страницы целиком | Интерактивность и то, что подгружается скриптами |
Для доказательной задачи важен именно третий столбец второй строки. Скриншот условий тарифа не позволяет найти в нём пункт поиском и не показывает, что было ниже сгиба. PDF позволяет и показывает.
Отдельно стоит помнить, что ни один из трёх способов не является юридическим доказательством содержимого страницы на дату. Для этого существует нотариальное заверение, и оно устроено иначе.
Как выполнить сохранение
1. Откройте страницу в браузере и сохраните её как HTML, выбрав вариант с упаковкой в один файл. 2. Откройте HTML в PDF и загрузите сохранённый файл. 3. Выберите размер страницы: A4 или Letter. 4. Оставьте фоновую графику включённой, если оформление важно. 5. Запустите обработку и сравните результат с исходной страницей.
Пятый шаг стоит делать сразу, а не через месяц: если что-то потерялось, страница ещё доступна и её можно пересохранить иначе.
Фоновая графика и зачем её оставлять включённой
Переключатель фоновой графики управляет тем, попадут ли в PDF заливки, фоновые изображения и цветные подложки.
По умолчанию он включён, и для архива это правильно: выключенный, он даёт результат, где текст на цветной плашке становится текстом на белом, и часть смысла оформления теряется. Особенно это заметно на предупреждениях, выделенных цветом, и на таблицах с чередующимися строками.
Выключите эту настройку, если собираетесь печатать страницу и хотите сэкономить тонер. Для цифрового архива оставьте её включённой.
Размер страницы и широкие таблицы
Размер страницы по умолчанию A4. Выбор здесь только между A4 и Letter, произвольного формата нет.
С этим связана единственная неустранимая проблема. Веб-страница не имеет ширины: она подстраивается под окно. PDF имеет ширину жёстко. Широкая таблица, которая в браузере прокручивалась вбок, в PDF обрежется по краю листа.
Обойти это в самом инструменте нельзя. Обходят снаружи: в браузере уменьшают масштаб страницы до сохранения, и тогда таблица укладывается в ширину.
Когда HTML превращается в простой текст
Есть автоматический быстрый путь. Очень большие HTML-файлы, в которых нет ни изображений, ни таблиц, ни встроенных стилей, ни медиа, отрисовываются как простой текст, без вёрстки.
Это осознанное решение: полноценная отрисовка страницы на несколько мегабайт чистого текста стоит дорого, а даёт то же самое.
Молча это не происходит. К результату прикладывается предупреждение о том, что документ собран в упрощённом виде и оформление не сохранено. Если такой результат вас не устраивает, значит файл попал под эвристику ошибочно, и стоит пересохранить страницу так, чтобы в ней осталась разметка.
Что делать с готовым архивом
Три шага, которые стоит сделать сразу.
Проверьте вес. Страница со множеством изображений даёт тяжёлый PDF, и Сжать PDF уменьшит его без потери текста.
Заполните свойства документа. В PDF, полученном из HTML, поле названия обычно пустое или содержит служебную строку. Осмысленное название и дата в свойствах через Метаданные PDF сильно облегчают поиск в архиве через год.
Если страниц несколько и они составляют один документ, соберите их через Объединить PDF в порядке чтения, а не сохранения.
Для долгого хранения можно дополнительно проверить файл через PDF в PDF/A: этот формат встраивает необходимые для отображения ресурсы. Дайте файлу понятное имя и сохраните рядом адрес страницы, если он понадобится для поиска источника. PDF фиксирует сохранённое содержимое, но сам по себе не подтверждает, когда страница была опубликована.
Автор: Команда ihatepdf
Можно ли указать адрес страницы вместо файла?
Нет, инструмент работает с файлом. Сохраните страницу в браузере как HTML и загрузите получившийся файл. Лучше всего работает вариант сохранения, который упаковывает страницу целиком в один файл.
Почему в PDF нет картинок, хотя в браузере они были?
Страница рисуется в изоляции: обращения к локальным файлам блокируются, а из внешних адресов разрешены только те, что видны в самом HTML при статическом разборе. Картинки, которые подгружает скрипт после открытия страницы, до отрисовки не доходят.
Почему длинная страница превратилась в простой текст?
Так срабатывает автоматический быстрый путь: очень большие HTML без картинок, таблиц, встроенных стилей и медиа отрисовываются как текст. К результату при этом прикладывается предупреждение о том, что оформление не сохранено.
Нужна ли регистрация?
Нет, для базовой работы регистрация не требуется.
Как долго хранятся файлы?
Файлы используются только для выбранной операции и автоматически удаляются после завершения обработки. Мы не используем загруженные документы для обучения AI-моделей.