HTML 实体转换

关于 HTML 实体转换

HTML 实体编码用于把 <、>、&、" 等具有语法含义的字符转成 &lt;、&gt;、&amp;、&quot; 这样的安全写法，避免浏览器把它们当作标签或属性解析，也能让 © 、€ 等特殊符号在任意编码下稳定显示。本工具支持命名实体、十进制（&#169;）与十六进制（&#xA9;）三种编码形式的相互转换，并能选择只编码必要字符还是全部非 ASCII 字符。整个转换在你的浏览器内完成，输入的文本不会离开本机。所有处理均在浏览器本地完成，无需安装任何软件，它适合在输出用户内容、生成邮件 HTML 或处理含特殊符号的文本时做好转义，防止 XSS 与解析错乱。输出用户内容前记得转义，是防止注入与解析错乱最省事的一步；处理邮件模板时建议统一用命名实体，可读性更好，也便于后续维护。

命名实体与数字实体的区别在于可读性与覆盖范围，选用哪一种取决于场景。命名写法由助记名称构成，人工阅读时一眼能认出含义，但名称集合有限，覆盖不到所有字符；数字写法用编号表示任意字符，覆盖完整但失去可读性。因此在文案类内容里用命名写法便于维护，而在需要覆盖生僻字符时应当使用数字写法。

必须转义的字符只是一个下限，而不是全部规则。尖括号与与号在文本位置必须转义，否则会被解析成标签的开始或实体的开始；引号在属性值里也需要处理，具体取决于使用哪一种引号包裹属性。因此更稳妥的做法是「按位置判断转义规则」，把文本位置、属性值与引用属性分开处理，而不是用一套统一替换。

重复转义是最常见的错误，而它的表现又容易被误认为内容本身如此。对已经转义过的内容再转一次，页面上会显示出实体字符的字面文本，例如本来应当显示为一个符号，结果原样显示出一串字符。因此转义应当只在「写入」这一环执行一次，读取与再次渲染时不要再转，否则每经一次处理就多一层。

实体在不同上下文里的规则并不相同，这一点决定了通用替换容易出错。文本内容、属性值、脚本与样式的内容、以及作为网址的部分，各自需要不同程度的处理；若对统一位置全部套用最严格的替换，反而可能破坏本应保留的结构。因此在处理分段内容时应当按所在上下文选择规则，而不是整段统一处理。

不可见字符与空白类实体是排版细节里容易被忽略的部分。有一种实体表示不换行空格，它不会在渲染时与相邻空白合并，因此常被用于让数字与单位、词与词之间保持不断行；而其他几类宽度空白字符在页面上的表现与普通空格不同。因此在处理排版问题时应先确认是普通空格还是不换行空格，再决定如何替换。

最后，实体的正确解读最终依赖编码声明，缺少它会得到乱码而不是报错。页面若未声明编码，浏览器会按推断规则猜测，同一段实体在不同推断下可能显示为不同字符，且现象不稳定。因此在排查这类问题时，应当先确认源文件的编码与页面声明是否一致，再检查实体本身的写法是否有误。