Da HTML a PDF: salvare una pagina web
In breve: La pagina viene resa da un browser headless a partire dal file HTML che carichi. I percorsi locali non vengono letti affatto, quelli esterni solo se gli indirizzi sono visibili nell'HTML stesso. Un archivio affidabile nasce da un unico file autonomo con tutto incorporato.
Percorso
sicurezza
sicurezza: PDF guidance for reliable document processing and quality checks.
Strumento principale
HTML in PDF online
Apri lo strumento collegato a questo articolo e completa l’attività nella lingua selezionata.
Apri lo strumentoIndice
- Lo strumento accetta un file, non l'indirizzo di una pagina
- Perché le immagini spariscono
- Ciò che compare dopo il caricamento non arriva nel PDF
- In cosa l'archiviazione in PDF differisce da screenshot e segnalibro
- Come procedere con il salvataggio
- Grafici di sfondo e perché lasciarli attivi
- Dimensioni della pagina e tabelle larghe
- Quando l'HTML diventa testo semplice
- Cosa fare con l'archivio finito
Salvare una pagina web come PDF: cosa finisce nell'archivio e cosa no
Capita di dover conservare una pagina in modo che fra un anno si apra e abbia lo stesso aspetto di oggi: condizioni di servizio, una pagina di tariffe, un articolo che qualcuno potrebbe modificare. Il PDF è più adatto di uno screenshot, perché il testo resta testo, e più adatto di un segnalibro, perché non dipende dal server di qualcun altro.
Tra «pagina nel browser» e «pagina nel PDF» ci sono però alcuni passaggi in cui il contenuto si perde. Ecco dove.
Lo strumento accetta un file, non l'indirizzo di una pagina
La prima cosa da capire: qui non si digita l'indirizzo di un sito. Si carica un file HTML salvato.
Il browser sa salvare la pagina. La finestra di salvataggio di solito propone di scegliere tra solo HTML e un'opzione che raccoglie l'intera pagina. La seconda è decisamente migliore: riunisce markup, stili e immagini in un unico file, ed è proprio ciò che serve a un archivio.
Perché funzioni così lo spiega la sezione seguente, e la stessa spiegazione vale per la maggior parte dei risultati sorprendenti.
Perché le immagini spariscono
La pagina viene resa in un browser isolato, e il contenuto gli viene passato direttamente, senza aprirlo da un percorso su disco. Una pagina così non ha una posizione sul disco da cui leggere i file vicini.
Da qui una regola rigida: i riferimenti a file locali non funzionano. Se accanto a `page.html` c'è una cartella `page_files` piena di immagini, nessuna di esse arriva nel PDF. Il browser semplicemente non può raggiungerle.
Gli indirizzi esterni funzionano, ma non tutti. Prima della resa l'HTML viene analizzato in modo statico, ne viene ricavato un elenco di indirizzi e solo questi vengono scaricati. Una risorsa che il markup non menziona viene bloccata, e lo stesso vale per un reindirizzamento verso un altro indirizzo.
Ne discende una conclusione pratica: un archivio affidabile si ottiene da un file autonomo, in cui immagini e stili sono incorporati nel markup invece di stare accanto.
Ciò che compare dopo il caricamento non arriva nel PDF
La seconda fonte di perdite è la parte dinamica.
Una pagina moderna spesso carica contenuti dopo l'apertura: immagini durante lo scorrimento, commenti con un clic, una tabella di dati con una richiesta separata. La resa parte dal markup, non da una pagina viva, e ciò che arriva più tardi non c'è.
Per lo stesso motivo i blocchi chiusi restano chiusi, le schede diverse da quella attiva mancano e tutto ciò che si mostra al passaggio del mouse è assente.
Si può verificare in anticipo se un contenuto finirà nell'archivio: disattiva gli script nel browser e ricarica la pagina. Ciò che resta visibile arriverà nel PDF. Ciò che sparisce, no.
In cosa l'archiviazione in PDF differisce da screenshot e segnalibro
Tre modi di conservare una pagina risolvono problemi diversi, e confonderli costa caro.
| Metodo | Cosa si conserva | Cosa manca |
|---|---|---|
| Segnalibro | Solo l'indirizzo | La pagina può cambiare o scomparire |
| Screenshot | L'immagine dell'area visibile | Il testo non si può cercare né copiare, una pagina lunga non ci sta |
| Testo, formattazione, tutte le pagine per intero | L'interattività e ciò che carica uno script |
Per un uso probatorio conta la terza colonna della seconda riga. Con lo screenshot di una pagina di tariffe non si trova una clausola con la ricerca e non si vede cosa stava sotto la piega. Il PDF permette entrambe le cose.
Va ricordato a parte: nessuno dei tre è una prova legale del contenuto di una pagina in una certa data. Per quello esiste l'autenticazione notarile, che funziona in modo diverso.
Come procedere con il salvataggio
1. Apri la pagina nel browser e salvala come HTML, scegliendo l'opzione a file unico. 2. Apri HTML in PDF online e carica il file salvato. 3. Scegli le dimensioni della pagina: A4 o Letter. 4. Lascia attivi i grafici di sfondo se l'aspetto conta. 5. Avvia l'elaborazione e confronta il risultato con la pagina originale.
