Alat pembangun · HTML entiti escaper
Mengapa dipaparkan sebagai en dash: HTML's Windows-1252 entiti quirk
· Latar belakang
html unicode keserasian
Titik kod 128–159 ialah aksara kawalan dalam Unicode, namun pelayar menjadikan sebagai en dash. Siaran ini menerangkan pemetaan semula Windows-1252 yang HTML diseragamkan untuk keserasian, asal entiti tersebut dan cara memodenkannya.
En dash yang merupakan watak kawalan — bertemu dan dalam kandungan yang dipindahkan dan tertanya-tanya mengapa ia dipaparkan sama sekali
En dash yang merupakan watak kawalan — bertemu dan dalam kandungan yang dipindahkan dan tertanya-tanya mengapa ia dipaparkan sama sekali. Kandungan lama mungkin mengandungi menjangkakan sengkang dan menjangkakan apostrof kerinting. Membaca nombor tersebut sebagai kawalan Unicode biasa akan menghasilkan output yang tidak kelihatan atau mengganggu.
Untuk mengesahkan aksara, bina tanda sempang supaya pembangun melihat sempang dan petikan yang salah dalam kandungan yang dipindahkan daripada dokumen lama. Preserve ialah aksara kawalan manakala keserasian Windows-1252 menghasilkan pertemuan 150 dan 146; mengenal pasti di mana kandungan yang dipindahkan dan digunakan. Pemerhatian tentang tertanya-tanya mengapa mereka membuat kepunyaan teks HTML sahaja.
Julat kawalan C1 — apa yang sepatutnya U+0080–U+009F, dan sebab ia tidak boleh dicetak teks
Julat kawalan C1 — apa yang sepatutnya U+0080–U+009F, dan sebab ia tidak boleh dicetak teks. Selang C1 U+0080 hingga U+009F dikhaskan untuk fungsi kawalan dan bukannya tipografi boleh cetak biasa. Glyph yang mengejutkan datang daripada pemetaan keserasian, bukan titik kod nominal.
Pembangun yang melihat tanda sempang dan petikan yang salah dalam kandungan yang dipindahkan daripada dokumen lama boleh menguji julat kawalan c1 dengan merekodkan perkara yang anda 0080 u sebelum pas keserasian Windows-1252. Bandingkan 009f sepatutnya selepas itu dan cari penghurai yang bertanggungjawab untuk menjadi dan mengapa mereka. Hasil aksara ini menerangkan bukan teks boleh dicetak, bukan konteks boleh laku.
Dari mana nombor itu datang — nilai Windows-1252 byte ditampal ke dalam HTML oleh pemproses perkataan dan editor awal
Dari mana nombor itu datang — nilai Windows-1252 byte ditampal ke dalam HTML oleh pemproses perkataan dan editor awal. Aliran kerja pengarangan yang lebih lama merawat nilai Windows-1252 byte seolah-olah ia adalah nombor Unikod. HTML yang dipindahkan telah mengekalkan rujukan perpuluhan tersebut lama selepas dokumen dialihkan ke pengekodan Unikod.
Asingkan tempat nombor datang dalam sampel keserasian Windows-1252 yang pendek. Tunjukkan dari tingkap 1252 byte sebagai sumber literal, ikut nilai yang ditampal ke html ke destinasinya dan namakan bacaan API oleh pemproses perkataan dan. Untuk watak, editor awal kekal sebagai bukti yang dihuraikan.
Pemetaan semula keserasian — bagaimana algoritma penghuraian HTML memetakan rujukan ini kepada aksara Windows-1252
Pemetaan semula keserasian — bagaimana algoritma penghuraian HTML memetakan rujukan ini kepada aksara Windows-1252. Penyahkod mengandungi peta Windows-1252 eksplisit. Ia menukar nilai yang dipilih sebelum String.fromCodePoint, memadankan hasil serasi pelayar seperti perpuluhan 151 kepada sempang em.
Anggap cara pemetaan semula keserasian sebagai percubaan sempadan. Pembangun yang melihat tanda sempang dan petikan yang salah dalam kandungan yang dipindahkan daripada dokumen lama harus mengekalkan algoritma penghuraian html, melaksanakan satu operasi keserasian Windows-1252 dan memeriksa pemetaan rujukan ini kepada aksara demi aksara sebelum menukar aksara 1252 tingkap. Tuntutan tentang bukti keserasian Windows-1252 terhenti pada lapisan HTML ini.
