Le HTML est le balisage du web, avec des titres et des tableaux natifs. L'EPUB est un livre au texte redistribuable, découpé en chapitres. pandoc se tient entre les deux, et cette page dit exactement ce qui arrive à un fichier HTML en route vers l'EPUB.
Ce qui s'exécute quand un fichier HTML devient un EPUB
pandoc en deux passes, sur une machine que nous louons et que nous surveillons. Votre fichier HTML est envoyé une fois, pandoc s'exécute une fois, le fichier EPUB revient, et aucun des deux fichiers n'est conservé. HTML vers EPUB fait partie des 3649 paires sur lesquelles ce moteur a été sondé avec un vrai fichier, et c'est pour cela que cette page existe quand celles que la sonde n'a pas su prouver n'existent pas.
Ce qui survit du fichier HTML dans le fichier EPUB
La hiérarchie des titres. pandoc analyse le fichier HTML vers son propre arbre de document et écrit cet arbre en EPUB, si bien qu'un titre de niveau deux reste un titre de niveau deux et non simplement du texte en gras.
Les tableaux, reconstruits en syntaxe EPUB plutôt que photographiés. C'est la différence entre un tableau qu'une machine sait lire et l'image d'un tableau, et c'est toute la raison de faire passer un fichier HTML par pandoc plutôt que par une imprimante.
Les listes du fichier HTML, imbrications comprises, plus les blocs de code, les citations et les liens, tous réexprimés en EPUB.
Les images : pandoc les extrait du fichier HTML vers un répertoire de travail et les réintègre dans l'EPUB, si bien que rien ne finit par pointer vers un fichier qui n'existe plus.
Ce que la conversion HTML vers EPUB vous coûte
La couche de présentation. pandoc ne traduit pas le fichier HTML en EPUB, il le reconstruit depuis son propre arbre de document : les styles personnalisés, la mise en page, les en-têtes et les pieds de page ne traversent pas. La structure, si, et c'est de cela que l'arbre est fait.
Si un modèle doit lire le fichier EPUB
La structure est ce qui subsiste du fichier HTML, et la structure est ce dont un modèle a besoin. HTML en entrée, EPUB en sortie, avec l'arbre des titres intact plutôt qu'aplati en un seul long paragraphe.
HTML vers EPUB, mesuré plutôt que promis
En passant HTML vers EPUB sur le moteur réel avec un vrai fichier, pandoc a écrit 5 027 octets au format EPUB en 0,1 secondes, machine par ailleurs au repos. C'est un fichier HTML un jour donné et non une moyenne, et c'est pourquoi le nombre est donné avec le fichier qui l'a produit.
Le verdict HTML vers EPUB a été obtenu par un aller-retour pandoc, c'est-à-dire que la sortie a été relue par pandoc et devait encore contenir un mot témoin planté dans la source, ce qui prouve que le contenu a voyagé et pas seulement le conteneur. Le contrôle employé compte, parce qu'ils ne prouvent pas tous la même chose, et un code de statut 200 ne prouve strictement rien sur ce que le fichier EPUB contient.
Le même fichier HTML, envoyé ailleurs
Les autres sorties que la sonde a mesurées à partir d'un fichier HTML, pour que le coût du choix du format EPUB se lise face à quelque chose. Les tailles ne se comparent pas d'un moteur à l'autre, chaque famille ayant été sondée avec son propre fichier témoin HTML.
HTML vers PDF : 25 178 octets en 1,9 secondes, vérifié par une signature de format.
HTML vers MD : 371 octets en moins d'un dixième de seconde, vérifié par un aller-retour pandoc.
HTML vers DOCX : 10 277 octets en 0,1 secondes, vérifié par un aller-retour pandoc.
HTML vers TXT : 270 octets en moins d'un dixième de seconde, vérifié par la relecture du texte.
HTML vers RTF : 775 octets en moins d'un dixième de seconde, vérifié par un aller-retour pandoc.
