Converter HTML para PDF

Menos do que se imagina. Um documento HTML é a estrutura e as palavras: títulos, parágrafos, tabelas e referências a todo o resto. A folha de estilo que faz aquilo parecer alguma coisa costuma ser outro arquivo, indicado por endereço. As fontes, as imagens e os scripts também.

Quando você abre esse arquivo num navegador, ele busca tudo isso e monta a página na sua frente — é por isso que parece completa e é por isso que o arquivo dá a impressão de conter uma página web. Não contém. Entregue o mesmo arquivo a algo que não pode buscar nada, e o que sobra é o texto, na fonte padrão do navegador, numa coluna só.

Tecnicamente seria possível seguir esses endereços e baixar a folha de estilo, as fontes e as imagens. Não fazemos, e a razão merece ser dita sem rodeio: um conversor que busca URLs encontradas dentro de arquivos de usuário é uma máquina que qualquer pessoa que descubra isso vai apontar com prazer para endereços internos.

O servidor de conversão daqui não tem rota nenhuma para a internet. É a mesma propriedade que garante que o seu documento não pode ser mandado para lugar nenhum, e ela necessariamente faz de uma folha de estilo ligada um link para o nada. As duas coisas são a mesma decisão vista de lados diferentes.

Autossuficiente é o requisito inteiro. Ponha o CSS num bloco `<style>` dentro do documento em vez de ligar por fora. Embuta as imagens como data URI — base64 dentro do atributo `src` — em vez de apontar para arquivos. Use fontes que existam num sistema comum, porque uma fonte buscada de um serviço na web não vai chegar.

Uma enorme quantidade de documento gerado já funciona assim: nota fiscal de sistema contábil, relatório de ferramenta de análise, exportação de aplicativo de anotações e a maioria dos modelos de e-mail em HTML são montados autossuficientes justamente para sobreviverem a ser movidos. Esses convertem com a diagramação inteira. Uma página salva com «Salvar página como…» no navegador quase nunca converte, porque aquilo produz um arquivo HTML mais uma pasta de recursos ao lado.

Se o objetivo é guardar cópia de uma página que você está vendo — uma matéria, um comprovante, uma confirmação de reserva, uma página que pode sumir —, feche esta aba e aperte Ctrl+P, ou Cmd+P no Mac, e escolha «Salvar como PDF».

O navegador já fez a parte difícil. Toda folha de estilo carregada, toda fonte resolvida, toda imagem buscada, todo script executado. Ele está produzindo um PDF a partir da página pronta, e não de um arquivo que descreve uma — e nenhum conversor externo empata com isso, porque nenhum conversor externo tem a página montada. Esta página existe para os arquivos HTML que você já tem; para as páginas que você está olhando, a ferramenta melhor já está aberta.

O documento é composto em páginas de tamanho padrão, com a tipografia padrão do conversor, a menos que o arquivo traga estilos próprios. Não existe janela de navegador para responder, então uma diagramação feita para tela está sendo submetida a uma pergunta para a qual não foi desenhada.

O que usa estilos de impressão no CSS vai usá-los, que é o mecanismo que um documento bem construído já tem exatamente para isto. O que depende de JavaScript para se organizar não vai, porque nada é executado.

Links de texto são preservados como links no PDF, então uma URL no documento continua clicável. Âncoras internas apontando para outras partes do mesmo documento também funcionam.

Links para arquivos que estavam ao lado do HTML vão apontar para endereços que não resolvem mais. Isso não é defeito da conversão; é o que acontece quando um documento que dependia dos vizinhos é levado sozinho.

Tela rola para o lado e página não, então uma tabela larga precisa ser resolvida de algum jeito. As colunas se comprimem e, passada certa largura, o texto fica pequeno demais para ler enquanto a tabela continua tecnicamente completa.

Se o documento é sobretudo uma tabela larga, decida antes de converter e não depois: reduza as colunas, ou defina página deitada no CSS, que a conversão respeita.

São os arquivos que convertem melhor, e não por acaso. Nota fiscal de sistema contábil, relatório de análise, exportação de aplicativo de anotações e a maioria dos modelos de e-mail em HTML são montados autossuficientes para sobreviverem a um encaminhamento.

Tudo de que precisam está dentro do arquivo único, que é precisamente a propriedade que esta conversão exige. Se o seu HTML veio de um desses, conte com um resultado com a cara certa.

Nada dentro do arquivo é executado. Uma página que monta o próprio conteúdo com JavaScript converte para o que quer que a marcação diga antes de o script rodar, o que muitas vezes é pouquíssimo.

Isso é uma propriedade de segurança, não uma limitação a contornar: executar código encontrado dentro do arquivo enviado por alguém não é coisa que se faça para salvar uma diagramação. Se o conteúdo só existe depois de um script rodar, imprima pelo seu navegador.