Le HTML est le balisage du web, avec des titres et des tableaux natifs. Le RTF est du texte enrichi que presque tous les traitements de texte jamais écrits savent ouvrir. pandoc se tient entre les deux, et cette page dit exactement ce qui arrive à un fichier HTML en route vers le RTF.
Ce qui s'exécute quand un fichier HTML devient un RTF
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 RTF revient, et aucun des deux fichiers n'est conservé. HTML vers RTF 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 RTF
La hiérarchie des titres. pandoc analyse le fichier HTML vers son propre arbre de document et écrit cet arbre en RTF, 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 RTF 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 RTF.
Les images : pandoc les extrait du fichier HTML vers un répertoire de travail et les réintègre dans le RTF, si bien que rien ne finit par pointer vers un fichier qui n'existe plus.
Ce que la conversion HTML vers RTF vous coûte
La couche de présentation. pandoc ne traduit pas le fichier HTML en RTF, 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.
D'où viennent les fichiers HTML et RTF
RTF. Presque tout sait l'écrire, et c'est tout l'intérêt : un RTF est du texte brut que vous pouvez ouvrir dans un éditeur de texte et lire. C'était le format d'échange avant qu'il existe une norme ouverte, et il survit dans les exports de logiciels trop vieux ou trop petits pour livrer mieux.
Si un modèle doit lire le fichier RTF
La structure est ce qui subsiste du fichier HTML, et la structure est ce dont un modèle a besoin. HTML en entrée, RTF en sortie, avec l'arbre des titres intact plutôt qu'aplati en un seul long paragraphe.
HTML vers RTF, mesuré plutôt que promis
En passant HTML vers RTF sur le moteur réel avec un vrai fichier, pandoc a écrit 775 octets au format RTF en moins d'un dixième de seconde, 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 RTF 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 RTF 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 RTF 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 EPUB : 5 027 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 ODT : 7 629 octets en 0,1 secondes, vérifié par un aller-retour pandoc.
Les autres routes vers RTF, et ce qu'elles ont mesuré
Parmi les routes publiées vers RTF, HTML est la huitième plus grosse sortie des 11 mesurées. Les fichiers témoins diffèrent : ce classement porte sur la sonde et non sur votre document.
JSON vers RTF : 687 octets en 0,1 secondes.
MD vers RTF : 687 octets en moins d'un dixième de seconde.
MOBI vers RTF : 2 489 octets en 0,6 secondes.
ODT vers RTF : 4 214 octets en 1,1 secondes.
TXT vers RTF : 484 octets en moins d'un dixième de seconde.
Ce que nous ne prétendrons pas sur HTML vers RTF
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 RTF 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 RTF 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 le RTF 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 RTF : les questions que l'on pose
Qu'est-ce qui convertit vraiment mon fichier HTML en RTF ?
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, le RTF revient, et aucun des deux fichiers n'est conservé ensuite.
Combien de temps prend une conversion HTML vers RTF ?
Sur le fichier utilisé par la sonde, pandoc a mis moins d'un dixième de seconde et écrit 775 octets de RTF. 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 au RTF ?
Celle qu'il faut connaître en premier : la couche de présentation. pandoc ne traduit pas le fichier HTML en RTF, 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 le RTF ?
Oui. pandoc lit les tableaux du HTML dans son propre arbre de document et les réécrit en syntaxe RTF, si bien que vous obtenez un tableau qu'une machine sait analyser plutôt qu'une image de tableau.
La conversion HTML vers RTF est-elle gratuite ?
Il y a une franchise gratuite chaque mois, et une conversion HTML vers RTF coûte un demi-crédit dessus. Quand la franchise est épuisée, l'outil le dit et s'arrête, plutôt que de vous remettre discrètement un RTF moins bon.