HTMLエンティティのエンコード・デコード
よく使うHTMLエンティティ
ボックスをクリックすると名前付きのコードをコピーします。2行目は同じ文字の数値参照です。
HTMLエンティティ(文字参照)とは
HTMLエンティティ(文字参照)は、文字の代わりに書く短いコードです。< は <、& は &、é は é と書きます。ブラウザはページを表示するときにこれを元の文字に戻します。このツールはブラウザ上で双方向に変換します。テキストをHTMLに安全に入れたいときはエンコード、エンコードされたHTMLを読みたいときはデコードを使います。
使い方
- 1 文字をエンティティにするなら「エンコード」、エンティティを文字に戻すなら「デコード」を選びます。
- 2 テキストを貼り付けます。エンコードでは、5つの特殊文字だけを変換するか、ASCII以外もすべて変換するか、その形式を選びます。
- 3 結果をコピーします。入力がすでにエンコード済みに見える場合や、デコード後もエンティティが残る場合は警告が出ます。
必ずエンコードすべき文字
HTMLで特別な意味を持つ文字は5つだけです。& はエンティティの開始、< と > はタグの開始と終了、" と ' は属性値の終わりを表します。ユーザーが入力した文字列をページや属性に埋め込むときは必ずこの5つをエンコードしてください。HTMLインジェクションへの基本的な対策にもなります。それ以外の文字は、日本語や é などを含め、ページがUTF-8で保存・配信されていれば(<meta charset="utf-8">)そのまま書けます。ASCII以外をすべてエンコードする必要があるのは、古いメールテンプレートやデータベースなどUTF-8を正しく扱えない環境だけです。
名前付きか数値か
é や © のような名前付きエンティティは読みやすい反面、決められた文字にしかありません。HTML5 では2,000以上の名前がありますが、古いソフトウェアが知っているのは HTML 4 の252個だけです。日本語の文字には名前がなく、数値で表します(あ = あ)。数値参照はどの文字にも使え、é(10進)と é(16進)はどちらも同じ é なので、最も確実です。「可能なら名前付き」では HTML 4 の名前があればそれを、なければ16進数を使います。' は HTML 4 にないため、アポストロフィは常に ' と書きます。
二重エンコードの落とし穴
すでに < を含むテキストをもう一度エンコードすると、& が & になって &lt; ができます。するとブラウザは < 記号ではなく < という文字列をそのまま表示します。作りの悪いページで見かける &amp; や &quot; はこれが原因です。多くの場合、保存前にエスケープ済みのテキストをテンプレートがもう一度エスケープすることで起こります。一度デコードして結果を確認し、まだエンティティが残っていれば、ツールがもう一度デコードするよう提案します。
絵文字と U+FFFF を超える文字
JavaScript は絵文字など U+FFFF を超える文字を、16ビットの半分2つ(サロゲートペア)として保持します。半分ずつエンコードするツールでは、笑顔の絵文字が �� になります。これは無効な参照2つで、ブラウザには置換文字(�)が2つ表示されます。このツールはコードポイント単位で読むので、同じ絵文字は 😀(10進では 😀)になります。国旗や肌の色、家族のように複数のコードポイントでできた絵文字は参照の並びとしてエンコードされ、デコードすると元どおりに戻ります。