HOWTO · JavaScript

HTML-Entitäten mit JavaScript dekodieren

In diesem Artikel werden wir sehen, wie HTML-Entitäten mit JavaScript dekodiert werden.

Auf dieser Seite

Um HTML-Entitäten in einer Zeichenfolge zu dekodieren, verwenden Sie ein textarea-Element im Browser, wenn Ihr Code dort ausgeführt wird, oder das Paket he in einem Node.js-Projekt. Beide Methoden wandeln Zeichenreferenzen wie &nbsp;, &#39; und &amp; in die entsprechenden Zeichen um. Die Beispieleingabe enthält außerdem die wörtlichen Tags <h2> und <br>; das Dekodieren von Entitäten entfernt diese Tags nicht.

HTML-Entitäten mit Vanilla JavaScript dekodieren

Ein textarea im Browser kann Zeichenreferenzen dekodieren, doch sein innerHTML-Setter interpretiert HTML-Syntax. Maskieren Sie wörtliche Kleiner-als-Zeichen, bevor Sie nicht vertrauenswürdige Eingaben zuweisen. So kann eine Zeichenfolge wie </textarea><img src=x onerror=alert(1)> den Parsing-Kontext nicht schließen und kein Element erzeugen. Zeichenreferenzen werden weiterhin dekodiert, und wörtlicher Tag-Text bleibt Text. Diese Methode benötigt document und läuft daher in einem Browser, nicht direkt in Node.js.

Hier sehen Sie eine vollständige Browserseite. Ersetzen Sie die Beispielzeichenfolge durch den Wert, den Sie dekodieren möchten. Die Funktion maskiert wörtliche <-Zeichen vor dem Parsen; anschließend zeigt die Seite den zurückgegebenen Wert mit textContent an.

<!doctype html>
<meta charset="utf-8">
<textarea id="source"></textarea>
<pre id="result"></pre>
<script>
function decodeEntities(input) {
  const textarea = document.createElement('textarea');
  textarea.innerHTML = input.replace(/</g, '&lt;');
  return textarea.value;
}

const input = "Give&nbsp;us some&#39;<h2>time</h2>&#39; &amp; space <br> Please";
document.querySelector('#source').value = input;
document.querySelector('#result').textContent = decodeEntities(input);
</script>

Durch das Maskieren jedes wörtlichen <-Zeichens kann die Eingabe dem Parser weder ein schließendes textarea-Tag noch anderes Element-Markup unterjubeln. Kodierte Referenzen wie &lt; werden weiterhin dekodiert, doch das resultierende < bleibt Text im textarea-Wert und wird nicht erneut als Markup geparst. Auch die Zuweisung an textContent zeigt die dekodierten Zeichen <h2> und <br> als Text an. Wenn Sie dekodierte Daten später als HTML darstellen möchten, wenden Sie bei diesem separaten Darstellungsschritt eine geeignete HTML-Bereinigungsrichtlinie an.

Für ein kleines Node.js-Beispiel, das dezimale numerische Zeichenreferenzen mit abschließendem Semikolon verarbeitet, kann String.fromCodePoint() jeden erkannten Wert umwandeln, den JavaScript akzeptiert. Dieser Helfer wendet nicht die Regeln von HTML für numerische Zeichenreferenzen an: &#0; wird zu U+0000 und &#55296; zum einzelnen Surrogat U+D800, während ein HTML-Parser beide durch U+FFFD ersetzt. Außerdem prüft der Helfer weder fehlerhafte noch außerhalb des gültigen Bereichs liegende Referenzen. Ein Wert außerhalb des Bereichs kann dazu führen, dass String.fromCodePoint() einen RangeError auslöst. Referenzen ohne Semikolon bleiben unverändert. Dies ist ein eng begrenztes Beispiel und kein vollständiger HTML-Entitäten-Decoder. Für ein breiteres Spektrum an Entitäten verwenden Sie die obige Browsermethode oder das nachfolgende Paket he.

Führen Sie dieses Beispiel aus:

function decodeDecimalReferences(input) {
  return input.replace(/&#(\d+);/g, (_, digits) =>
    String.fromCodePoint(Number(digits))
  );
}

console.log(decodeDecimalReferences("Give&#39; us time"));
Give' us time

HTML-Entitäten mit der Bibliothek he dekodieren

Installieren Sie für Node.js das Paket he mit npm install he, laden Sie es anschließend mit const he = require('he'); und dekodieren Sie eine Zeichenfolge mit he.decode(input). he unterstützt benannte und numerische HTML-Zeichenreferenzen und eignet sich daher besser als eine handgeschriebene Ersetzungsliste, wenn die Eingabe unterschiedliche Entitäten enthalten kann. Prüfen Sie die aktuellen Node.js-Engine-Anforderungen des Pakets anhand der Node.js-Version Ihres Projekts, statt davon auszugehen, dass jede Version unterstützt wird.

Die Funktion decode() erwartet die HTML-Zeichenfolge als erstes Argument. Das optionale zweite Argument ist ein Optionsobjekt. Eigenschaften wie isAttributeValue und strict sind boolesche Einstellungen dieses Objekts und keine Werte, die separat übergeben werden. Für normalen Text rufen Sie he.decode(input) ohne Optionen auf. Mit der obigen Beispieleingabe lautet die dekodierte Zeichenfolge Give us some'<h2>time</h2>' & space <br> Please (das Leerzeichen nach „Give“ ist ein geschütztes Leerzeichen).

Verwenden Sie die textarea-Methode für Code, der bereits in einem Browser läuft, und he für Node.js oder wenn Sie einen eigenständigen Decoder mit breiter Entitätenabdeckung benötigen. Das Dekodieren wandelt Zeichenreferenzen um; die wörtlichen Tags im Beispiel werden dadurch nicht entfernt. Behandeln Sie Dekodierung und sicheres Darstellen als getrennte Aufgaben.