字符集和编码区别以及HTML/JS/CSS实体字符的表示

  • 字符集和编码区别以及HTML/JS/CSS实体字符的表示已关闭评论
  • 254 次浏览
  • A+
所属分类:Web前端
摘要

字符集或者说字符编码就是给字符定义了数值编号以及数值编号存储格式。 以上内容,对字符集和字符编码应该有了个了解。


1.字符集/字符编码是什么?

字符集或者说字符编码就是给字符定义了数值编号以及数值编号存储格式。

严格来说字符集和字符编码是两个概念: charset 是 character set 的简写,即字符集。 encoding 是 charset encoding 的简写,即字符集编码,简称编码。  字符集:定义了每个字符对应的二进制数值关系,也就是给字符定义了一个数值编号。 字符编码:定义了该数值怎么存储(用几个字节来表示,数值二进制格式(有无特定标示))。  但有时候又可以认为是同一个意思:因为唯一对应。 比如:ASCII、IOS-8859-1、GB2312、GBK等等既是字符集又是字符编码。  不是同一个意思情况:一个字符集对应多个实现形式。 比如Unicode只是字符集,对应的字符编码却有多个: UTF-8、UTF-16、UTF-32 。  补充:
因为历史原因,最初是一一对应可以看成一个意思,后来出现一对情况拆分两个意思,
所以有些地方认为是一个意思,有些不这样认为,存在混淆,得自己明辨是非。 比如:charset也表示字符编码的意思。 在 html中用charset指定字符集:
<meta charset="UTF-8"> 准确来说UTF-8是字符编码。 而在xml中用encoding表示字符编码显得更加严紧: <?xml version="1.0" encoding="UTF-8"?> 实际我们只要关心字符编码,因为由它决定存取和传输的格式。 值注意:关于Unicode的多重意思。 (1)Unicode 标准 (2)Unicode 字符集 (3)Unicode 的抽象编码(编号),也即码点(code point) (4)Unicode 的一个具体编码实现,通常即为变长的 UTF-161632 位),又或者是更早期的定长 16 位的 UCS-2 特别注意java中编码的问题!: 1.常说的java采用Unicode编码,用两个字节表示字符。 这里的Unicode编码的意思是用定长UTF-16字符编码,也就是运行时内存中一个字符用两个字节存储。
2.有时候说java默认是UTF-8编码.
其实说的是jvm默认编码是UTF-8,
该编码默认用处:字符和字节数据组的转换,io流转换。
如果没有设置jvm默认编码,那么默认使用操作系统的编码。
也可以自己更改jvm的编码:
更改JVM参数 -Dfile.encoding=UTF-8。

 以上内容,对字符集和字符编码应该有了个了解。

一般说某某使用了Unicode编码其实说的是某个具体实现,最常用是UTF-8,UTF-16实现形式。

 

2.什么是html实体or实体字符or字符实体?

通常说法:

HTML一些预留字符(有特殊意义字符(比如标签的“<”标示)),不能直接在文本使用,必须使用字符实体。以及键盘不能直接输入的字符。

常见的HTML实体名称和字符

字符集和编码区别以及HTML/JS/CSS实体字符的表示字符集和编码区别以及HTML/JS/CSS实体字符的表示

实体名称   字符           描述 &lt;            <    小于号或显示标记 &gt;            >    大于号或显示标记 &amp;    &    可用于显示其它特殊字符 &quot;    “    引号 &reg;    ®    已注册 &copy;    ©    版权 &trade;    ™    商标 &ensp;         半个空白位 &emsp;         一个空白位 &nbsp;         空格

常见HTML实体

字符实体有三部分:

一个和号‘&’和一个实体名称(或者一个‘#’ 和一个实体编号),以及一个分号‘;’。

例子:“<”的字符实体。

<两种表现形式: 实体名称的方式:&lt; 实体编号的方式:&#60; //或者 &#x003C; (16进制格式(&#x;))  字符编号其实是ascii码的编号,并且用十进制和十六进制都可以。  一些特殊字符有实体名称,可以用实体名称表示,可以查下面ISO-8859-1字符集表。 不只是预留字符!其实所有字符都能用字符实体来表示,通过实体编号也就是ascii码的编号来表示。

ISO-8859-1(HTML 4.01 中默认)和 UTF-8(HTML5 中默认)都是基于 ASCII 构建的。

ASCII 字符集

ASCII 指的是“美国信息交换标准代码”(American Standard Code for Information Interchange)。

表:

