Convertir HTML a PDF

Menos de lo que la gente supone. Un documento HTML es la estructura y las palabras: títulos, párrafos, tablas, y referencias a todo lo demás. La hoja de estilos que hace que aquello se parezca a algo suele ser un archivo aparte, nombrado por su dirección. Y lo mismo las tipografías, las imágenes y los scripts.

Cuando abres un archivo así en un navegador, el navegador va a buscar todo eso y monta la página delante de ti, que es por lo que parece completa y por lo que da la sensación de que el archivo contiene una página web. No la contiene. Dale ese mismo archivo a algo que no pueda ir a buscar nada, y lo que queda es el texto, con la tipografía por defecto y en una sola columna.

Técnicamente sería posible seguir esos enlaces y descargar la hoja de estilos, las tipografías y las imágenes. No lo hacemos, y el motivo merece decirse claro: un conversor que va a buscar las URL que encuentra dentro de los archivos de sus usuarios es una máquina a la que cualquiera que se dé cuenta de eso apuntará encantado hacia direcciones internas.

El servidor de conversión de aquí no tiene salida a internet en absoluto. Esa es la misma propiedad que garantiza que tu documento no puede mandarse a ninguna parte, y necesariamente significa que una hoja de estilos enlazada es un enlace a nada. Las dos cosas son la misma decisión vista desde lados distintos.

Que se baste a sí mismo, ese es todo el requisito. Mete el CSS en un bloque `<style>` dentro del documento en lugar de enlazarlo. Incrusta las imágenes como URI de datos —base64 dentro del atributo `src`— en vez de apuntar a archivos. Usa tipografías que existan en un sistema normal, porque una fuente web traída de un servicio de tipografías no va a llegar.

Muchísimos documentos generados ya funcionan así: las facturas de los programas de contabilidad, los informes de las herramientas de analítica, las exportaciones de las aplicaciones de notas y casi todas las plantillas de correo en HTML se construyen autocontenidas precisamente para sobrevivir a que las muevan de sitio. Esos se convierten con su maquetación intacta. Una página guardada con «Guardar página como…» desde un navegador casi nunca, porque eso produce un archivo HTML más una carpeta de recursos al lado.

Si el objetivo es guardar una copia de una página que estás mirando —un artículo, un recibo, una confirmación de reserva, una página que podría desaparecer—, cierra esta pestaña y pulsa Ctrl+P, o Cmd+P en un Mac, y elige «Guardar como PDF».

El navegador ya ha hecho la parte difícil. Todas las hojas de estilo están cargadas, todas las tipografías resueltas, todas las imágenes traídas, todos los scripts ejecutados. Está produciendo un PDF a partir de la página terminada y no a partir de un archivo que la describe, y ningún conversor externo puede igualar eso porque ningún conversor externo tiene la página montada. Esta página existe para los archivos HTML que ya tienes en la mano; para las páginas que estás viendo, la mejor herramienta ya está abierta.

El documento se compone en páginas de tamaño estándar con la tipografía por defecto del conversor, salvo que el archivo lleve estilos propios. No hay ninguna ventana a la que adaptarse, así que a una maquetación pensada para una pantalla se le está haciendo una pregunta para la que no fue diseñada.

Todo lo que use estilos de impresión en su CSS los usará, que es el mecanismo que un documento bien hecho ya tiene precisamente para esto. Todo lo que dependa de JavaScript para ordenarse, no, porque aquí no se ejecuta nada.

Los enlaces de texto se conservan como enlaces en el PDF, así que una URL dentro del documento sigue pudiendo pulsarse. Las anclas internas que apuntan a otras partes del mismo documento también funcionan.

Los enlaces a archivos que estaban al lado del HTML apuntarán a direcciones que ya no resuelven. Eso no es un fallo de la conversión; es lo que pasa cuando un documento que dependía de sus vecinos se mueve solo.

Una pantalla se desplaza hacia los lados y una página no, así que con una tabla ancha hay que hacer algo. Las columnas se comprimen, y pasada cierta anchura el texto se vuelve demasiado pequeño para leerse mientras la tabla sigue técnicamente completa.

Si el documento es sobre todo una tabla ancha, decide antes de convertir y no después: reduce las columnas, o fija un tamaño de página horizontal en el CSS, que la conversión respetará.

Estos son los archivos que mejor se convierten, y no es casualidad. Las facturas de los programas de contabilidad, los informes de analítica, las exportaciones de las aplicaciones de notas y casi todas las plantillas de correo en HTML se construyen autocontenidas para sobrevivir a que las reenvíen.

Todo lo que necesitan está dentro del único archivo, que es exactamente la propiedad que esta conversión requiere. Si tu HTML salió de uno de esos, cuenta con que se vea bien.

Nada de lo que hay en el archivo se ejecuta. Una página que construye su contenido con JavaScript se convierte en lo que diga el marcado antes de que el script hubiera corrido, que con frecuencia es muy poco.

Eso es una propiedad de seguridad y no una limitación que haya que sortear: ejecutar código encontrado dentro del archivo que ha subido alguien no es algo que merezca la pena hacer para rescatar una maquetación. Si el contenido solo existe después de que un script se ejecute, imprime desde tu navegador.