Извлечение MHTML

Из одного файла обратно во множество

Архив MHT — это сообщение multipart/related: HTML плюс каждая картинка, таблица стилей и скрипт, на которые ссылалась страница, всё в одном файле. Этот инструмент разбирает его обратно.

Каждая часть перечислена с типом MIME, транспортной кодировкой, объявленной кодировкой символов, Content-Location, Content-ID и обоими размерами: хранимым и после декодирования. Эти два числа рядом показывают транспортное декодирование в работе: base64-картинка теряет примерно четверть объёма, а quoted-printable-текст почти не меняется, если он не набит акцентированными символами или длинными строками.

ZIP — это рабочая папка, а не куча кусков

Именно этот шаг пропускает большинство извлекателей. Разрезать сообщение на файлы легко; получить нечто, что действительно открывается, — вот полезная часть.

• Корневой HTML записывается как index.html.
• Всё остальное попадает в assets/ с именем из Content-Location или Content-ID, без дублей и с разумным расширением, если у оригинала его не было.
• Ссылки src, href и url() в CSS — все они по-прежнему указывают на исходные абсолютные веб-адреса — переписываются на эти относительные пути.

Распакуйте результат, дважды щёлкните index.html, и страница откроется с картинками и оформлением. Ради этого её и извлекают.

Сопоставление ссылок использует тот же код, что и просмотрщик MHTML, поэтому cid:-ссылки, совпадения по Content-Location и относительные ссылки, разрешаемые относительно адреса самой страницы, ведут себя в обоих инструментах одинаково.

Предпросмотр и отдельные загрузки

Любую часть можно посмотреть на месте — текст декодируется объявленной кодировкой, изображения отрисовываются — и скачать отдельно. Ничего не перекодируется: картинка выходит ровно теми байтами, которые хранил архив.

Когда архив неполон

Ссылки, которых архив никогда не сохранял, перечисляются отдельно. В извлечённом HTML они по-прежнему указывают на исходные адреса, и отсюда за ними никто не ходит.

Конфиденциальность

Архив открывается в браузере. Он никогда не загружается на сервер, и ни по одной его ссылке не делается сетевой запрос.