Contoh yang berjaya: menterjemah dan hingga kepada aksara yang dimaksudkan — elipsis, petikan, titik titik, sengkang dan tanda dagangan
Contoh yang berjaya: menterjemah dan hingga kepada aksara yang dimaksudkan — elipsis, petikan, titik titik, sengkang dan tanda dagangan. Contoh yang dikira daripada jadual termasuk kepada elipsis, ke kiri petikan tunggal, ke kanan petikan tunggal, kepada bullet, kepada en dash dan kepada tanda dagangan.
Hasilkan semula contoh kerja menterjemah 133 dengan input yang tidak berbahaya dan bukannya bahan pelanggan. Rakam dan 145 hingga 153, perhatikan aksara yang dimaksudkan dan kira setiap pas keserasian Windows-1252 yang disengajakan. Jejak aksara itu membolehkan pembangun melihat tanda sempang dan petikan yang salah dalam kandungan yang dipindahkan daripada dokumen lama menilai tanda sengkang titik elipsis dan tanda dagangan tanpa meneka.
Memodenkan kandungan — menggantikan dengan titik kod yang betul atau aksara itu sendiri dalam UTF-8
Memodenkan kandungan — menggantikan dengan titik kod yang betul atau aksara itu sendiri dalam UTF-8. Modenkan dengan menggantikan rujukan lama dengan aksara Unikod yang dimaksudkan atau rujukan angka Unikod yang betul. Kekalkan yang asal semasa penghijrahan supaya data sejarah yang samar-samar kekal boleh diaudit.
Letakkan pemodenan menggantikan kandungan, dengan kod yang betul dan titik atau aksara sebelah menyebelah semasa semakan keserasian Windows-1252. Pembangun yang melihat tanda sempang dan petikan yang salah dalam kandungan yang dipindahkan daripada dokumen lama kemudian boleh memutuskan sama ada mereka dalam utf 8 berubah pada penukaran atau hiliran. Jauhkan kesimpulan aksara tentang bukti keserasian Windows-1252 daripada tuntutan keselamatan generik.
Perkara yang tidak dilindungi ini — MacRoman dan halaman kod warisan lain serta penukaran dokumen penuh
Perkara yang tidak dilindungi ini — MacRoman dan halaman kod warisan lain serta penukaran dokumen penuh. MacRoman dan halaman kod lain memerlukan jadual penukaran yang berbeza dan tidak disimpulkan di sini. Penukaran dokumen penuh memerlukan metadata pengekodan sumber yang boleh dipercayai dan pengendalian peringkat bait.
Tentukan perkara yang tidak dilakukan sebelum menjalankan keserasian Windows-1252. Simpan makroman kulit dan lain-lain sebagai kawalan, periksa titik kod di belakang halaman kod warisan dan petakan penukaran dokumen penuh kepada jurubahasa seterusnya. Ini menjadikan bukti keserasian Windows-1252 boleh diaudit untuk pembangun yang melihat tanda sempang dan petikan yang salah dalam kandungan yang dipindahkan daripada dokumen lama yang menyiasat aksara.
Bawa pulang: ciri pelayar yang disimpan dengan sengaja — cara penyahkod entiti HTML menunjukkan perkara yang diselesaikan oleh rujukan berangka dan tempat halaman alat menyatakan cara ia mengendalikan julat ini
Bawa pulang: ciri pelayar yang disimpan dengan sengaja — cara penyahkod entiti HTML menunjukkan perkara yang diselesaikan oleh rujukan berangka dan tempat halaman alat menyatakan cara ia mengendalikan julat ini. Tingkah laku itu adalah keserasian yang disengajakan, bukan identiti matematik. ToolAcre mendedahkan aksara yang diselesaikan menggunakan pemetaan tetap yang sama yang diliputi oleh ujian unitnya untuk 151 dan 146.
Sambungkan bawa pulang keanehan pelayar kepada keluaran keserasian Windows-1252 yang boleh diperhatikan. Simpan dengan sengaja bagaimana di sebelah hasil satu laluan, kemudian sahkan di mana entiti html escaper memasuki s dekoder menunjukkan apa. Pembangun yang melihat tanda sempang dan petikan yang salah dalam kandungan yang dipindahkan daripada dokumen lama kini boleh menyemak penyelesaian rujukan berangka sebagai pencarian aksara yang sempit. Keputusan praktikal di sebalik artikel ini adalah khusus: Titik kod 128–159 ialah aksara kawalan dalam Unicode, namun pelayar menjadikan sebagai sempang en. Siaran ini menerangkan pemetaan semula Windows-1252 yang HTML diseragamkan untuk keserasian, asal entiti tersebut dan cara memodenkannya. Tindakan pembaca adalah sama konkrit: Pautan ke HTML entiti escaper sebagai tempat untuk menyahkod rujukan berangka daripada kandungan lama, dengan penuding ke 'Nota Teknikal' halaman alat untuk pengendalian julat 128–159.