HTML vers ODT : 7 629 octets en 0,1 secondes, vérifié par un aller-retour pandoc.
Les autres routes vers EPUB, et ce qu'elles ont mesuré
Parmi les routes publiées vers EPUB, HTML est la neuvième plus grosse sortie des 11 mesurées. Les fichiers témoins diffèrent : ce classement porte sur la sonde et non sur votre document.
JSON vers EPUB : 5 035 octets en 0,1 secondes.
ODT vers EPUB : 5 063 octets en 0,1 secondes.
RTF vers EPUB : 5 033 octets en 0,1 secondes.
TXT vers EPUB : 4 955 octets en 0,1 secondes.
MOBI vers EPUB : 22 644 octets en 0,6 secondes.
Ce que nous ne prétendrons pas sur HTML vers EPUB
Un fichier HTML de plus de 25 Mo est refusé avant la fin de l'envoi plutôt qu'après, pour que vous n'attendiez pas un refus.
Une conversion HTML vers EPUB qui dépasse 60 secondes est tuée, et le processus pandoc avec elle. Une exécution abandonnée resterait posée sur l'un des deux cœurs de la machine jusqu'à ce que quelqu'un le remarque.
32 des 935 paires sondées dans la famille qui sert HTML vers EPUB ont échoué, et celle-ci n'en fait pas partie. Elles échouent pour des raisons qu'il vaut mieux connaître : un rédacteur incapable de porter ce dont le document est fait, ou une sortie que le moteur n'a pas su relire. Elles sont comptées ici plutôt que cachées, parce qu'une paire qui échoue en silence est pire qu'une paire qui échoue bruyamment.
pandoc n'écrit jamais l'EPUB en passant par un moteur TeX ici, et il n'écrit pas de PDF du tout : les onze moteurs qu'il lui faudrait ne sont pas sur cette machine, et une distribution TeX pèse plusieurs gigaoctets. Qui veut un PDF à partir d'un fichier HTML passe par LibreOffice ou par calibre, qui en sont réellement capables.
Un fichier HTML à la fois, choisi dans le navigateur. Il n'y a rien d'autre à régler et rien d'autre à proposer.
HTML vers EPUB : les questions que l'on pose
Qu'est-ce qui convertit vraiment mon fichier HTML en EPUB ?
C'est pandoc qui s'en charge, en deux passes, sur une machine que nous louons et que nous surveillons. Ni astuce de navigateur, ni service d'un tiers : le fichier HTML est envoyé une fois, pandoc s'exécute une fois, l'EPUB revient, et aucun des deux fichiers n'est conservé ensuite.
Combien de temps prend une conversion HTML vers EPUB ?
Sur le fichier utilisé par la sonde, pandoc a mis 0,1 seconde et écrit 5 027 octets d'EPUB. C'est une mesure réelle sur un fichier HTML réel, pas une moyenne et pas une promesse sur le vôtre : un HTML plus gros prend plus longtemps, et au-delà de 60 secondes l'exécution est arrêtée.
Qu'est-ce que je perds en passant du HTML à l'EPUB ?
Celle qu'il faut connaître en premier : la couche de présentation. pandoc ne traduit pas le fichier HTML en EPUB, il le reconstruit depuis son propre arbre de document : les styles personnalisés, la mise en page, les en-têtes et les pieds de page ne traversent pas. La structure, si, et c'est de cela que l'arbre est fait.
Les tableaux de mon fichier HTML sont-ils encore des tableaux dans l'EPUB ?
Oui. pandoc lit les tableaux du HTML dans son propre arbre de document et les réécrit en syntaxe EPUB, si bien que vous obtenez un tableau qu'une machine sait analyser plutôt qu'une image de tableau.
La conversion HTML vers EPUB est-elle gratuite ?
Il y a une franchise gratuite chaque mois, et une conversion HTML vers EPUB coûte un demi-crédit dessus. Quand la franchise est épuisée, l'outil le dit et s'arrête, plutôt que de vous remettre discrètement un EPUB moins bon.