MHTML / MHT 查看器

MHT 文件到底是什么

当年 Internet Explorer、Word 或 Chrome 的"另存为 MHTML"把网页写成单个文件时，产出的其实是一封符合 RFC 2557 的邮件报文。一个 multipart/related 正文里装着 HTML，外加页面引用过的每一张图片、每份样式表和每个脚本，每一部分都标注了它的来源 URL。这个格式本身相当合理，只是如今几乎没有软件还能打开它。

页面是怎样还原的

先把各部分拆开，按各自的传输编码解码（文本通常是 quoted-printable，图片是 base64），然后重写根 HTML 中的引用。最后这一步才是全部工作所在：每个 src、href 和 CSS 的 url() 仍然指向原始的绝对地址，不重写页面就会光秃秃地显示出来。每个引用都会与为它保存的那一部分对应起来——通过 Content-Location，或者对 cid: 引用通过 Content-ID——然后改为指向那一部分的字节。

不联网，不执行脚本

还原后的页面放进一个 iframe，其 sandbox 只有 allow-same-origin，没有别的。没有 allow-scripts，所以存档里的脚本一个都跑不起来。

此外还会向页面注入 default-src 'none' 的内容安全策略。这一点比听上去更重要：任何存档没有保存的引用，在重写之后仍然是绝对的 http 地址，浏览器渲染时会悄悄去请求它。这条策略阻止了这种行为，只有 blob: 和 data: 这两种指向文件内部内容的地址才被允许加载。

不完整的存档

网页存档经常保存得并不完整：样式表里声明却未被抓取的背景图、延迟加载的图片、放在别的域名上的字体。这些引用会被统计并列出。如果页面看起来不对劲，这份清单通常就能解释原因，比一个破损图片图标要有用得多。

还会显示

主题、页面保存的日期，以及原始 URL——即根部分的 Content-Location，也就是这个页面真正的来源。此外还有每一部分的 MIME 类型、传输编码、声明的字符集和解码后大小，并可切换查看根 HTML 的源码。

隐私

存档在你的浏览器中打开，不会上传，它和本工具都不会访问网络。