مستخرج MHTML

من ملف واحد إلى ملفات كثيرة

أرشيف MHT رسالة من نوع multipart/related: شيفرة HTML مع كل صورة وورقة أنماط ونص برمجي أشارت إليه الصفحة، كلها في ملف واحد. وهذه الأداة تعيد فصلها.

يُدرَج كل جزء بنوع MIME وترميز النقل ومجموعة المحارف المعلَنة وContent-Location وContent-ID، ومعه الحجمان معاً: المخزَّن وبعد فكّ الترميز. ويظهر هذان الرقمان جنباً إلى جنب أثر فكّ ترميز النقل: تفقد صورة base64 نحو ربع حجمها، بينما لا يكاد يتغيّر جزء نصي بترميز quoted-printable ما لم يكن مليئاً بالمحارف المشكولة أو بالأسطر الطويلة.

ملف ZIP مجلد يعمل، لا كومة أجزاء

هذه هي الخطوة التي تتجاوزها معظم أدوات الاستخراج. تقسيم رسالة إلى ملفات أمر سهل، أما إنتاج شيء يمكن فتحه فعلاً فهو المفيد.

• تُكتَب شيفرة HTML الجذرية باسم index.html.
• ويذهب كل ما عداها إلى مجلد assets/ باسم مأخوذ من Content-Location أو Content-ID، بلا تكرار، مع امتداد معقول إن لم يكن للأصل امتداد.
• أما مراجع src وhref وurl() في CSS — وكلها ما زالت تشير إلى عناوين الويب المطلقة الأصلية — فتُعاد كتابتها إلى تلك المسارات النسبية.

فُكّ ضغط الناتج، وانقر نقراً مزدوجاً على index.html، فتظهر الصفحة بصورها وتنسيقها. وهذا هو المقصود من الاستخراج أصلاً.

ومطابقة المراجع تستخدم الشيفرة نفسها التي يستخدمها عارض MHTML، فتتصرف مراجع cid: والمطابقات عبر Content-Location والمراجع النسبية المحلولة بالنسبة إلى عنوان الصفحة تصرفاً متطابقاً في الأداتين.

معاينات وتنزيلات فردية

يمكن معاينة أي جزء في مكانه — النص مفكوك الترميز بمجموعة محارفه المعلَنة، والصور معروضة — وتنزيله وحده. ولا يُعاد ترميز شيء: تخرج الصورة ببايتاتها المخزَّنة في الأرشيف تماماً.

حين يكون الأرشيف ناقصاً

تُسرَد على حدة المراجع التي لم يحفظها الأرشيف قط. وتبقى في شيفرة HTML المستخرَجة مشيرة إلى عناوينها الأصلية، ولا تُجلَب من هنا.

الخصوصية

يُفتَح الأرشيف في متصفحك، ولا يُرفَع أبداً، ولا يُرسَل أي طلب شبكة لأي شيء يشير إليه.