HTML naar PDF: een webpagina opslaan
Kort gezegd: Een headless browser rendert de pagina uit het HTML-bestand dat je uploadt. Lokale paden worden helemaal niet opgehaald, externe alleen voor adressen die in de HTML zelf staan. Een betrouwbaar archief ontstaat uit één op zichzelf staand bestand met alles erin ingebed.
Cluster
beveiliging
beveiliging: PDF guidance for reliable document processing and quality checks.
Hoofdtool
HTML naar PDF online
Open de tool uit dit artikel en voer de bewerking uit in de huidige taal.
Tool openenInhoudsopgave
- De tool neemt een bestand, geen webadres
- Waarom afbeeldingen ontbreken
- Alles wat na het laden verschijnt, haalt de PDF niet
- Waarin PDF-archivering verschilt van een screenshot en een bladwijzer
- Zo sla je de pagina op
- Achtergrondafbeeldingen en waarom je ze aan laat
- Paginaformaat en brede tabellen
- Wanneer HTML platte tekst wordt
- Wat je met het klare archief doet
Een webpagina opslaan als PDF: wat komt in het archief terecht en wat niet
Je wilt een pagina bewaren die over een jaar nog steeds opent en er hetzelfde uitziet als nu: algemene voorwaarden, een pagina met tarieven, een artikel dat iemand kan aanpassen. PDF is hier geschikter dan een screenshot, omdat de tekst behouden blijft, en geschikter dan een bladwijzer, omdat het bestand niet afhangt van de server van een ander.
Tussen "pagina in de browser" en "pagina in een PDF" zitten echter een paar stappen waarbij inhoud verloren gaat. Hieronder lees je waar.
De tool neemt een bestand, geen webadres
Eerst het belangrijkste: je typt hier geen websiteadres in. Je uploadt een opgeslagen HTML-bestand.
Je browser kan de pagina opslaan. Het opslaan-venster biedt meestal de keuze tussen alleen HTML en een optie die de hele pagina inpakt. De tweede is merkbaar beter: markup, stijlen en afbeeldingen komen samen in één bestand, en dat is precies wat een archief nodig heeft.
Waarom het zo werkt, leggen we in het volgende onderdeel uit. Dezelfde uitleg dekt de meeste onverwachte resultaten.
Waarom afbeeldingen ontbreken
De pagina wordt weergegeven in een geïsoleerde browser, en de inhoud wordt rechtstreeks aangeleverd in plaats van vanaf een bestandspad geopend. Zo'n pagina heeft geen plek op schijf waar ze naastgelegen bestanden vandaan kan lezen.
Daaruit volgt een harde regel: verwijzingen naar lokale bestanden werken niet. Staat naast je `page.html` een map `page_files` vol afbeeldingen, dan komt er geen enkele in de PDF terecht. De browser kan er simpelweg niet bij.
Externe adressen werken wel, maar niet alle. Vóór het renderen wordt de HTML statisch doorzocht, daaruit wordt een lijst met adressen opgebouwd en alleen die worden opgehaald. Een bron die de markup niet noemt, wordt geblokkeerd, en een doorverwijzing naar een ander adres ook.
De praktische conclusie: een betrouwbaar archief ontstaat uit één op zichzelf staand bestand, waarin afbeeldingen en stijlen in de markup zijn ingebed in plaats van ernaast te staan.
Alles wat na het laden verschijnt, haalt de PDF niet
De tweede bron van verlies is dynamische inhoud.
Een moderne pagina haalt vaak pas na het openen inhoud op: afbeeldingen tijdens het scrollen, reacties na een klik, een gegevenstabel via een apart verzoek. Het renderen gaat uit van markup en niet van een levende pagina, en wat later wordt geladen, zit er niet in.
Om dezelfde reden blijven ingeklapte blokken ingeklapt, ontbreken andere tabbladen dan het actieve en is alles wat bij aanwijzen met de muis verschijnt, weg.
Je kunt van tevoren controleren of inhoud in het archief komt: zet scripts uit in je browser en laad de pagina opnieuw. Wat zichtbaar blijft, komt in de PDF. Wat verdwijnt, niet.
Waarin PDF-archivering verschilt van een screenshot en een bladwijzer
Drie manieren om een pagina te bewaren lossen verschillende problemen op, en ze door elkaar halen kan duur uitpakken.
| Methode | Wat wordt bewaard | Wat ontbreekt |
|---|---|---|
| Bladwijzer | Alleen het adres | De pagina kan veranderen of verdwijnen |
| Screenshot | Een afbeelding van het zichtbare gebied | Tekst is niet te doorzoeken of te kopiëren, een lange pagina past er niet op |
| Tekst, opmaak, elke pagina volledig | Interactiviteit en alles wat door scripts wordt geladen |
Voor een bewijsdoel is de tweede rij het belangrijkst. Met een screenshot van een tarievenpagina kun je een bepaling niet via zoeken terugvinden en zie je niet wat onder de vouw stond. Met een PDF lukt beide.
Houd daarnaast in gedachten: geen van de drie is wettelijk bewijs van de inhoud van een pagina op een bepaalde datum. Daarvoor bestaat een notariële vastlegging, en die werkt anders.
Zo sla je de pagina op
1. Open de pagina in een browser en sla hem op als HTML, met de optie voor één enkel bestand. 2. Open HTML naar PDF online en upload het opgeslagen bestand. 3. Kies het paginaformaat: A4 of Letter. 4. Laat achtergrondafbeeldingen aan als de vormgeving ertoe doet. 5. Start de taak en vergelijk het resultaat met de originele pagina.
