用Javascript进行HTML转义

来源：互联网发布：罚抄神器速写笔淘宝编辑：程序博客网时间：2024/05/18 00:33

用Javascript进行HTML转义

众所周知页面上的字符内容通常都需要进行HTML转义才能正确显示，尤其对于Input，Textarea提交的内容，更是要进行转义以防止javascript注入攻击。

通常的HTML转义主要是针对内容中的"<"，">"，"&"，以及空格、单双引号等。但其实还有很多字符也需要进行转义。具体的可以参考这篇文章。

** 1、HTML转义

参考上面的提到的文章，基本上可以确定以下的转义的范围和方式。

1）对"\""、"&"、"'"、"<"、">"、空格(0x20)、0x00到0x20、0x7F-0xFF

以及0x0100-0x2700的字符进行转义，基本上就覆盖的比较全面了。

用javascript的正则表达式可以写为：

this.REGX_HTML_ENCODE = /"|&|'|<|>|[\x00-\x20]|[\x7F-\xFF]|[\u0100-\u2700]/g;

2）为保证转义结果对浏览器的无差别，转义编码为实体编号，而不用实体名称。

3）空格(0x20)通常转义为“ ”也就是“ ”。

转义的代码非常简单：

  this.encodeHtml = function(s){      return (typeof s != "string") ? s :          s.replace(this.REGX_HTML_ENCODE,                    function($0){                        var c = $0.charCodeAt(0), r = ["&#"];                        c = (c == 0x20) ? 0xA0 : c;                        r.push(c); r.push(";");                        return r.join("");                    });  };

** 2、反转义

既然有转义，自然需要反转义。

1）对“&#num;”实体编号的转义，直接提取编号然后fromCharCode就可以得到字符。

2）对于诸如“<”，需要建立一张如下的表来查询。

    this.HTML_DECODE = {        "&lt;"  : "<",         "&gt;"  : ">",         "&amp;" : "&",         "&nbsp;": " ",         "&quot;": "\"",         "&copy;": "©"        // Add more    };

由此我们可以有反转义的正则表达式：

this.REGX_HTML_DECODE = /&\w+;|&#(\d+);/g;

反转的代码也很简单，如下：

this.decodeHtml = function(s){      return (typeof s != "string") ? s :          s.replace(this.REGX_HTML_DECODE,                    function($0,$1){                        var c = this.HTML_ENCODE[$0]; // 尝试查表                        if(c === undefined){                            // Maybe is Entity Number                            if(!isNaN($1)){                                c = String.fromCharCode(($1 == 160) ? 32:$1);                            }else{                                // Not Entity Number                                c = $0;                            }                        }                        return c;                    });  };

** 3、一个有意思的认识

其实在用正则表达式转义之前，我一直都是用遍历整个字符串，逐个比较字符的方式。直到有一天，看到一篇文章说，javascript正则表达式是C实现的，比自己用javascript遍历字符要快，于是我就试着改写成上面这种方式。虽然代码看起来的确显得神秘而又牛叉，但遗憾的是，在我的Chrome 11 (FreeBSD 64 9.0)上，遍历字符转义/反转的方式要比上面正则表达式的代码快2到3倍（字符串长度越长越明显）。其实，想想也能明白为什么。

** 4、完整版本的代码

$package("js.lang"); // 没有包管理时，也可简单写成 js = {lang:{}};js.lang.String = function(){    this.REGX_HTML_ENCODE = /"|&|'|<|>|[\x00-\x20]|[\x7F-\xFF]|[\u0100-\u2700]/g;    this.REGX_HTML_DECODE = /&\w+;|&#(\d+);/g;    this.REGX_TRIM = /(^\s*)|(\s*$)/g;    this.HTML_DECODE = {        "&lt;" : "<",         "&gt;" : ">",         "&amp;" : "&",         "&nbsp;": " ",         "&quot;": "\"",         "&copy;": ""        // Add more    };    this.encodeHtml = function(s){        s = (s != undefined) ? s : this.toString();        return (typeof s != "string") ? s :            s.replace(this.REGX_HTML_ENCODE,                       function($0){                          var c = $0.charCodeAt(0), r = ["&#"];                          c = (c == 0x20) ? 0xA0 : c;                          r.push(c); r.push(";");                          return r.join("");                      });    };    this.decodeHtml = function(s){        var HTML_DECODE = this.HTML_DECODE;        s = (s != undefined) ? s : this.toString();        return (typeof s != "string") ? s :            s.replace(this.REGX_HTML_DECODE,                      function($0,$1){                          var c = HTML_DECODE[$0];                          if(c == undefined){                              // Maybe is Entity Number                              if(!isNaN($1)){                                  c = String.fromCharCode(($1==160)?32:$1);                              }else{                                  c = $0;                              }                          }                          return c;                      });    };    this.trim = function(s){        s = (s != undefined) ? s : this.toString();        return (typeof s != "string") ? s :            s.replace(this.REGX_TRIM, "");    };    this.hashCode = function(){        var hash = this.__hash__, _char;        if(hash == undefined || hash == 0){            hash = 0;            for (var i = 0, len=this.length; i < len; i++) {                _char = this.charCodeAt(i);                hash = 31*hash + _char;                hash = hash & hash; // Convert to 32bit integer            }            hash = hash & 0x7fffffff;        }        this.__hash__ = hash;        return this.__hash__;     };};js.lang.String.call(js.lang.String);

在实际的使用中可以有两种方式：

1）使用js.lang.String.encodeHtml(s)和js.lang.String.decodeHtml(s)。

2）还可以直接扩展String的prototype

js.lang.String.call(String.prototype);  // 那么  var str = "<B>&'\"中国</B>abc def";  var ec_str = str.encodeHtml();    document.write(ec_str);    document.write("<br><br>");  var dc_str = ec_str.decodeHtml();  document.write(dc_str);

0 0