字符集和编码区别以及HTML/JS/CSS实体字符的表示字符集和编码区别以及HTML/JS/CSS实体字符的表示

字符    数字    描述      0 - 31    Control characters (see below)      32    space !    33    exclamation mark "    34    quotation mark #    35    number sign $    36    dollar sign %    37    percent sign &    38    ampersand '    39    apostrophe (    40    left parenthesis )    41    right parenthesis *    42    asterisk +    43    plus sign ,    44    comma -    45    hyphen .    46    period /    47    slash 0    48    digit 0 1    49    digit 1 2    50    digit 2 3    51    digit 3 4    52    digit 4 5    53    digit 5 6    54    digit 6 7    55    digit 7 8    56    digit 8 9    57    digit 9 :    58    colon ;    59    semicolon <    60    less-than =    61    equals-to >    62    greater-than ?    63    question mark @    64    at sign A    65    uppercase A B    66    uppercase B C    67    uppercase C D    68    uppercase D E    69    uppercase E F    70    uppercase F G    71    uppercase G H    72    uppercase H I    73    uppercase I J    74    uppercase J K    75    uppercase K L    76    uppercase L M    77    uppercase M N    78    uppercase N O    79    uppercase O P    80    uppercase P Q    81    uppercase Q R    82    uppercase R S    83    uppercase S T    84    uppercase T U    85    uppercase U V    86    uppercase V W    87    uppercase W X    88    uppercase X Y    89    uppercase Y Z    90    uppercase Z [    91    left square bracket     92    backslash ]    93    right square bracket ^    94    caret _    95    underscore `    96    grave accent a    97    lowercase a b    98    lowercase b c    99    lowercase c d    100    lowercase d e    101    lowercase e f    102    lowercase f g    103    lowercase g h    104    lowercase h i    105    lowercase i j    106    lowercase j k    107    lowercase k l    108    lowercase l m    109    lowercase m n    110    lowercase n o    111    lowercase o p    112    lowercase p q    113    lowercase q r    114    lowercase r s    115    lowercase s t    116    lowercase t u    117    lowercase u v    118    lowercase v w    119    lowercase w x    120    lowercase x y    121    lowercase y z    122    lowercase z {    123    left curly brace |    124    vertical bar }    125    right curly brace ~    126    tilde  ASCII 控制字符(范围为 00-31,外加 127)旨在控制硬件设备。 控制字符(水平制表符、换行符和回车符除外)与 HTML 文档无关。  字符    数字    描述 NUL    00    null character SOH    01    start of header STX    02    start of text ETX    03    end of text EOT    04    end of transmission ENQ    05    enquiry ACK    06    acknowledge BEL    07    bell (ring) BS    08    backspace HT    09    horizontal tab LF    10    line feed VT    11    vertical tab FF    12    form feed CR    13    carriage return SO    14    shift out SI    15    shift in DLE    16    data link escape DC1    17    device control 1 DC2    18    device control 2 DC3    19    device control 3 DC4    20    device control 4 NAK    21    negative acknowledge SYN    22    synchronize ETB    23    end transmission block CAN    24    cancel EM    25    end of medium SUB    26    substitute ESC    27    escape FS    28    file separator GS    29    group separator RS    30    record separator US    31    unit separator             DEL    127    delete (rubout)

128个ASCII字符 

ISO-8859-1字符集

ISO-8859-1 是 HTML 4.01 中的默认字符。

使用范围:北美,西欧,拉丁美洲,加勒比海,加拿大,非洲。  ISO(International Standards Organization,国际标准组织)为不同的字母/语言定义了标准字符集。 ISO-8859 是一个系列,还有覆盖其他地方的比如,南欧,北欧的一些国家的字符。 包含了ascii所有字符外还有一些特殊符号。

(部分特殊的有实体名称)

