Codificador/descodificador de entidades HTML

Como codificar ou descodificar entidades HTML

1. Cola o teu texto ou HTML na caixa de entrada.
2. Para o escapar, escolhe os caracteres a codificar: Só & < > " ' ou Também todos os caracteres não ASCII, e escolhe um Formato das entidades: Com nome (&eacute;), Decimal (&#233;) ou Hexadecimal (&#xE9;).
3. Clica em Codificar, ou em Descodificar para voltar a transformar as entidades em caracteres.
4. Lê a contagem na linha de estado e clica em Copiar. Usar o resultado como entrada passa o resultado para a caixa de entrada, por exemplo para confirmares uma conversão de ida e volta.

Codificar: quando e o que escapar

Em HTML, há cinco caracteres que podem ser confundidos com marcação. Só & < > " ' substitui exatamente esses: & por &, < por <, > por >, " por " e ' por '. É o que precisas para mostrar código numa página web, para pôr texto de utilizadores dentro de um atributo ou para colar um excerto num artigo de blogue ou num campo de um CMS que espera HTML. O apóstrofo usa a forma numérica porque ' não existia no HTML 4 e alguns parsers antigos não o conhecem.

Também todos os caracteres não ASCII substitui, além disso, tudo o que esteja fora do ASCII imprimível: letras acentuadas como ç ou ã, aspas tipográficas, o símbolo do euro, espaços inseparáveis, emojis, etc. O resultado é ASCII puro, útil para sistemas que estragam o UTF-8, para modelos de email ou para tornar visíveis no código caracteres invisíveis como  .

O Formato das entidades decide como os caracteres são escritos:

• Com nome (&eacute;) usa um nome legível quando o HTML define um (é, €, …), preferindo o nome clássico do HTML 4 quando um carácter tem vários. Os caracteres sem nome, como os emojis, passam para a forma decimal.
• Decimal (&#233;) escreve o ponto de código Unicode em base 10.
• Hexadecimal (&#xE9;) escreve-o em base 16, o que corresponde à notação U+00E9 das tabelas Unicode.

Os três formatos são entendidos por todos os navegadores. Os caracteres fora do Plano Multilingue Básico, como 😀, são codificados como uma única referência ao ponto de código completo (😀), e não como duas metades substitutas (surrogates).

Descodificar: as regras do HTML5

Descodificar segue as regras que os navegadores usam quando leem o conteúdo de texto, com a lista completa das 2231 referências de caracteres com nome do HTML Living Standard:

• referências com nome como é, → ou ≂̸ (algumas produzem dois pontos de código);
• referências decimais (é) e hexadecimais (é ou é), com ou sem o ponto e vírgula final;
• nomes antigos que os navegadores aceitam sem ponto e vírgula, como &copy 2026 ou &amp — e, tal como nos navegadores, &notit; passa a ¬it;, porque &not é um desses nomes antigos;
• as referências numéricas no intervalo 128–159 correspondem aos caracteres Windows-1252 que os navegadores mostram (– dá um travessão meia-risca), e �, os substitutos e os valores acima de U+10FFFF passam a ser o carácter de substituição �.

Os nomes desconhecidos, como &foo;, ficam inalterados e são contados na linha de estado. A descodificação é feita pelo parser da própria ferramenta, e não inserindo o teu texto na página, por isso a marcação ou os scripts da entrada nunca são interpretados.