用Javascript（js）进行HTML转义工具（处理特殊字符显示）

转自：http://blog.csdn.net/hj7jay/article/details/51280405 

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：

  

[javascript] view plain copy

1. this.encodeHtml = function(s){
2. return (typeof s != "string") ? s :
3. s.replace(this.REGX_HTML_ENCODE,
4. function($0){
5. var c = $0.charCodeAt(0), r = ["&#"];
6. c = (c == 0x20) ? 0xA0 : c;
7. r.push(c); r.push(";");
8. return r.join("");
9. });
10. };

** 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 = {

        "<"  : "<", 

        ">"  : ">", 

        "&" : "&", 

        " ": " ", 

        """: "\"", 

        "©": "©"

        // 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：

[javascript] view plain copy

1. this.decodeHtml = function(s){
2. return (typeof s != "string") ? s :
3. s.replace(this.REGX_HTML_DECODE,
4. function($0,$1){
5. var c = this.HTML_ENCODE[$0]; // 尝试查表
6. if(c === undefined){
7. // Maybe is Entity Number
8. if(!isNaN($1)){
9. c = String.fromCharCode(($1 == 160) ? 32 : $1);
10. }else{
11. // Not Entity Number
12. c = $0;
13. }
14. }
15. return c;
16. });
17. };

** 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

[javascript] view plain copy

1. $package("js.lang"); // 没有包管理时，也可简单写成 js = {lang:{}};
2. js.lang.String = function(){
3. this.REGX_HTML_ENCODE = /"|&|'|<|>|[\x00-\x20]|[\x7F-\xFF]|[\u0100-\u2700]/g;
4. this.REGX_HTML_DECODE = /&\w+;|&#(\d+);/g;
5. this.REGX_TRIM = /(^\s*)|(\s*$)/g;
6. this.HTML_DECODE = {
7. "<" : "<",
8. ">" : ">",
9. "&" : "&",
10. " ": " ",
11. """: "\"",
12. "©": ""
13. // Add more
14. };
15. this.encodeHtml = function(s){
16. s = (s != undefined) ? s : this.toString();
17. return (typeof s != "string") ? s :
18. s.replace(this.REGX_HTML_ENCODE,
19. function($0){
20. var c = $0.charCodeAt(0), r = ["&#"];
21. c = (c == 0x20) ? 0xA0 : c;
22. r.push(c); r.push(";");
23. return r.join("");
24. });
25. };
26. this.decodeHtml = function(s){
27. var HTML_DECODE = this.HTML_DECODE;
28. s = (s != undefined) ? s : this.toString();
29. return (typeof s != "string") ? s :
30. s.replace(this.REGX_HTML_DECODE,
31. function($0, $1){
32. var c = HTML_DECODE[$0];
33. if(c == undefined){
34. // Maybe is Entity Number
35. if(!isNaN($1)){
36. c = String.fromCharCode(($1 == 160) ? 32:$1);
37. }else{
38. c = $0;
39. }
40. }
41. return c;
42. });
43. };
44. this.trim = function(s){
45. s = (s != undefined) ? s : this.toString();
46. return (typeof s != "string") ? s :
47. s.replace(this.REGX_TRIM, "");
48. };
49. this.hashCode = function(){
50. var hash = this.__hash__, _char;
51. if(hash == undefined || hash == 0){
52. hash = 0;
53. for (var i = 0, len=this.length; i < len; i++) {
54. _char = this.charCodeAt(i);
55. hash = 31*hash + _char;
56. hash = hash & hash; // Convert to 32bit integer
57. }
58. hash = hash & 0x7fffffff;
59. }
60. this.__hash__ = hash;
61. return this.__hash__;
62. };
63. };
64. 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

  

[javascript] view plain copy

1. js.lang.String.call(String.prototype);
2. // 那么
3. var str = "&'\"中国abc def";
4. var ec_str = str.encodeHtml();
5. document.write(ec_str);
6. document.write(""); // CU的博客在线编辑有bug,
7. 放不上来！！！
8. var dc_str = ec_str.decodeHtml();
9. document.write(dc_str);