字符集和编码区别以及HTML/JS/CSS实体字符的表示字符集和编码区别以及HTML/JS/CSS实体字符的表示

字符    实体编号    实体名称    描述      0 - 31         Control characters      32         space !    33         exclamation mark "    34    &quot;    quotation mark #    35         number sign $    36         dollar sign %    37         percent sign &    38    &amp;    ampersand '    39         apostrophe (    40         left parenthesis )    41         right parenthesis *    42         asterisk +    43         plus sign ,    44         comma -    45         hyphen-minus .    46         full stop /    47         solidus 0    48         digit zero 1    49         digit one 2    50         digit two 3    51         digit three 4    52         digit four 5    53         digit five 6    54         digit six 7    55         digit seven 8    56         digit eight 9    57         digit nine :    58         colon ;    59         semicolon <    60    &lt;    less-than sign =    61         equals sign >    62    &gt;    greater-than sign ?    63         question mark @    64         commercial at A    65         Latin capital letter A B    66         Latin capital letter B C    67         Latin capital letter C D    68         Latin capital letter D E    69         Latin capital letter E F    70         Latin capital letter F G    71         Latin capital letter G H    72         Latin capital letter H I    73         Latin capital letter I J    74         Latin capital letter J K    75         Latin capital letter K L    76         Latin capital letter L M    77         Latin capital letter M N    78         Latin capital letter N O    79         Latin capital letter O P    80         Latin capital letter P Q    81         Latin capital letter Q R    82         Latin capital letter R S    83         Latin capital letter S T    84         Latin capital letter T U    85         Latin capital letter U V    86         Latin capital letter V W    87         Latin capital letter W X    88         Latin capital letter X Y    89         Latin capital letter Y Z    90         Latin capital letter Z [    91         left square bracket     92         reverse solidus ]    93         right square bracket ^    94         circumflex accent _    95         low line `    96         grave accent a    97         Latin small letter a b    98         Latin small letter b c    99         Latin small letter c d    100         Latin small letter d e    101         Latin small letter e f    102         Latin small letter f g    103         Latin small letter g h    104         Latin small letter h i    105         Latin small letter i j    106         Latin small letter j k    107         Latin small letter k l    108         Latin small letter l m    109         Latin small letter m n    110         Latin small letter n o    111         Latin small letter o p    112         Latin small letter p q    113         Latin small letter q r    114         Latin small letter r s    115         Latin small letter s t    116         Latin small letter t u    117         Latin small letter u v    118         Latin small letter v w    119         Latin small letter w x    120         Latin small letter x y    121         Latin small letter y z    122         Latin small letter z {    123         left curly bracket |    124         vertical line }    125         right curly bracket ~    126         tilde      127         Control character  在 ISO-8859-1 中,未定义 128159 之间的字符。 但存在约定俗成一些字符: 字符    实体编号    实体名称    描述 €    128    &euro;    euro sign      129         NOT USED ‚    130    &sbquo;    single low-9 quotation mark ƒ    131    &fnof;    Latin small letter f with hook „    132    &bdquo;    double low-9 quotation mark …    133    &hellip;    horizontal ellipsis †    134    &dagger;    dagger ‡    135    &Dagger;    double dagger ˆ    136    &circ;    modifier letter circumflex accent ‰    137    &permil;    per mille sign Š    138    &Scaron;    Latin capital letter S with caron ‹    139    &lsaquo;    single left-pointing angle quotation mark Œ    140    &OElig;    Latin capital ligature OE      141         NOT USED Ž    142    &Zcaron;    Latin capital letter Z with caron      143         NOT USED      144         NOT USED ‘    145    &lsquo;    left single quotation mark ’    146    &rsquo;    right single quotation mark “    147    &ldquo;    left double quotation mark ”    148    &rdquo;    right double quotation mark •    149    &bull;    bullet –    150    &ndash;    en dash —    151    &mdash;    em dash ˜    152    &tilde;    small tilde ™    153    &trade;    trade mark sign š    154    &scaron;    Latin small letter s with caron ›    155    &rsaquo;    single right-pointing angle quotation mark œ    156    &oelig;    Latin small ligature oe      157         NOT USED ž    158    &zcaron;    Latin small letter z with caron Ÿ    159    &Yuml;    Latin capital letter Y with diaeresis  ISO-8859-1(从 160191 的编码)的下一部分包含常用的特殊字符。 