这个工具做什么
HTML 里有一部分字符承担语法作用:左尖括号开始一个标签,与号开始一个字符引用,引号界定属性值。如果这些字符要作为普通文字出现在页面上,就必须换一种写法,否则浏览器会把它们当成标记的一部分。HTML 实体(字符引用)就是这种替代表达:以与号开头、以分号结尾,中间是实体的名字或者码点数字。浏览器解析文档时会把实体替换成真实字符,最终渲染出来的仍是人类可读的文字。
这个工具提供两个方向。编码方向把你输入的文字里 &、<、>、双引号、单引号这五个字符替换成命名实体 &、<、>、"、';打开「把非 ASCII 字符转成数字实体」后,中文、全角标点、其他语言的字母也会写成 中 这样的十六进制数字实体。解码方向则相反,把命名实体与数字实体还原成字符。
所有处理都在浏览器本地完成,输入的内容不会被发送到任何服务器,也不会写入本地存储。刷新页面后输入与结果都会消失。
怎么用
先用方向按钮选择「编码」或「解码」,当前方向会通过高亮按钮和下方说明同时标出,避免看错。然后在左侧输入框里粘贴或输入文本,右侧结果会自动更新,不需要再点转换按钮。输入很长时会稍有延迟,这是为了减少连续输入时的重复计算。
- 点「载入示例」会按当前方向填入一段示例文本。编码示例同时包含尖括号、引号、与号和中文,可以直接观察每个字符被替换成了什么。
- 「把非 ASCII 字符转成数字实体」只在编码方向生效,切到解码时会自动置灰。它适合需要把中文写成纯 ASCII 的邮件、老旧网关,或者只能处理七位字符的环境。
- 「复制结果」把右侧内容写入剪贴板;浏览器不允许写剪贴板时,页面会选中结果文本并提示手动复制。
- 「清空」只清空输入与结果,方向与开关状态保持原样,方便连续处理同类内容。
解码时不需要提前判断实体类型。命名实体、十进制数字实体(&)与十六进制数字实体(&)可以混在同一段文本里,工具会逐个识别。缺少分号的写法、名字不在常用表里的写法都会原样留在结果中,状态栏会分别说明有多少个。
结果怎么解读
命名实体与数字实体
命名实体用可读的单词表示字符,例如 是不换行空格,© 是版权符号,— 是长破折号。它的优点是易读,缺点是可表示的字符受表限制。数字实体直接写出 Unicode 码点:十进制写 &,十六进制写 &,两者都表示与号。数字实体能表示任意合法码点,所以中文、生僻字、箭头、货币符号通常用这种写法。
同一个字符可以有多种表示。&、&、& 在浏览器里渲染结果完全一样。做字符串比对或去重时,应先把实体解码成字符再比较,否则会被写法差异误导。反过来,如果目标系统只接受 ASCII,就把非 ASCII 字符统一写成十六进制数字实体。
实体转义与防 XSS 的关系
把用户输入拼进 HTML 时,尖括号和与号是最需要处理的字符。<script> 这段源码进入页面后显示为文字,而不会变成可执行的脚本标签。属性值里还要处理引号,否则攻击者可以用一个引号提前闭合属性,再拼出新的属性或标签。这就是本工具默认转义五个字符的原因:与号、小于号、大于号、双引号、单引号覆盖了 HTML 文本节点和带引号属性值这两种最常见的位置。
但要清楚,转义只在正确的上下文里有效。把同样的文本放进 JavaScript 字符串、CSS 或 URL 参数时,规则并不相同,需要各自的编码方式。更不要指望「先解码再输出」能提升安全性:解码只会把隐藏的写法还原成真实字符,如果随后直接拼进 HTML,反而可能把原本无害的实体变成可执行的标记。
浏览器的容错解析
浏览器对实体非常宽容。& 少了分号,通常仍会被当成与号;紧跟在文字后面的与号如果不像实体,会被当作普通字符。历史上还保留了一批不带分号也能识别的旧实体。这种容错让老页面不至于整段崩掉,但也意味着「在浏览器里显示正常」并不等于「写法合法」。需要严格校验时,应检查每个与号是否都有配套的分号、名字是否在规范表内、数字是否落在合法范围内,而不是只看渲染结果。
数字实体越界时,浏览器通常显示替换字符而不是报错。这种做法会静默掩盖数据问题,所以本工具在解码时会明确统计无法识别的数量,而不是悄悄替换成问号或空白。
常见的几种情况
结果里出现了 & 这样的双重转义
原文本来就是实体文本,又被整体编码了一次。例如原始字符串是 &,编码后就变成 &amp;。判断方法是解码一次后仍然看到实体写法。修复要回到生成数据的那一步,确认同一段内容没有被两个环节各转义一次,而不是反复在工具里来回转换。
解码后空格看起来没有变化
解码得到的是不换行空格(U+00A0),它看起来和普通空格一样,但不会被浏览器折断换行,也不等于普通空格。复制到其他程序里可能表现为一个不显示的空位。判断时可以把结果粘贴到能显示不可见字符的编辑器,或者比较字符数。
大小写和分号的影响
HTML 规范里定义的实体名区分大小写,常见的 &、<、>、" 也有官方的大写写法。本工具收录了常用的名字,并额外接受少数大写形式;大小写不同且不在表里的写法会被当作未知实体原样保留。遇到这种情况,先核对名字拼写,再确认分号是否被编辑器或表单自动去掉了。
使用限制与提醒
单次输入上限为 200,000 字符。超过上限时工具不会截断后照常转换,而是直接提示「已超过 200,000 字符上限,请分段处理」,结果区保留上一次的内容。超长文本建议用本地脚本处理,或在编辑器里先分段。
解码采用常用实体表,覆盖基础符号、标点、货币、箭头与少量数学符号。不在表里的命名实体不会猜测,会连同分号一起原样保留,并在状态栏给出数量;同样,& 这样缺少分号的写法、&#x 后面没有数字的写法也会被计为格式不完整。数字实体如果大于 0x10FFFF,或者落在 0xD800 至 0xDFFF 的代理区,都会被视为无法识别并保留原文,因为这些码点不能单独表示一个字符。
最重要的一点:实体解码不能替代真正的 HTML 清洗。把一段内容解码、转义或来回转换几次,都不会让不安全的标记变得安全。要在页面里展示用户内容,应当使用成熟的清洗方案,按白名单过滤标签与属性,并在输出时根据所在位置(HTML 文本、属性、脚本、样式、URL)选择对应的编码方式。本工具适合排查编码问题和准备示例文本,不适合当作安全过滤环节。