Convertire HTML in PDF

Il PDF viene costruito a partire dalla struttura dell’HTML, non dal suo aspetto: titoli, elenchi, tabelle, citazioni e blocchi preformattati vengono impaginati in modo pulito, il tag title dà il titolo al documento e le righe di intestazione di una tabella, fatte di celle di intestazione (th), si ripetono in cima a ogni pagina. Una tabella troppo larga per la pagina viene stampata più piccola e, se ancora non ci sta, divisa in tabelle successive in cui la prima colonna è ripetuta; un messaggio allora lo segnala. Un’immagine più di due volte più alta della pagina (una lunga infografica, uno screenshot del telefono) mantiene la sua larghezza e prosegue nelle pagine successive; un’immagine meno alta viene rimpicciolita per stare in una pagina. È adatto a un’e-mail salvata in .html, a un’esportazione di documentazione o di note, o a un report generato da un programma.

Poiché la disposizione del sito non viene riprodotta, una pagina web salvata dal browser porta con sé anche menu, barre laterali e piè di pagina, sotto forma di testo. I suoi blocchi sono scritti nell’ordine in cui la pagina li mostra sullo schermo (riquadri flex, griglie) e separati come lei li separa, e una tabella fatta con gli stili resta una tabella; un blocco che la pagina colloca in cima al suo riquadro, dopo l’inizio della prima riga (un prezzo in alto a destra in una scheda prodotto), è scritto dopo quella riga; un altro blocco che la pagina colloca altrove con la sua posizione (posizione assoluta o fissa) resta al suo posto nel file, e un messaggio lo cita. Ciò che la pagina stessa nasconde, con l’attributo hidden, con stili scritti nel file, in una finestra di dialogo o una finestra popover chiuse o con un blocco di dimensione fissa che taglia ciò che lo supera, resta nascosto come nel browser di un computer, sullo schermo (le regole riservate alla stampa non nascondono né mostrano nulla; un messaggio cita ciò che la pagina stampata mostra diversamente), e un messaggio cita il testo tagliato; una riga che un blocco taglia in parte viene tenuta intera, e un messaggio cita ciò che la pagina ne nasconde; il contenuto di una sezione chiusa viene ripreso aperto, e il testo che la pagina rende invisibile senza toglierlo (trasparente, di dimensione nulla, del colore dello sfondo, fuori dallo schermo, in una forma, sotto una maschera o sotto un filtro) viene ripreso: un messaggio cita l’uno e l’altro. Grassetto, corsivo o barrato dati da quegli stili vengono mantenuti, come i simboli e i numeri degli elenchi che definiscono (A., i., ✔, un numero imposto a una voce), le maiuscole o minuscole che impongono, applicate secondo la lingua del testo, e gli a capo e gli spazi che conservano (proprietà white-space: esportazione di Notion, codice incollato da un editor). Il maiuscoletto e il testo a specchio, capovolto, verticale o ruotato vengono scritti in lettere normali e in righe orizzontali, e un testo mostrato in un ordine forzato (elemento bdo) viene ripreso con caratteri di controllo Unicode che mantengono quell’ordine; un messaggio segnala questi testi e ne cita alcuni esempi. Un’immagine che la pagina ruota o capovolge, da sola o tramite il blocco che la contiene, mantiene il suo angolo, e un’immagine che il suo riquadro ritaglia o circonda di spazio (object-fit) è disegnata come la mostra la pagina. Ciò che nascondeva un foglio di stile separato, come un banner dei cookie, può invece ricomparire: un messaggio nomina quei fogli, che il convertitore non può leggere; e se l’impaginazione della pagina non può essere calcolata, un messaggio avverte che nel file può comparire del testo tagliato o nascosto. Gli elenchi di una pagina esportata da Google Docs o da Word mantengono livelli e numerazione, e i simboli dei font Symbol e Wingdings di una pagina salvata da Word diventano i caratteri mostrati (α, Ω, ✓). I contenuti aggiunti da JavaScript, frequenti nei siti moderni, mancano nel file. Una pagina fatta solo di frame (come l’indice di una vecchia documentazione Javadoc) viene rifiutata, con il nome dei file che mostra: converti quelli. Le immagini salvate in una cartella separata o sul Web non vengono incluse: la loro descrizione, quando ne hanno una, viene scritta al loro posto, come in un browser che non può mostrarle, e un messaggio le segnala. Le interruzioni di pagina richieste per la stampa (stili di interruzione di pagina, sezioni di una pagina web di Word) vengono riprese, come il formato e l’orientamento delle pagine (@page): se imponi A4 o Letter nelle impostazioni, viene mantenuto solo l’orientamento, e senza regola @page, le pagine sono in A4. Un file .xhtml viene letto come lo apre il browser.