HTML entiteti: koder i dekoder

Kako kodirati ili dekodirati HTML entitete

1. Zalijepi svoj tekst ili HTML u polje za unos.
2. Da ga escape-uješ, odaberi znakove koje treba kodirati: Samo & < > " ' ili I svaki znak izvan ASCII-ja, te odaberi Format entiteta: Imenovani (&eacute;), Decimalni (&#233;) ili Heksadecimalni (&#xE9;).
3. Klikni Kodiraj ili klikni Dekodiraj da entitete pretvoriš nazad u znakove.
4. Pročitaj broj u redu statusa, pa klikni Kopiraj. Koristi izlaz kao ulaz prebacuje rezultat u polje za unos, na primjer da provjeriš povratni put.

Kodiranje: kada i šta escape-ovati

U HTML-u se pet znakova može pomiješati s markupom. Samo & < > " ' zamjenjuje upravo njih: & sa &, < sa <, > sa >, " sa " i ' sa '. To ti treba da prikažeš kod na web-stranici, da tekst korisnika staviš u atribut ili da zalijepiš isječak u blog objavu ili polje CMS-a koje očekuje HTML. Apostrof koristi numerički oblik jer ' nije postojao u HTML-u 4 i neki stariji parseri ga ne poznaju.

I svaki znak izvan ASCII-ja dodatno zamjenjuje sve izvan ASCII znakova koji se mogu ispisati: slova s dijakritičkim znakovima, tipografske navodnike, znak eura, nerazdvojive razmake, emotikone i tako dalje. Rezultat je čisti ASCII, što je korisno za sisteme koji kvare UTF-8, za šablone e-pošte ili da nevidljivi znakovi poput   postanu vidljivi u izvornom kodu.

Format entiteta određuje kako se znakovi zapisuju:

• Imenovani (&eacute;) koristi čitljiv naziv kad ga HTML definiše (é, €, …), dajući prednost klasičnom nazivu iz HTML-a 4 kad znak ima više naziva. Znakovi bez naziva, poput emotikona, prelaze na decimalni zapis.
• Decimalni (&#233;) zapisuje Unicode kodnu tačku u bazi 10.
• Heksadecimalni (&#xE9;) zapisuje je u bazi 16, što odgovara zapisu U+00E9 iz Unicode tabela.

Sva tri razumije svaki preglednik. Znakovi izvan osnovne višejezične ravni, poput 😀, kodiraju se kao jedna referenca na punu kodnu tačku (😀), a ne kao dvije surogatne polovine.

Dekodiranje: pravila HTML5

Dekodiraj slijedi pravila koja preglednici koriste kad čitaju tekstualni sadržaj, s kompletnom listom od 2.231 imenovane reference znakova iz HTML Living Standarda:

• imenovane reference poput é, → ili ≂̸ (neke daju dvije kodne tačke);
• decimalne (é) i heksadecimalne (é ili é) reference, sa ili bez završne tačke sa zarezom;
• naslijeđeni nazivi koje preglednici prihvataju bez tačke sa zarezom, poput &copy 2026 ili &amp – a kao i u preglednicima, &notit; postaje ¬it; jer je &not takav naslijeđeni naziv;
• numeričke reference u rasponu 128–159 preslikavaju se u Windows-1252 znakove koje preglednici prikazuju (– daje en crticu), a �, surogati i vrijednosti iznad U+10FFFF postaju zamjenski znak �.

Nepoznati nazivi poput &foo; ostaju nepromijenjeni i broje se u redu statusa. Dekodiranje radi vlastiti parser alata, a ne umetanje tvog teksta u stranicu, pa se markup ili skripta u ulazu nikada ne tumače.