用Javascript进行HTML转义 Javascript

【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 = { "< ": "<", "> ": ">", "& " : "&", " ": " ", "" ": "\"", "© ": "?"// 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("

"); var dc_str = ec_str.decodeHtml(); document.write(dc_str);