Fai il quinto passaggio subito, non dopo un mese: se qualcosa è andato perso, la pagina è ancora disponibile e si può salvare in un altro modo.
Grafici di sfondo e perché lasciarli attivi
L'opzione dei grafici di sfondo decide se riempimenti, immagini di sfondo e riquadri colorati arrivano nel PDF.
È attiva per impostazione predefinita, ed è giusto così per un archivio: disattivata, trasforma il testo su un riquadro colorato in testo su bianco, e una parte del significato del design va persa. Lo si nota soprattutto negli avvisi segnalati dal colore e nelle tabelle con righe alternate.
C'è un solo motivo per disattivarla: la pagina va in stampa e i riempimenti consumerebbero toner. Per un archivio, lasciala attiva.
Dimensioni della pagina e tabelle larghe
Le dimensioni predefinite sono A4. La scelta è solo tra A4 e Letter; non esiste un formato libero.
Ne deriva un problema inevitabile. Una pagina web non ha una larghezza: si adatta alla finestra. Un PDF ha una larghezza fissa. Una tabella larga che nel browser scorreva di lato viene tagliata al bordo del foglio.
Dentro lo strumento non c'è modo di aggirarlo. Lo si aggira fuori: riduci lo zoom della pagina nel browser prima di salvare, e la tabella rientra nella larghezza.
Quando l'HTML diventa testo semplice
Esiste un percorso rapido automatico. I file HTML molto grandi, senza immagini, tabelle, stili incorporati né contenuti multimediali, vengono resi come testo semplice, senza impaginazione.
È una scelta voluta: rendere per intero una pagina di solo testo da vari megabyte è costoso e dà lo stesso risultato.
Non avviene in silenzio. Il risultato porta un avviso: il documento è stato assemblato in forma semplificata e la formattazione non è stata mantenuta. Se quel risultato non ti va bene, il file è stato intercettato per errore dall'euristica, e conviene risalvare la pagina in una forma che conservi il markup.
Cosa fare con l'archivio finito
Tre cose da fare subito.
Controlla il peso. Una pagina piena di immagini dà un PDF pesante, e Comprimi PDF online lo riduce senza toccare il testo.
Compila le proprietà del documento. In un PDF ricavato da HTML il campo del titolo di solito è vuoto o contiene una stringa tecnica. Un titolo sensato e una data, impostati con Imposta metadati PDF online, rendono l'archivio molto più facile da cercare fra un anno.
Se più pagine formano un unico documento, riuniscile con Unisci PDF online nell'ordine di lettura, non in quello in cui le hai salvate.
E infine. Per la conservazione a lungo termine conviene passare il risultato da PDF in PDF/A online: il profilo di archiviazione richiede che tutto ciò che serve alla visualizzazione stia dentro il file, ed è proprio ciò che vuole un archivio.
Autore
A cura del team di iHatePDF; responsabile del servizio: Sergey Gagin.
FAQ
Altro da questo percorso
sicurezza
Come proteggere un PDF con una password
Come mettere una password a un PDF prima di inviarlo per email, cosa fa davvero e perché la password deve viaggiare separata dal file.
sicurezza
Come rimuovere la password da un PDF
Un PDF ha due meccanismi di protezione e solo uno è reale. Cosa offre la cifratura, perché un limite di copia è una richiesta e perché a volte basta un campo password vuoto.
sicurezza
Come oscurare i dati sensibili in un PDF
Un rettangolo nero sopra il testo non cancella nulla. Come differiscono nella sostanza gli stili di oscuramento, perché la sfocatura non conta come rimozione e cosa succede ai metadati.
Strumenti correlati
HTML in PDF online
Carica un file HTML e trasformalo in PDF per archiviarlo, stamparlo o inviarlo. Puoi impostare formato e orientamento della pagina, margini e stampa degli sfondi.
Comprimi PDF online
Riduci il peso di un PDF per inviarlo via email o caricarlo su un sito. Scegli un livello di compressione oppure indica la dimensione desiderata, quindi controlla il file prima di condividerlo.
Unisci PDF online
Unisci più PDF in un unico documento. Aggiungi i file, disponili nell’ordine desiderato e scarica una nuova copia.
PDF in PDF/A online
Crea una copia PDF/A da un PDF e scegli il profilo richiesto: 1b, 2b o 3b. La conversione controlla alcuni marcatori PDF/A, ma non sostituisce una convalida completa secondo lo standard ISO o i requisiti dell'archivio che riceve il file.
Cosa fare dopo
Tutti gli strumenti
Catalogo di strumenti PDF per unire, comprimere, dividere, convertire, ruotare, proteggere e sbloccare file online, senza installare software.
FAQ
Trova risposte su account iHatePDF, elaborazione dei file, limiti di caricamento, uso da mobile, privacy e cosa fare quando uno strumento PDF restituisce un errore.
Contatti
Contatta iHatePDF per errori di elaborazione, scelta dello strumento, sicurezza, richieste commerciali e proposte di nuove funzionalità.