Doe stap vijf meteen, niet pas over een maand: als er iets ontbreekt, is de pagina nog beschikbaar en kun je hem op een andere manier opslaan.
Achtergrondafbeeldingen en waarom je ze aan laat
De schakelaar voor achtergrondafbeeldingen bepaalt of vullingen, achtergrondafbeeldingen en gekleurde vlakken in de PDF terechtkomen.
Standaard staat hij aan, en dat is goed voor een archief: uitgeschakeld wordt tekst op een gekleurd vlak tekst op wit, en gaat een deel van de betekenis van het ontwerp verloren. Dat zie je het sterkst bij waarschuwingen die met kleur zijn aangegeven en bij tabellen met afwisselend gekleurde rijen.
Er is precies één reden om hem uit te zetten: de pagina gaat naar een printer en de vullingen kosten veel toner. Voor een archief laat je hem aan.
Paginaformaat en brede tabellen
Het paginaformaat staat standaard op A4. De keuze is alleen A4 of Letter; een willekeurig formaat is er niet.
Daar komt een onvermijdelijk probleem uit voort. Een webpagina heeft geen vaste breedte: ze past zich aan het venster aan. Een PDF heeft wel een vaste breedte. Een brede tabel die in de browser zijwaarts scrolde, wordt aan de rand van het vel afgekapt.
Binnen de tool is daar niets aan te doen. Buiten de tool lost men het zo op: zet de zoom van de pagina in de browser lager voordat je opslaat, dan past de tabel in de breedte.
Wanneer HTML platte tekst wordt
Er is een automatische snelle route. Zeer grote HTML-bestanden zonder afbeeldingen, tabellen, ingebedde stijlen en media worden als platte tekst weergegeven, zonder opmaak.
Dat is een bewuste keuze: een pagina van enkele megabytes aan pure tekst volledig renderen is kostbaar en levert hetzelfde op.
Het gebeurt niet ongemerkt. Het resultaat bevat een waarschuwing dat het document in vereenvoudigde vorm is samengesteld en dat de opmaak niet is behouden. Past dat resultaat je niet, dan is het bestand per ongeluk door de heuristiek getroffen en loont het om de pagina opnieuw op te slaan in een vorm waarin de markup behouden blijft.
Wat je met het klare archief doet
Drie stappen die je direct kunt zetten.
Controleer het gewicht. Een pagina vol afbeeldingen geeft een zware PDF, en met PDF comprimeren online maak je hem kleiner zonder de tekst aan te raken.
Vul de documenteigenschappen in. In een PDF die uit HTML is gemaakt is het titelveld meestal leeg of bevat het een technische tekenreeks. Met een zinvolle titel en datum via PDF-metadata instellen online is een archief over een jaar veel gemakkelijker te doorzoeken.
Vormen meerdere pagina's samen één document, voeg ze dan samen met PDF samenvoegen online in leesvolgorde in plaats van in de volgorde waarin je ze hebt opgeslagen.
En tot slot. Voor langdurige bewaring loont het om het resultaat door PDF naar PDF/A online te halen: het archiefprofiel eist dat alles wat nodig is voor de weergave in het bestand zelf zit, en dat is precies wat een archief wil.
Auteur
Opgesteld door het serviceteam; Sergey Gagin is verantwoordelijk voor de dienst
Veelgestelde vragen
Meer uit dit cluster
beveiliging
Een pdf beveiligen met een wachtwoord
Hoe je een pdf met een wachtwoord beveiligt voordat je hem mailt, wat dat echt doet en waarom het wachtwoord apart van het bestand moet reizen.
beveiliging
Een PDF-wachtwoord verwijderen
Een PDF kent twee beveiligingsmechanismen en maar één ervan is echt. Wat versleuteling je geeft, waarom een kopieerbeperking slechts een verzoek is en waarom een leeg wachtwoordveld soms de oplossing is.
beveiliging
Gevoelige gegevens in een PDF onleesbaar maken
Een zwarte balk over tekst verwijdert niets. Hoe de redactiestijlen echt verschillen, waarom vervagen niet telt als verwijderen en wat er met de metadata gebeurt.
Verwante tools
HTML naar PDF online
Zet een HTML-pagina om naar PDF om de inhoud als document op te slaan, om te archiveren of te versturen.
PDF online comprimeren
Verklein een PDF voor e-mail of een uploadformulier. Kies een voorinstelling of doelgrootte en controleer de leesbaarheid en de uiteindelijke bestandsgrootte voordat je het deelt.
Meerdere PDF-bestanden samenvoegen
Voeg losse PDF-bestanden samen tot één document. Upload de bestanden, zet ze in de gewenste volgorde en download de nieuwe PDF.
PDF naar PDF/A online
Zet een gewone PDF om naar PDF/A, een formaat dat is bedoeld voor langdurige archivering van documenten.
Wat nu?
Alle tools
Catalogus met PDF-tools: voeg PDF's samen, comprimeer, splits, converteer, roteer, beveilig en ontgrendel ze online, online.
Veelgestelde vragen
Antwoorden over iHatePDF-accounts, bestandsverwerking, uploadlimieten, mobiel gebruik, privacy en wat je doet als een pdf-tool een foutmelding geeft.
Contact
Neem contact op met iHatePDF over verwerkingsfouten, het kiezen van een tool, beveiliging, zakelijke vragen en suggesties voor nieuwe functies.