代码改变世界

[字符编码]Numeric Character Reference和HTML Entities(一)

2011-11-24 16:57  iBlog  阅读(4785)  评论(2编辑  收藏  举报

     你是否在dreamweaver里编辑网页的时候看到Σ这样的东西,你曾使用过 这样的玩意吧,或者你在调试webservice的时候看到返回xml字符串中现γ这样的怪物呢?你看不懂他们可能用浏览器或者DW预览一下都是可以看到庐山真面目的,它是谁?

    Σ这个是 Numeric Character Reference

     这个是Character entities references

从字面上观察,一个是用&#x+16进制+; 表达信息,一个是用&+字符串+;    突然让我想起了汇编语言里头的 助记符 跟 实际二进制指令代码,带着这个猜测往下看吧!

 

Character entities references

HTML 中规定了 Character entity references,也就是通常我们说得 html实体字符,一些字符在 HTML 中拥有特殊的含义,比如小于号 (<) 用于定义 HTML 标签的开始。如果我们希望浏览器正确地显示这些字符,我们必须在 HTML 源码中插入字符实体。

字符实体有三部分:一个和号 (&),一个实体名称,或者 # 和一个实体编号,以及一个分号 (;)。要在 HTML 文档中显示小于号,我们需要这样写:&lt; 或者 &#60;

并不是所有的浏览器都支持最新的实体名称,不同的浏览器中需要去验证哪些可以被识别哪些不能被识别,下图中的“撇号”在IE下就不能支持,对于不支持的实体名称可以用另外的方式解决,继续阅读下一段吧。

注意:实体对大小写敏感。

比较全面的列表请参看:这里

参考:http://www.w3school.com.cn/html/html_entities.asp

Numeric Character Reference

看看维基百科的解释:

A numeric character reference (NCR) is a common markup construct used in SGML and other SGML-related markup languages such as HTML and XML. It consists of a short sequence of characters that, in turn, represent a single character from the Universal Charact

NCR是一种常见的标记结构,用于SGML和其他SGML相似的标记语言,如HTML和XML。它由一个短的字符序列组成,代表一个字符(全球的文字字符)。

NCR编码是由一个与号(&)跟着一个井号(#), 然后跟着这个字符的Unicode编码值, 最后跟着一个分号组成的, 如:

    &#nnnn;
或者
&#xhhhh

其中, nnnn是字符编码的十进制表示, 而hhhh是字符的16进制表示.

另外要注意的是x在xml中必须是小写的.而hhhh可以大小写混用, 另外nnnn和hhhh也可以有前导零.

HTML Entites与NCR不同, HTML字符实体的名字必须是在HTML中已经定义的才能被使用,比如:

    &amp; //&
&nbsp; //空格

如果是XML的话,必须在DTD中定义过, 类似:

1     <!ENTITY nbsp CDATA "&#160;" -- no-break space = non-breaking space,
2 U+00A0 ISOnum -->
3 <!ENTITY iexcl CDATA "&#161;" -- inverted exclamation mark, U+00A1 ISOnum -->
4 <!ENTITY cent CDATA "&#162;" -- cent sign, U+00A2 ISOnum -->
5 <!ENTITY pound CDATA "&#163;" -- pound sign, U+00A3 ISOnum -->
6 <!ENTITY curren CDATA "&#164;" -- currency sign, U+00A4 ISOnum -->
7 <!ENTITY yen CDATA "&#165;" -- yen sign = yuan sign, U+00A5 ISOnum -->
8 <!ENTITY brvbar CDATA "&#166;" -- broken bar = broken vertical bar,
9 U+00A6 ISOnum -->

其中, 名字是大小写敏感的. 比如:

    &Aring; // Å
而:
&aring; //

 

到此,我们来回答一下上面提出的问题,在html中没有规定的字符实体名称或不被浏览器支持的一些实体,怎么办呢?

答:可以使用NCR的方式,先找到字符对应的UNICODE编码,以小于号为例,unicode编码16进制为3C(10进制为60),在html则可以使用&#x3C或&#60,跟上面的表格对照看是否相同,由此我们也可以知道,如果我们的html所采用的编码不支持一些字符(比如其他国家的字符),则可以通过NCR来引入我们的页面就不会乱码了

      有一天,我的一个好朋友在调试webservice时发现对方的接口返回类似&#xhhhh这样的东西,一时不知道如何处理,如何转换为我们想要的编码呢?下一篇文章将提供通用的转换程序,敬请期待!

     最后感谢网络上无名的作者,是你们的博文让我学得更多,谢谢!如不小心引入您的博文内容而未带上出处,请告知我一声。

 

Creative Commons License 本文基于署名 2.5 中国大陆许可协议发布,欢迎转载,演绎或用于商业目的,但是必须保留本文的署名时邵猛(包含链接)。如您有任何疑问或者授权方面的协商,请给我留言。如果您觉得文章很有用,欢迎捐赠!【通过支付宝】。