Encodeur et décodeur d’entités HTML

Parcourez votre texte à la recherche des cinq caractères spéciaux et remplacez chacun d’eux : & → &, → >, " → ", ' → '. Pour les autres symboles, trouvez le point de code Unicode du caractère et écrivez-le sous la forme &#...; avec un point-virgule. Par exemple, © a pour point de code 169 : vous écrivez donc ©. La forme hexadécimale fonctionne aussi : © s’affiche de la même façon. Encodez toujours les esperluettes en premier ; si vous remplacez d’abord < et qu’il reste un &, le résultat peut encore perturber l’analyseur HTML.

Votre texte a été encodé deux fois : < a été transformé en <, puis le & de cette entité a été encodé à nouveau, ce qui a produit &lt;. Pour corriger cela, décodez deux fois : le premier passage donne <, le second donne <. Pour éviter ce problème, décodez les entités existantes avant de réencoder et ne passez jamais dans l’encodeur une chaîne déjà échappée. Le récapitulatif des entités vous aidera à repérer les entrées &amp; encodées deux fois.

Ils répondent à des besoins différents. Les entités HTML (&, ©) échappent les caractères afin qu’un navigateur les affiche sans risque dans une page web. Les séquences précédées du signe pourcentage (%26, %C2%A9) échappent les caractères destinés aux URL et aux chaînes de requête, où les espaces, & et = ont une signification particulière. Si vous collez %26 dans une page HTML, il s’affichera littéralement sous la forme %26, et non comme une esperluette. Utilisez cet outil pour le balisage et un encodeur d’URL pour les liens.

Au minimum, l’esperluette ainsi que les signes inférieur à et supérieur à, car & commence une référence d’entité et < commence une balise. L’échappement des guillemets est surtout important dans les valeurs d’attributs : " → " et ' → ' empêchent qu’une valeur d’attribut se termine prématurément. Lors de l’affichage de contenus fournis par les utilisateurs — commentaires, termes recherchés, valeurs de formulaires — l’encodage de ces caractères bloque les techniques d’injection HTML et de scripts les plus courantes, puisque toute balise écrite par un attaquant s’affiche comme du texte inoffensif.

Cela dépend de l’encodage de votre fichier. Si votre document est déclaré en UTF-8 (charset=utf-8), vous pouvez laisser les lettres accentuées, les tirets et les symboles tels quels : les navigateurs les prennent en charge nativement et le code source reste lisible. Les convertir en références numériques comme © garantit que le fichier est entièrement en ASCII, ce qui est utile lorsque l’encodage est inconnu, lors de l’envoi de HTML par courriel ou lors du collage dans des systèmes qui altèrent les caractères Unicode. Les émojis fonctionnent aussi comme références numériques, avec leur point de code complet.

Parce que   se décode en espace insécable (U+00A0), et non en espace ordinaire (U+0020). Elles semblent identiques visuellement, mais l’espace insécable empêche le retour à la ligne à cet endroit, peut fausser les comparaisons et les recherches de chaînes, et perturber le code qui supprime les espaces ou découpe le texte à chaque espace. Si votre texte décodé contient des différences invisibles, essayez de remplacer U+00A0 par des espaces ordinaires : la plupart des éditeurs de texte permettent de rechercher directement ce caractère ou sa forme numérique.

Les trois représentent le caractère apostrophe. ' est la référence numérique décimale et ' son équivalent hexadécimal : toutes deux sont valides partout. ' est une référence nommée introduite seulement en HTML5 ; les anciens analyseurs HTML 4 ne la reconnaissent pas. C’est pourquoi de nombreux encodeurs, dont celui-ci, produisent la forme numérique pour une compatibilité maximale. En pratique, tous les navigateurs modernes affichent les trois formes de manière identique : vous pouvez donc décoder et réencoder sans perdre le caractère.