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:
- 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 = {
"<" : "<",
">" : ">",
"&" : "&",
" ": " ",
""": "\"",
"©": "©"
// 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 = {
- "<" : "<",
- ">" : ">",
- "&" : "&",
- " ": " ",
- """: "\"",
- "©": ""
- // 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 = "&'\"中国abc def";
- var ec_str = str.encodeHtml();
- document.write(ec_str);
- document.write(""); // CU的博客在线编辑有bug,
- 放不上来!!!
- var dc_str = ec_str.decodeHtml();
- document.write(dc_str);