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 = {
	"<"  : "<", 
	">"  : ">", 
	"&" : "&", 
	" ": " ", 
	""": "\"", 
	"&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 = {
		"<" : "<",
		">" : ">",
		"&" : "&",
		" ": " ",
		""": "\"",
		"&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("<bt><bt>"); 
var dc_str = ec_str.decodeHtml();
document.write(dc_str);

秒客网

用Javascript进行HTML转义

相关文章