MHTML 抽出ツール

一つのファイルから元の複数ファイルへ

MHT アーカイブは multipart/related のメッセージです。HTML と、そのページが参照していた画像・スタイルシート・スクリプトが、すべて一つのファイルに入っています。このツールはそれをもう一度ばらします。

各パートは MIME タイプ、転送エンコーディング、宣言された文字セット、Content-Location、Content-ID に加えて、格納サイズと復号後サイズの両方が表示されます。この二つの数字を並べると転送デコードの働きが見えます。Base64 の画像はおよそ四分の一縮み、quoted-printable のテキストはアクセント付き文字や長い行だらけでない限りほとんど変わりません。

ZIP は「動くフォルダー」であって、パートの寄せ集めではありません

ここを飛ばす抽出ツールがほとんどです。メッセージをファイルに切り分けるのは簡単で、実際に開けるものを作るところが役に立つ部分です。

• ルートの HTML は index.html として書き出します。
• それ以外はすべて assets/ に入れ、Content-Location か Content-ID から名前を取り、重複を避け、元に拡張子がなければ妥当なものを付けます。
• HTML の src・href・CSS の url() は、いずれも元の絶対 URL を指したままなので、それらの相対パスに書き換えます。

展開して index.html をダブルクリックすれば、画像とスタイルつきでページが表示されます。抽出する意味はまさにそこにあります。

参照の突き合わせは MHTML ビューアーと同じコードを使うので、cid: 参照、Content-Location 一致、ルートページ自身のアドレスに対して解決される相対参照は、どちらのツールでもまったく同じように振る舞います。

プレビューと個別ダウンロード

どのパートもその場でプレビューでき（テキストは宣言された文字セットで復号、画像は描画）、単体でダウンロードもできます。再エンコードはしません。画像はアーカイブに格納されていたバイト列のまま出てきます。

アーカイブが不完全なとき

アーカイブが保存しなかった参照は別に一覧します。抽出後の HTML では元のアドレスを指したままで、ここから取りに行くことはありません。

プライバシー

アーカイブはブラウザー内で開かれます。アップロードは一切なく、参照先へのネットワーク要求も行いません。