Convertire HTML in PDF

Meno di quanto la gente si aspetti. Un documento HTML è la struttura e le parole: titoli, paragrafi, tabelle, e riferimenti a tutto il resto. Il foglio di stile che gli dà un aspetto è di solito un file separato, indicato per indirizzo. E così i caratteri, le immagini e gli script.

Quando aprite un file simile in un browser, il browser va a prendere tutto quanto e assembla la pagina davanti a voi — ed è per questo che sembra completa ed è per questo che il file dà l’impressione di contenere una pagina web. Non la contiene. Consegnate lo stesso file a qualcosa che non può andare a prendere niente, e ciò che resta è il testo, nel carattere predefinito, in una colonna sola.

Tecnicamente sarebbe possibile seguire quei collegamenti e scaricare il foglio di stile, i caratteri e le immagini. Non lo facciamo, e il motivo merita di essere detto chiaramente: un convertitore che va a prendere le URL trovate dentro i file dei propri utenti è una macchina che chiunque se ne accorga punterà volentieri verso indirizzi interni.

Il server di conversione qui non ha alcuna via verso internet. È la stessa proprietà che garantisce che il vostro documento non possa essere mandato da nessuna parte, e significa necessariamente che un foglio di stile collegato è un collegamento verso il nulla. Le due cose sono la stessa decisione vista da lati diversi.

Che basti a sé stesso, ecco tutto il requisito. Mettete il CSS in un blocco `<style>` dentro il documento invece di collegarlo. Incorporate le immagini come URI di dati — base64 dentro l’attributo `src` — anziché puntare a dei file. Usate caratteri che esistono su un sistema normale, perché un font recuperato da un servizio di tipografia non arriverà.

Moltissimi documenti generati funzionano già così: le fatture dei programmi di contabilità, i report degli strumenti di analisi, le esportazioni dalle app di appunti e quasi tutti i modelli di email HTML sono costruiti autosufficienti proprio perché sopravvivano allo spostamento. Quelli si convertono con l’impaginazione intatta. Una pagina salvata con «Salva pagina con nome…» da un browser quasi mai, perché quello produce un file HTML più una cartella di risorse accanto.

Se l’obiettivo è conservare una copia di una pagina che state guardando — un articolo, una ricevuta, una conferma di prenotazione, una pagina che potrebbe sparire — chiudete questa scheda e premete Ctrl+P, o Cmd+P su un Mac, poi scegliete «Salva come PDF».

Il browser ha già fatto la parte difficile. Ogni foglio di stile è caricato, ogni carattere risolto, ogni immagine recuperata, ogni script eseguito. Sta producendo un PDF dalla pagina finita anziché da un file che la descrive, e nessun convertitore esterno può eguagliarlo perché nessun convertitore esterno ha la pagina assemblata. Questa pagina esiste per i file HTML che avete in mano; per le pagine che state guardando, lo strumento migliore è già aperto.

Il documento viene composto su pagine di formato standard con la tipografia predefinita del convertitore, a meno che il file non porti stili propri. Non c’è nessuna finestra a cui adattarsi, quindi a un’impaginazione pensata per uno schermo si sta ponendo una domanda per cui non è stata progettata.

Tutto ciò che usa stili di stampa nel proprio CSS li userà, ed è il meccanismo che un documento ben fatto ha già proprio per questo. Tutto ciò che si affida a JavaScript per disporsi, no, perché qui non viene eseguito niente.

I collegamenti testuali vengono conservati come collegamenti nel PDF, quindi una URL nel documento resta cliccabile. Anche le ancore interne che puntano ad altre parti dello stesso documento funzionano.

I collegamenti a file che stavano accanto all’HTML punteranno a indirizzi che non si risolvono più. Non è un difetto della conversione; è ciò che succede quando un documento che dipendeva dai propri vicini viene spostato da solo.

Uno schermo scorre lateralmente e una pagina no, quindi con una tabella larga bisogna fare qualcosa. Le colonne si comprimono, e oltre una certa larghezza il testo diventa troppo piccolo da leggere mentre la tabella resta tecnicamente completa.

Se il documento è soprattutto una tabella larga, decidete prima di convertire anziché dopo: riducete le colonne, oppure impostate un formato di pagina orizzontale nel CSS, che la conversione rispetterà.

Sono i file che si convertono meglio, e non è un caso. Le fatture dei programmi di contabilità, i report di analisi, le esportazioni dalle app di appunti e quasi tutti i modelli di email HTML sono costruiti autosufficienti così da sopravvivere all’inoltro.

Tutto ciò di cui hanno bisogno sta dentro l’unico file, che è esattamente la proprietà che questa conversione richiede. Se il vostro HTML viene da uno di quelli, aspettatevi che venga giusto.

Niente di ciò che sta nel file viene eseguito. Una pagina che costruisce il proprio contenuto con JavaScript si converte in ciò che dice il markup prima che lo script sarebbe partito, il che è spesso pochissimo.

È una proprietà di sicurezza e non una limitazione da aggirare: eseguire codice trovato dentro il file caricato da qualcuno non è una cosa che valga la pena fare per salvare un’impaginazione. Se il contenuto esiste solo dopo che uno script è girato, stampate dal vostro browser.