HTML-entiteettikooderi / dekooderi

HTML-entiteetti on lyhyt tekstisekvenssi, joka edustaa merkkiä HTML-lähdekoodissa. Entiteettejä käytetään, kun merkki olisi monitulkintainen tai virheellinen raakamuotoisessa HTML:ssä – esimerkiksi `<` ja `>` rajaavat HTML-tageja, joten literaalinen `<` tekstisisällössä täytyy kirjoittaa muodossa `&lt;`, jotta selain ei tulkitsisi sitä tagin aluksi.

HTML-entiteetit esiintyvät kahdessa muodossa. Nimetyt entiteetit käyttävät luettavaa nimeä `&`-merkin jälkeen ja ennen `;`-merkkiä, esimerkiksi `&amp;` et-merkille, `&copy;` tekijänoikeussymbolille tai `&mdash;` ajatusviivalle. Numeeriset entiteetit käyttävät desimaalista tai heksadesimaalista Unicode-koodipistettä – `&#169;` ja `&#xA9;` tuottavat molemmat tekijänoikeussymbolin ©.

Viisi varattua HTML-merkkiä, jotka jokaisen kehittäjän tulisi tietää:

• `&amp;` – et-merkki `&`
• `&lt;` – pienempi kuin -merkki `<`
• `&gt;` – suurempi kuin -merkki `>`
• `&quot;` – lainausmerkki `"`
• `&#39;` – heittomerkki `'`

Näiden viiden lisäksi HTML määrittelee nimettyjä entiteettejä sadoille muille merkeille: aksentoidut kirjaimet (`&eacute;` = e akuutilla), sitovat välilyönnit (`&nbsp;`), typografiset välimerkit (`&mdash;` = ajatusviiva), valuuttasymbolit (`&euro;` = euromerkki), matemaattiset symbolit ja kreikkalaiset kirjaimet.

Enkoodaa HTML-entiteettejä aina, kun lisäät pelkkää tekstiä HTML-dokumenttiin ja kyseinen teksti voi sisältää HTML:n varaamia merkkejä. Yleisimmät tilanteet:

• Käyttäjien tuottaman sisällön tai blogipostauksen liittäminen CMS:ään tai malliin, joka tallentaa raaka-HTML:ää.
• Koodiesimerkkien upottaminen blogipostauksiin tai dokumentaatiosivuille – esimerkiksi `<strong>lihavoitu</strong>` täytyy enkoodata muodossa `&lt;strong&gt;lihavoitu&lt;/strong&gt;`, jotta selain näyttää sen näkyvänä tekstinä.
• JSON-hyötykuormien rakentaminen, jotka on upotettu HTML `<script>`-tageihin, joissa `<`, `>` ja `&` voivat rikkoa ympäröivän HTML-rakenteen.
• Attribuuttiarvojen tallentaminen, jotka voivat sisältää lainausmerkkejä, jotta ympäröiviä `"..."`-rajureita ei rikota.
• Erikoismerkkien enkoodaaminen HTML-sähköpostimalleja varten.

Käytä perustilaa, kun sinun täytyy escape-käsitellä vain viisi varattua merkkiä. Käytä laajennettua tilaa maksimaalisen HTML-yhteensopivuuden saavuttamiseksi tai vanhojen järjestelmien kanssa, jotka tukevat vain ASCII:ta.

Dekoodaa HTML-entiteettejä, kun saat jo escape-käsiteltyä tekstiä ja tarvitset alkuperäisiä merkkejä luettavaksi, käsiteltäväksi tai näytettäväksi. Hakusanoissa tätä kutsutaan usein HTML decode -toiminnoksi, HTML unescape -toiminnoksi tai HTML-koodatun tekstin muuntamiseksi normaaliksi tekstiksi. Yleisiä tilanteita:

• API-vastaukset, joiden merkkijonokentät sisältävät HTML-escape-käsiteltyä tekstiä – esimerkiksi `Tom &amp; Jerry`, kun odotit `Tom & Jerry`. Tässä tapauksessa sinun täytyy muuntaa HTML-entiteetit tekstiksi.
• CMS:n kaksinkertaisesti koodatun sisällön korjaaminen, joka tuottaa merkkijonoja kuten `&amp;lt;` `&lt;`:n tai `<`:n sijaan.
• RSS- tai Atom-syötteen merkintöjen lukeminen, joiden tekstisisältö on tyypillisesti HTML-koodattua.
• Lokirivien tarkastaminen, jotka sisältävät HTML-escape-käsiteltyjä kyselyparametreja tai virheilmoituksia.
• Näkyvän tekstin kopioiminen HTML-lähdetiedostosta, johon sisältö on tallennettu entiteetteinä.

Tämä työkalu dekoodaa sekä nimetyt entiteetit (`&amp;`, `&copy;`, `&mdash;`, `&nbsp;` ja satoja muita) että numeeriset entiteetit desimaaliksi (`&#169;`) ja heksadesimaaliksi (`&#xA9;`).

Tämä enkooderi tarjoaa kaksi enkoodaustason yksityiskohtaisuutta.

