HTML entitás kódoló és dekódoló

Hogyan kódolj vagy dekódolj HTML entitásokat

1. Illeszd be a szöveget vagy a HTML-t a bemeneti mezőbe.
2. Az escape-eléshez válaszd ki a kódolandó karaktereket: Csak & < > " ' vagy Minden nem ASCII karakter is, és válassz Entitás formátuma értéket: Elnevezett (&eacute;), Decimális (&#233;) vagy Hexadecimális (&#xE9;).
3. Kattints a Kódolás gombra, vagy a Dekódolás gombra, hogy az entitások visszaalakuljanak karakterekké.
4. Olvasd le a számot az állapotsorban, majd kattints a Másolás gombra. A Kimenet használata bemenetként áthelyezi az eredményt a bemeneti mezőbe, például oda-vissza átalakítás ellenőrzéséhez.

Kódolás: mikor és mit érdemes escape-elni

A HTML-ben öt karakter téveszthető össze a jelöléssel. A Csak & < > " ' pontosan ezeket cseréli: az & karaktert &-re, a < karaktert <-re, a > karaktert >-re, a " karaktert "-ra és a ' karaktert '-re. Erre van szükséged, ha kódot akarsz megjeleníteni egy weboldalon, felhasználói szöveget teszel egy attribútumba, vagy olyan kódrészletet illesztesz be egy blogbejegyzésbe vagy CMS-mezőbe, amely HTML-t vár. Az aposztróf numerikus alakot használ, mert az ' nem létezett a HTML 4-ben, és egyes régebbi elemzők nem ismerik.

A Minden nem ASCII karakter is ezen felül kicseréli a nyomtatható ASCII-n kívüli mindent: az ékezetes betűket, a tipográfiai idézőjeleket, az euró jelét, a nem törhető szóközöket, az emojikat és így tovább. Az eredmény tiszta ASCII, ami hasznos azoknál a rendszereknél, amelyek elrontják az UTF-8-at, e-mail-sablonokhoz, vagy az olyan láthatatlan karakterek láthatóvá tételéhez a forrásban, mint az  .

Az Entitás formátuma dönti el, hogyan íródnak a karakterek:

• Az Elnevezett (&eacute;) olvasható nevet használ, ha a HTML definiál ilyet (é, €, …), és ha egy karakternek több neve is van, a klasszikus HTML 4 nevet részesíti előnyben. A név nélküli karakterek, például az emojik, decimális alakra esnek vissza.
• A Decimális (&#233;) a Unicode kódpontot tízes számrendszerben írja.
• A Hexadecimális (&#xE9;) tizenhatos számrendszerben írja, ami megfelel a Unicode-táblázatok U+00E9 jelölésének.

Mindhármat minden böngésző érti. Az alapvető többnyelvű síkon (BMP) kívüli karakterek, például a 😀, a teljes kódpontra mutató egyetlen hivatkozásként kódolódnak (😀), nem két helyettesítő (surrogate) félként.

Dekódolás: a HTML5 szabályai

A Dekódolás azokat a szabályokat követi, amelyeket a böngészők a szövegtartalom olvasásakor használnak, a HTML Living Standard 2231 névvel ellátott karakterhivatkozásának teljes listájával:

• az olyan névvel ellátott hivatkozások, mint az é, az → vagy az ≂̸ (néhány két kódpontot ad);
• a decimális (é) és a hexadecimális (é vagy é) hivatkozások, záró pontosvesszővel vagy anélkül;
• azok a régi nevek, amelyeket a böngészők pontosvessző nélkül is elfogadnak, mint az &copy 2026 vagy az &amp – és a böngészőkhöz hasonlóan az &notit; ¬it; lesz, mert az &not ilyen régi név;
• a 128–159 tartományba eső numerikus hivatkozások a böngészők által megjelenített Windows-1252 karakterekre képződnek le (az – gondolatjelet ad), a �, a helyettesítő kódpontok és az U+10FFFF feletti értékek pedig a � helyettesítő karakterré válnak.

Az ismeretlen nevek, például az &foo;, változatlanul maradnak, és az állapotsorban megszámolásra kerülnek. A dekódolást az eszköz saját elemzője végzi, nem a szöveged oldalba illesztésével, ezért a bemenetben lévő jelölést vagy szkriptet soha nem értelmezi.