HTML entitás kódoló és dekódoló

A HTML-ben néhány karakternek különleges jelentése van: a < és a > a címkéket jelöli, az & az entitások kezdete, az idézőjel pedig az attribútumértékeket határolja. Ha ezeket a jeleket szövegként szeretnéd megjeleníteni egy weboldalon, entitással kell írni őket: < a <, > a >, & az &, " a " és ' az ' helyett. Ezt hívják HTML-kódolásnak (html encode) vagy escape-elésnek.

Az entitás lehet nevesített (például €, ©,  ) vagy számmal megadott: decimálisan ő vagy hexadecimálisan ő (mindkettő az ő betű). A számmal megadott forma bármelyik Unicode-karakterre működik.

A kódoló és a dekódoló is gépelés közben dolgozik, így egy hosszabb HTML-részletet is pillanatok alatt átalakíthatsz.

• Csak a kötelezőket: a < > & " ' jeleket alakítja entitássá, minden mást változatlanul hagy. Mai, UTF-8 kódolású weboldalakhoz ez a helyes és elég.
• Ékezeteseket és különleges jeleket is: minden nem angol (nem ASCII) karaktert entitássá alakít; ahol van nevesített entitás (például €, –, „), azt használja, egyébként a számmal megadottat. Régi rendszerekhez, e-mail-sablonokhoz vagy olyan helyekre jó, ahol a kódolás bizonytalan.
• Minden nem alfanumerikus karaktert: a betűkön, számokon és szóközökön kívül mindent kódol. Különleges esetekre, például egy attribútumérték vagy egy JavaScript-szöveg biztonságos beágyazására.

Dekódolásnál a böngésző saját értelmezőjét használjuk, így az összes, a HTML-szabványban meghatározott nevesített entitást ismeri (több mint kétezret), a számmal megadottakkal együtt.

• Kódrészlet egy weboldalon vagy blogban: ha HTML-kódot szeretnél megmutatni, kódolás nélkül a böngésző végrehajtaná, és a címkék eltűnnének.
• Felhasználói tartalom megjelenítése: egy hozzászólást vagy nevet mindig kódolva kell kiírni, különben valaki kártékony kódot (XSS-támadást) csempészhetne az oldalra. Ezt a programozási keretrendszerek általában automatikusan elvégzik, de kézzel írt sablonoknál fontos.
• E-mail-sablonok és régi rendszerek: az ékezetes betűk entitásként minden levelezőprogramban helyesen jelennek meg.
• XML-fájlok: az & és a < jelet XML-ben is entitással kell írni.
• Visszafejtés: egy forráskódból, adatbázisból vagy exportból származó, entitásokkal teli szöveget olvashatóvá teszel.

• Kettős kódolás: ha egy már kódolt szöveget újra kódolsz, az &-ből & lesz, és az oldalon a „&” szöveg jelenik meg. Ha ilyet látsz, dekódold egyszer.
• Nem kódolt & jel: a „Kiss & Társa” a legtöbb böngészőben megjelenik, de XML-ben és szigorú HTML-ellenőrzésben hibát okoz.
• Idézőjel az attribútumban: egy title="..." értékben a " jelet " formában kell írni, különben az attribútum idő előtt lezárul.

Az eredmény gépelés közben frissül, és egy gombbal visszatehető a bemenetbe.

A három kódolást gyakran összekeverik, pedig mást oldanak meg:

• A HTML-kódolás arra való, hogy egy szöveg a HTML-oldalon szövegként jelenjen meg, ne címkeként értelmezze a böngésző. Ezt használd, ha szöveget teszel egy weboldalba vagy egy HTML-attribútumba.
• Az URL-kódolás a webcímekbe kerülő szövegeket (például keresőszót, paramétert) alakítja %-jeles formára. Ezt használd, ha egy szöveg linkbe kerül; ehhez az URL kódoló eszköz való.
• A Base64 bináris adatot (képet, fájlt) vagy tetszőleges szöveget alakít betűkből és számokból álló formára, például adatbeágyazáshoz (data URI) vagy e-mail-mellékletekhez. Ehhez a Base64 kódoló eszköz való.

Előfordul, hogy egy szöveg több kódolást is kap egymás után, például egy linkbe tett paraméter (URL-kódolás) a HTML-ben egy href attribútumban áll (HTML-kódolás). Ilyenkor a sorrend számít: előbb az URL-kódolás, utána a HTML-kódolás.