HTML实体编码与解码
常用HTML实体
点击方块即可复制命名实体。第二行是同一字符的数字编码。
HTML实体详解
HTML实体是代表某个字符的简短代码:< 写作 <,& 写作 &,é 写作 é。浏览器显示页面时会把它们还原为字符。本工具直接在浏览器中进行双向转换:粘贴文本可编码后安全放入HTML,粘贴已编码的HTML则可解码阅读。
使用方法
- 1 选择“编码”把字符转换为实体,或选择“解码”把实体还原为字符。
- 2 粘贴文本。编码时可选择只转换五个特殊字符,还是转换所有非ASCII字符,以及使用哪种格式。
- 3 复制结果。如果输入看起来已被编码,或解码后仍有实体残留,会显示提示。
哪些字符必须编码
HTML中只有五个字符有特殊含义:& 表示实体开始,< 和 > 用于开启和关闭标签," 和 ' 用于结束属性值。将用户输入的文本放入页面或属性时,务必对这五个字符进行编码,这也是防范HTML注入的基本手段。其他字符,包括中文和 é 等,只要页面以UTF-8保存和传输(<meta charset="utf-8">),都可以直接书写。只有在不能正确处理UTF-8的系统中(如一些旧的邮件模板或数据库),才需要把所有非ASCII字符都编码。
命名实体还是数字编码?
é、© 这类命名实体便于阅读,但只适用于固定的一组字符:HTML5 定义了 2000 多个名称,而旧软件只认识 HTML 4 中的 252 个。汉字没有命名实体,只能用数字表示(中 = 中)。数字引用适用于所有字符——é(十进制)和 é(十六进制)都是同一个 é——因此最稳妥。选择“尽量使用命名实体”时,工具在有 HTML 4 名称时使用名称,否则使用十六进制。' 不属于 HTML 4,因此撇号始终写作 '。
双重编码陷阱
如果已含有 < 的文本再次被编码,其中的 & 会变成 &,于是得到 &lt;。浏览器随后显示的是字面文本 <,而不是 < 符号——一些做得不好的网页上出现的 &amp;、&quot; 就是这样来的。这通常发生在模板对保存前已转义过的文本再次转义时。先解码一次并查看结果:如果仍有实体,工具会提示再解码一次。
表情符号与 U+FFFF 以上的字符
JavaScript 把表情符号及其他 U+FFFF 以上的字符存为两个 16 位的半部分,即所谓的代理对。逐个半部分编码的工具会把笑脸表情变成 ��——两个无效引用,浏览器会显示为两个替换字符(�)。本工具按完整码点读取,同一个表情会编码为 😀(十进制 😀)。由多个码点组成的表情,如国旗、肤色或家庭组合,会编码为一串引用,解码后完整还原。