字符    实体编号    实体名称    描述      &#160;    &nbsp;    non-breaking space ¡    &#161;    &iexcl;    inverted exclamation mark ¢    &#162;    &cent;    cent £    &#163;    &pound;    pound ¤    &#164;    &curren;    currency ¥    &#165;    &yen;    yen ¦    &#166;    &brvbar;    broken vertical bar §    &#167;    &sect;    section ¨    &#168;    &uml;    spacing diaeresis ©    &#169;    &copy;    copyright ª    &#170;    &ordf;    feminine ordinal indicator «    &#171;    &laquo;    angle quotation mark (left) ¬    &#172;    &not;    negation ­    &#173;    &shy;    soft hyphen ®    &#174;    &reg;    registered trademark ¯    &#175;    &macr;    spacing macron °    &#176;    &deg;    degree ±    &#177;    &plusmn;    plus-or-minus ²    &#178;    &sup2;    superscript 2 ³    &#179;    &sup3;    superscript 3 ´    &#180;    &acute;    spacing acute µ    &#181;    &micro;    micro ¶    &#182;    &para;    paragraph ·    &#183;    &middot;    middle dot ¸    &#184;    &cedil;    spacing cedilla ¹    &#185;    &sup1;    superscript 1 º    &#186;    &ordm;    masculine ordinal indicator »    &#187;    &raquo;    angle quotation mark (right) ¼    &#188;    &frac14;    fraction 1/4 ½    &#189;    &frac12;    fraction 1/2 ¾    &#190;    &frac34;    fraction 3/4 ¿    &#191;    &iquest;    inverted question mark  ISO-8859-1 的较高部分(从 192255 的编码,215247 除外)包含西欧国家/地区使用的字符。 字符    实体编号    实体名称    描述 À    &#192;    &Agrave;    capital a, grave accent Á    &#193;    &Aacute;    capital a, acute accent     &#194;    &Acirc;    capital a, circumflex accent à    &#195;    &Atilde;    capital a, tilde Ä    &#196;    &Auml;    capital a, umlaut mark Å    &#197;    &Aring;    capital a, ring Æ    &#198;    &AElig;    capital ae Ç    &#199;    &Ccedil;    capital c, cedilla È    &#200;    &Egrave;    capital e, grave accent É    &#201;    &Eacute;    capital e, acute accent Ê    &#202;    &Ecirc;    capital e, circumflex accent Ë    &#203;    &Euml;    capital e, umlaut mark Ì    &#204;    &Igrave;    capital i, grave accent Í    &#205;    &Iacute;    capital i, acute accent Î    &#206;    &Icirc;    capital i, circumflex accent Ï    &#207;    &Iuml;    capital i, umlaut mark Ð    &#208;    &ETH;    capital eth, Icelandic Ñ    &#209;    &Ntilde;    capital n, tilde Ò    &#210;    &Ograve;    capital o, grave accent Ó    &#211;    &Oacute;    capital o, acute accent Ô    &#212;    &Ocirc;    capital o, circumflex accent Õ    &#213;    &Otilde;    capital o, tilde Ö    &#214;    &Ouml;    capital o, umlaut mark ×    &#215;    &times;    multiplication Ø    &#216;    &Oslash;    capital o, slash Ù    &#217;    &Ugrave;    capital u, grave accent Ú    &#218;    &Uacute;    capital u, acute accent Û    &#219;    &Ucirc;    capital u, circumflex accent Ü    &#220;    &Uuml;    capital u, umlaut mark Ý    &#221;    &Yacute;    capital y, acute accent Þ    &#222;    &THORN;    capital THORN, Icelandic ß    &#223;    &szlig;    small sharp s, German à    &#224;    &agrave;    small a, grave accent á    &#225;    &aacute;    small a, acute accent â    &#226;    &acirc;    small a, circumflex accent ã    &#227;    &atilde;    small a, tilde ä    &#228;    &auml;    small a, umlaut mark å    &#229;    &aring;    small a, ring æ    &#230;    &aelig;    small ae ç    &#231;    &ccedil;    small c, cedilla è    &#232;    &egrave;    small e, grave accent é    &#233;    &eacute;    small e, acute accent ê    &#234;    &ecirc;    small e, circumflex accent ë    &#235;    &euml;    small e, umlaut mark ì    &#236;    &igrave;    small i, grave accent í    &#237;    &iacute;    small i, acute accent î    &#238;    &icirc;    small i, circumflex accent ï    &#239;    &iuml;    small i, umlaut mark ð    &#240;    &eth;    small eth, Icelandic ñ    &#241;    &ntilde;    small n, tilde ò    &#242;    &ograve;    small o, grave accent ó    &#243;    &oacute;    small o, acute accent ô    &#244;    &ocirc;    small o, circumflex accent õ    &#245;    &otilde;    small o, tilde ö    &#246;    &ouml;    small o, umlaut mark ÷    &#247;    &divide;    division ø    &#248;    &oslash;    small o, slash ù    &#249;    &ugrave;    small u, grave accent ú    &#250;    &uacute;    small u, acute accent û    &#251;    &ucirc;    small u, circumflex accent ü    &#252;    &uuml;    small u, umlaut mark ý    &#253;    &yacute;    small y, acute accent þ    &#254;    &thorn;    small thorn, Icelandic ÿ    &#255;    &yuml;    small y, umlaut mark

