HTML Entity
程式語言
HTML Entity
程式語言

HTML Entity

簡單紀錄一下遇到的編碼問題，注意 html entity 是用半形分號; ，但這篇文章我為了顯示方便會用全形分號。

問題

例如使用者姓名是凃大宣，但「凃」這個字可能是從別的網站複製過來的，而別的網站使用了 HTML entity 顯示難字，因此複製過來存到我們資料庫中的值是&#20931；大宣，而非中文字。


string -> HTML entity

mb_convert_encoding，簡單好用但好像某些環境下不能使用

mb_convert_encoding($string, 'HTML-ENTITIES', 'utf-8');

用htmlentities，但要加上很多層 decode

htmlspecialchars_decode(utf8_decode(htmlentities($string, ENT_COMPAT, 'utf-8', false)))

HTML entity -> string

html_entity_decode($string)


什麼是 HTML Entity

在 HTML 中使用的編碼，用某個數字對應到某個文字或符號，類似 ASCII 的65對應到大寫A，而 HTML Entity 中 &#20931；對應凃這個字。

這個entity對應文字跟當前編碼方式無關，即使是在希伯來文的編碼下，&#20931；依舊對應凃。


HTML Entity 的格式

是一段字串，格式是&開頭;結尾，中間是 entityName 或是 #加數字。

&entityName;   // 例如 &lt；
&#entityNumber;  // 例如 &#20931；


常見使用時機

  1. 顯示 HTML 保留字符，如 <、>、&、 " 等（可以防禦 XSS 攻擊）(XSS這個之後有空再補)
  2. 表示難以用常規輸入設備輸入的字符，如 ©、®、± 等

  3. 表示非當前編碼支援的字符


HTML Entity 和一般輸入中文字比較

例如下面這張圖，標題就是用 HTML Entity 寫的，因此不管瀏覽器用什麼編碼都可以正常顯示，甚至選希伯來文也可以；但表格的內容就是單純輸入中文，因此會被編碼影響。

img