HTML-Zeichenreferenzen kodieren und dekodieren

Das hängt vom Kontext ab. In normalem HTML-Text müssen kaufmännisches Und und Kleiner-als-Zeichen kodiert werden, wenn sie eine Referenz oder ein Tag beginnen könnten. In einem Attribut muss zusätzlich das Anführungszeichen kodiert werden, das den Wert begrenzt. Der sichere Umgang mit nicht vertrauenswürdigen Inhalten braucht eine kontextbezogene Kodierung und keine universelle Ersetzung von fünf Zeichen.

Eine benannte Referenz verwendet eine Bezeichnung wie ©. Dezimale und hexadezimale numerische Referenzen verwenden den Codepoint des Zeichens, zum Beispiel © und ©. HTML definiert Tausende benannter Referenzen, oft mit Aliasen. Ungültige numerische Werte wie Ersatzzeichen aus dem Surrogatbereich werden beim Parsen ersetzt.

' ist in XML vordefiniert und wird von modernen HTML-Parsern unterstützt. In HTML 4 war die Referenz jedoch nicht benannt. Verwende ', wenn die Ausgabe mit einem HTML-4-Verbraucher kompatibel bleiben muss. XML- und XHTML-Parser akzeptieren ' bei gültigem XML.

HTML definiert Tausende benannter Zeichenreferenzen, und mehrere Namen können dasselbe Zeichen darstellen. Dieser Rechner enthält eine kleinere, kuratierte Tabelle und verwendet numerische Referenzen, wenn kein enthaltener Name passt. Numerische Referenzen decken gültige Unicode-Skalarwerte ab. Surrogat-Codepoints sind keine gültigen Zeichen.

Verwende „Alles kodieren“, wenn ein Verbraucher UTF-8 nicht zuverlässig verarbeitet, etwa ein älterer RSS- oder Atom-Aggregator, eine auf ASCII reduzierte E-Mail-Pipeline, eine ältere CMS-Vorlage oder ein Zeichensatz-verwirrter Log-Parser. Der Modus kodiert jedes Nicht-ASCII-Zeichen und die fünf reservierten Zeichen, sodass reine 7-Bit-ASCII-Ausgabe entsteht. Für moderne UTF-8-Webseiten reicht „Kodieren (sicher)“ und hält den Quelltext lesbarer.