ISO-8859-1字符集

 补充:HTML实体目的让特殊字符不对解析HTML产生问题,事实却又带来新的XSS问题。

HTML实体增加了过滤xss的难度。 字符实体不会当做标签处理但是写在标签属性值位置却可以按常规效果执行。  比如:如果href属性值可以注入,做了对Javascript过滤,那么 <a href=javascript:alert(1); >aa</a> 其中alert(1)不会执行。  如果javascript:alert(1);进行实体字符转换为: &#106;&#97;&#118;&#97;&#115;&#99;&#114;&#105;&#112;&#116;&#58;&#97;&#108;&#101;&#114;&#116;&#40;&#49;&#41;&#59; 那么变成了下面效果: <a href= &#106;&#97;&#118;&#97;&#115;&#99;&#114;&#105;&#112;&#116;&#58;&#97;&#108;&#101;&#114;&#116;&#40;&#49;&#41;&#59; >aa</a> 这时候alert会正常执行。  xss利用一些属性值可以执行js伪协议(javascript:执行脚本)。  据说实体字符是在dom树节点创建后才会解码,正因为如此,实体字符不能创建节点。

3.css实体,js实体

不仅html有实体字符,css,js都有!

在Unicode字符集也就是UTF-8字符编码下,一些常见字符和实体表示如下:

符号   HTML        JS      CSS     符号   HTML        JS      CSS ⇠    &#8672    u21E0    21E0    ⇢    &#8674    u21E2    21E2 ⇡     &#8673    u21E1    21E1    ⇣    &#8675    u21E3    21E3 ↞    &#8606    u219E    219E    ↠    &#8608    u21A0    21A0 ↟     &#8607    u219F    219F    ↡    &#8609    u21A1    21A1 ←     &#8592    u2190    2190    →    &#8594    u2192    2192&#8593    u2191    2191    ↓    &#8595    u2193    2193&#8596    u2194    2194    ↕    &#8597    u2195    2195&#8644    u21C4    21C4    ⇅    &#8645    u21C5    21C5 ↢     &#8610    u21A2    21A2    ↣    &#8611    u21A3    21A3 ⇞     &#8670     u21DE    21DE     ⇟    &#8671    u21DF    21DF ↫     &#8619    u21AB    21AB    ↬    &#8620    u21AC    21AC ⇜    &#8668     u21DC    21DC     ⇝    &#8669    u21DD    21DD ↚    &#8602     u219A    219A     ↛    &#8603    u219B    219B ↮    &#8622     u21AE    21AE     ↭    &#8621    u21AD    21AD ⇦     &#8678     u21E6    21E6     ⇨    &#8680    u21E8    21E8 ⇧     &#8679     u21E7    21E7     ⇩    &#8681    u21E9    21E9 ▲     &#9650     u25B2    25B2     ►    &#9658    u25BA    25BA ▼     &#9660     u25BC    25BC     ◄    &#9668    u25C4    25C4 ➔    &#10132    u2794    2794    ➙    &#10137    u2799    2799&#10152    u27A8    27A8    ➲    &#10162    u27B2    27B2 ➜    &#10140    u279C    279C    ➞    &#10142    u279E    279E ➟    &#10143    u279F    279F    ➠    &#10144    u27A0    27A0 ➤    &#10148    u27A4    27A4    ➥    &#10149    u27A5    27A5 ➦    &#10150    u27A6    27A6    ➧    &#10151    u27A7    27A7 ➵    &#10165    u27B5    27B5    ➸    &#10168    u27B8    27B8 ➼    &#10172    u27BC    27BC    ➽    &#10173    u27BD    27BD ➺    &#10170    u27BA    27BA    ➳    &#10163    u27B3    27B3 ↷     &#8631    u21B7    21B7     ↶    &#8630    u21B6    21B6 ↻     &#8635    u21BB    21BB     ↺    &#8634    u21BA    21BA ↵     &#8629    u21B5    21B5     ↯    &#8623    u21AF    21AF

css实体例子:

<!DOCTYPE html> <html> <style> p:after {   content: '21E0'; } </style> <body> <p>显示</p> </body> </html>

js实体的例子:

var code2 = 'u0061'; document.write(code2); // a

 总结:html,js,css实体表示格式:

以字符的编号为基础 html实体,“&#”+字符编号+“;” ;  CSS实体,“”+字符编号 ;  javascript ,“u”+字符编号。