HTML in PDF umwandeln

Weniger, als die meisten erwarten. Ein HTML-Dokument ist das Gerüst und die Wörter: Überschriften, Absätze, Tabellen, und Verweise auf alles Übrige. Das Stylesheet, das daraus überhaupt etwas macht, ist üblicherweise eine eigene Datei, per Adresse benannt. Ebenso die Schriften, die Bilder und die Skripte.

Wenn du so eine Datei in einem Browser öffnest, holt der Browser all das und baut die Seite vor dir zusammen — deshalb sieht sie vollständig aus, und deshalb fühlt sich die Datei an, als enthielte sie eine Webseite. Tut sie nicht. Gib dieselbe Datei etwas, das nichts holen kann, und übrig bleibt der Text, in der Standardschrift, in einer Spalte.

Technisch wäre es möglich, diesen Verweisen zu folgen und Stylesheet, Schriften und Bilder herunterzuladen. Wir tun es nicht, und der Grund gehört klar gesagt: Ein Umwandler, der URLs abruft, die er in Benutzerdateien findet, ist eine Maschine, die jede Person, die das herausbekommt, bereitwillig auf interne Adressen richten wird.

Der Umwandlungsserver hier hat überhaupt keine Route ins Internet. Das ist dieselbe Eigenschaft, die garantiert, dass dein Dokument nirgendwohin geschickt werden kann, und sie bedeutet zwangsläufig, dass ein verknüpftes Stylesheet ein Verweis ins Leere ist. Beides ist dieselbe Entscheidung, von zwei Seiten betrachtet.

Für sich allein stehen — das ist die ganze Anforderung. Schreib das CSS in einen `<style>`-Block im Dokument, statt es zu verknüpfen. Bette Bilder als Daten-URI ein — base64 im `src`-Attribut — statt auf Dateien zu zeigen. Nimm Schriften, die es auf einem gewöhnlichen System gibt, denn eine von einem Schriftendienst geholte Webschrift wird nicht ankommen.

Sehr viele erzeugte Dokumente funktionieren bereits so: Rechnungen aus Buchhaltungssoftware, Berichte aus Analysewerkzeugen, Exporte aus Notiz-Apps und fast alle HTML-Mailvorlagen sind gerade deshalb in sich geschlossen gebaut, damit sie das Herumgeschicktwerden überstehen. Die wandeln sich mit intaktem Layout um. Eine mit «Seite speichern unter…» aus einem Browser gesicherte Seite fast nie, denn dabei entsteht eine HTML-Datei plus ein Ordner mit Ressourcen daneben.

Wenn es darum geht, eine Kopie einer Seite zu behalten, die du gerade ansiehst — ein Artikel, eine Quittung, eine Buchungsbestätigung, eine Seite, die vielleicht verschwindet —, dann schließ diesen Tab und drück Strg+P, auf einem Mac Cmd+P, und wähl «Als PDF speichern».

Den schwierigen Teil hat der Browser bereits erledigt. Jedes Stylesheet ist geladen, jede Schrift aufgelöst, jedes Bild geholt, jedes Skript gelaufen. Er erzeugt ein PDF aus der fertigen Seite und nicht aus einer Datei, die eine beschreibt — und kein externer Umwandler kann das erreichen, weil kein externer Umwandler die zusammengebaute Seite hat. Diese Seite gibt es für die HTML-Dateien, die du in der Hand hältst; für die Seiten, die du gerade ansiehst, ist das bessere Werkzeug schon offen.

Das Dokument wird auf Seiten in Standardgröße gesetzt, mit der Standardtypografie des Umwandlers, sofern die Datei keine eigenen Stile mitbringt. Es gibt kein Fenster, auf das reagiert werden könnte, einem für den Bildschirm gebauten Layout wird hier also eine Frage gestellt, für die es nicht entworfen wurde.

Alles, was in seinem CSS Druckstile verwendet, wird sie verwenden — das ist die Vorrichtung, die ein gut gebautes Dokument genau dafür schon hat. Alles, was sich per JavaScript selbst anordnet, nicht, denn hier läuft nichts.

Textlinks bleiben im PDF Links erhalten, eine URL im Dokument bleibt also anklickbar. Interne Anker, die auf andere Stellen desselben Dokuments zeigen, funktionieren ebenfalls.

Links auf Dateien, die neben dem HTML lagen, zeigen auf Adressen, die sich nicht mehr auflösen. Das ist kein Fehler der Umwandlung; das passiert, wenn ein Dokument, das von seinen Nachbarn abhing, allein umgezogen wird.

Ein Bildschirm scrollt zur Seite, eine Seite nicht — mit einer breiten Tabelle muss also irgendetwas geschehen. Spalten werden gestaucht, und ab einer gewissen Breite ist der Text zu klein zum Lesen, während die Tabelle technisch vollständig bleibt.

Wenn das Dokument überwiegend eine breite Tabelle ist, entscheide vor dem Umwandeln und nicht danach: Reduzier die Spalten, oder setz im CSS ein Querformat, an das sich die Umwandlung hält.

Das sind die Dateien, die sich am besten umwandeln, und das ist kein Zufall. Rechnungen aus Buchhaltungssoftware, Analyseberichte, Exporte aus Notiz-Apps und fast alle HTML-Mailvorlagen sind in sich geschlossen gebaut, damit sie das Weiterleiten überstehen.

Alles, was sie brauchen, steckt in dieser einen Datei — und genau das ist die Eigenschaft, die diese Umwandlung verlangt. Wenn dein HTML aus so einer Quelle stammt, kannst du damit rechnen, dass es richtig aussieht.

Nichts in der Datei wird ausgeführt. Eine Seite, die ihren Inhalt per JavaScript aufbaut, wird zu dem, was das Markup sagt, bevor das Skript gelaufen wäre — und das ist häufig sehr wenig.

Das ist eine Sicherheitseigenschaft und keine Einschränkung, um die man herumarbeiten sollte: Code auszuführen, der in einer hochgeladenen Datei steht, ist nichts, was sich lohnt, um ein Layout zu retten. Wenn der Inhalt erst existiert, nachdem ein Skript gelaufen ist, druck aus deinem Browser.