Koda och avkoda HTML-entiteter

En teckenreferens är ett sätt att skriva ett tecken med enbart ASCII. Numeriska referenser fungerar för alla Unicode-kodpunkter, i decimal (é) eller hexadecimal form (é). Namngivna referenser är lättare att komma ihåg: HTML 4 definierade 252 stycken, som omfattar Latin-1-bokstäver som é, grekiska bokstäver, matematiska symboler och typografiska tecken som — och …. Märkligt nog fanns inte ' bland dem; den kommer från XML och blev giltig i HTML först med HTML5.

HTML5 utökade listan till 2 231 namngivna teckenreferenser och tog upp MathML-teckenuppsättningen, så namn som ✓, ★ och ≂̸ fungerar nu i alla aktuella webbläsare. Antalet inkluderar äldre stavningar utan avslutande semikolon, som &amp och &copy, som tolkare fortfarande accepterar av kompatibilitetsskäl men som du inte bör skriva. Kodaren här ger de brett stödda HTML 4-namnen plus ' och använder en numerisk referens för allt annat. Avkodaren skickar texten till webbläsarens egen tolkare, så den förstår alla 2 231 namn.

Only & < > " ' är inställningen för vardagsbruk: den kodar de fem tecken som kan avsluta en textnod eller ett citerat attribut, vilket räcker för att visa ett kodexempel på en sida eller placera användartext säkert i HTML. Also every non-ASCII character gör om é, € och emojis till referenser också, för de sällsynta kanaler som inte kan hantera UTF-8, som vissa äldre e-postmallar eller system som förstör teckenkodningar. Named, Decimal och Hex ändrar bara hur en referens skrivs; alla tre avkodas till samma tecken. En sida som sparats som UTF-8 behöver inga entiteter för bokstäver med accent.

Kodning skyddar bara HTML-kontexten och inget annat. Text som sätts in i ett skriptblock, en inline-händelsehanterare som onclick, ett style-attribut eller en href som kan börja med javascript: kräver annan hantering, och teckenkodning ensam förhindrar inte cross-site scripting där. Ramverk som React kodar text som standard, så dubbelkodning är det vanligare felet i moderna appar: användarna ser & där ett et-tecken ska vara. Vill du ta bort taggar helt kan du konvertera markeringen med HTML till TXT. För kodning i webbadresser, använd URL-kodning och avkodning.