Perustila enkoodaa vain viisi varattua HTML-merkkiä: `&` muuttuu `&amp;`:ksi, `<` muuttuu `&lt;`:ksi, `>` muuttuu `&gt;`:ksi, `"` muuttuu `&quot;`:ksi ja `'` muuttuu `&#39;`:ksi. Kaikki muut merkit – aksentoituja kirjaimia kuten `é` ja `ü`, symboleita kuten `©` ja `—`, emojeja kuten 😀 – välitetään muuttumattomina. Käytä perustilaa, kun kohdejärjestelmäsi tukee Unicodea natiivisti.

Laajennettu tila enkoodaa samat viisi varattua merkkiä ja muuntaa lisäksi jokaisen ei-ASCII-merkin desimaalinumeeriseksi entiteetiksi. Esimerkiksi `é` muuttuu `&#233;`:ksi, `©` muuttuu `&#169;`:ksi, `—` muuttuu `&#8212;`:ksi ja 😀 muuttuu `&#128512;`:ksi. Käytä laajennettua tilaa, kun tarvitset puhdasta ASCII-tulostetta tai vanhoja järjestelmiä varten.

Kehittäjät etsivät samaa tehtävää toisinaan termeillä htmlDecode, htmlEncode, HTML escape, HTML unescape, enkoodaa HTML tai dekoodaa HTML. Sanamuoto vaihtelee, mutta tavoite on sama: muuntaa turvallisesti luettavien merkkien ja niiden HTML-entiteettirepresentaatioiden välillä.

Esimerkki edestakaisesta muunnoksesta perustilassa:

• Syöte: `Café & © 😀`
• Enkoodattu (perustila): `Café &amp; © 😀`
• Dekoodattu: `Café & © 😀`

Esimerkki edestakaisesta muunnoksesta laajennetussa tilassa:

• Syöte: `Café & © 😀`
• Enkoodattu (laajennettu): `Caf&#233; &amp; &#169; &#128512;`
• Dekoodattu: `Café & © 😀`

HTML-entiteettikoodaus ja URL-koodaus ovat kaksi täysin erilaista mekanismia, joilla on eri tarkoitukset ja eri tulosteet – vaikka molemmat muuntavat erikoismerkit vaihtoehtoiseen esitystapaan.

HTML-entiteettikoodaus on tarkoitettu HTML-dokumenteille. Se korvaa HTML-merkinnässä erityismerkitystä kantavat merkit entiteettisekvensseillä, joita HTML-jäsentäjä käsittelee tekstisisältönä. Tulos on edelleen luettavaa tekstiä – `&amp;` näytetään `&`:nä selaimessa.

URL-koodaus (prosenttikoodaus) on tarkoitettu URL-osoitteille. Se korvaa URL-osoitteessa vaaralliset tai varatut merkit prosenttikoodatuilla tavusekvensseillä. Välilyönti muuttuu `%20`:ksi, et-merkki `%26`:ksi ja pienempi kuin -merkki `%3C`:ksi.

Samojen merkkien vertailu molemmissa järjestelmissä:

• `&` – HTML: `&amp;`, URL: `%26`
• `<` – HTML: `&lt;`, URL: `%3C`
• `>` – HTML: `&gt;`, URL: `%3E`
• `"` – HTML: `&quot;`, URL: `%22`
• `'` – HTML: `&#39;`, URL: `%27`

Jos liität HTML-koodattua tekstiä URL-enkooderiin, se enkoodaa entiteettimerkit itse (`&`, `;`, `#`), mitä ei juuri koskaan haluta. Käytä tätä sivua HTML-entiteettidekoodaukseen, HTML-entiteettikoodaukseen ja HTML-koodatun tekstin muuntamiseen luettavaksi tekstiksi.

HTML-entiteettikoodaus (tämä työkalu) muuntaa merkit HTML-entiteettivastineiksi ja kääntää prosessin. Se ei lisää, poista tai rakenna uudelleen HTML-elementtejä. Dokumenttirakenne säilyy; vain erikoismerkkien esitystapa muuttuu.

HTML:n puhdistus on eri toimenpide, joka poistaa tai kirjoittaa uudelleen HTML-merkinnän – poistaa ei-toivottuja tageja, normalisoi attribuutteja tai puhdistaa mahdollisesti vaarallisen sisällön. Puhdistustoiminto voisi muuntaa `<b onclick="...">lihavoitu</b>` muodoksi `<b>lihavoitu</b>` tai vain `lihavoitu`.

Tämä työkalu ei puhdista HTML:ää. Jos liität raaka-HTML:ää enkooderiin, se enkoodaa kulmasulkeet ja muut varatut merkit merkinnässä ja muuntaa `<p>Hei</p>` muodoksi `&lt;p&gt;Hei&lt;/p&gt;`. Se ei tarkasta, poista tai rakenna uudelleen elementtejä.

Samoin tämä työkalu ei ole tekstinpuhdistin. Se ei poista ylimääräisiä välilyöntejä, poista aksentteja tai normalisoi rivinvaihtoja. Sen ainoa tehtävä on enkoodata ja dekoodata HTML-entiteettejä.