Herramientas de desarrollo · Escapador de entidades HTML
Por qué – se representa como un guión final: peculiaridad de la entidad Windows-1252 de HTML
· Antecedentes
Publicado por ToolAcre · Revisión editorial
html Unicode compatibilidad

Los puntos de código 128–159 son caracteres de control en Unicode, pero los navegadores representan como un guión. Esta publicación explica la reasignación de Windows-1252 que HTML estandarizó para compatibilidad, de dónde provienen dichas entidades y cómo modernizarlas.
El dash en que era un personaje de control — reunión – y ’ en contenido migrado y pregunta por qué se rinden en absoluto
El dash en que era un personaje de control — reunión – y ’ en contenido migrado y se pregunta por qué se rinden en absoluto. El contenido de legacy puede contener – esperando un pantano ’ esperando un apostrofe rizado. La lectura de esos números como controles comunes de Unicode produciría una salida invisible o disruptiva.
Para verificar – carácter, construir el dash en que para un desarrollador ver mal las dashes y citas en contenido migrado de documentos antiguos. Preserve era un personaje de control mientras que Windows-1252 compatibilidad produce reunión 150 y 146; identificar dónde en contenido migrado y se consume. La observación sobre la pregunta por qué se rinden pertenece a HTML sólo texto.
El rango de control C1: qué se supone que son U+0080–U+009F y por qué nunca son texto imprimible
El rango de control C1: qué se supone que son U+0080–U+009F y por qué nunca son texto imprimible. El intervalo C1 U+0080 a U+009F está reservado para funciones de control en lugar de tipografía imprimible ordinaria. El sorprendente glifo proviene del mapeo de compatibilidad, no del punto de código nominal.
Un desarrollador que ve mal las pestañas y citas en contenido migrado de documentos antiguos puede probar el rango de control c1 grabando lo que u 0080 u antes de Windows-1252 pase de compatibilidad. Compare 009f se supone que después y localizar el parser responsable de ser y por qué ellos. Esto es lo que pasa – resultado del personaje explica que nunca son texto impreso, no contextos ejecutables.
De dónde provienen los números: Windows: 1252 valores de bytes pegados en HTML por procesadores de texto y primeros editores
De dónde provienen los números: Windows-1252 valores de bytes pegados en HTML por procesadores de texto y primeros editores. Los flujos de trabajo de creación más antiguos trataban los valores de bytes de Windows-1252 como si fueran números Unicode. El HTML migrado conservó esas referencias decimales mucho después de que los documentos pasaran a codificaciones Unicode.
Aislar donde los números llegaron en un corto Windows-1252 muestra de compatibilidad. Mostrar desde las ventanas 1252 byte como fuente literal, seguir valores pegados en html a su destino, y nombrar el API lectura por procesadores de palabras y. Para – carácter, los editores tempranos siguen siendo pruebas con parser.
La reasignación de compatibilidad: cómo el algoritmo de análisis HTML asigna estas referencias a los caracteres de Windows-1252
La reasignación de compatibilidad: cómo el algoritmo de análisis HTML asigna estas referencias a los caracteres de Windows-1252. El descodificador contiene un mapa Windows-1252 explícito. Cambia los valores seleccionados antes de String.fromCodePoint, haciendo coincidir los resultados compatibles con el navegador, como el decimal 151, con un guión em.
Trate la reasignación de compatibilidad como un experimento de límites. Un desarrollador que vea guiones y comillas incorrectos en el contenido migrado de documentos antiguos debe conservar el algoritmo de análisis HTML, realizar una operación de compatibilidad con Windows-1252 e inspeccionar los mapas de estas referencias carácter por carácter antes de cambiar los caracteres 1252 de Windows. La afirmación sobre la evidencia de compatibilidad con Windows-1252 se detiene en esta capa HTML.
Ejemplo trabajado: traducción … y ‘ a través de ™ a sus personajes previstos — elipsis, citas, balas, dashes y marcas
Ejemplo trabajado: traducción … y ‘ a través de ™ a sus personajes previstos — elipsis, citas, balas, dashes y marcas. Entre los ejemplos presentados en el cuadro figuran los siguientes: … a la elipsis, ‘ a la cita individual izquierda, ’ a la cita simple correcta, • a bala, – en dash y ™ a la marca.
Reproduce de ejemplo de trabajo traduciendo 133 con entrada inofensiva en lugar de material del cliente. Grabación y registro 145 a través de 153, observar a sus personajes previstos, y contar cada Windows intencional-1252 pase de compatibilidad. Eso – persona de carácter permite a un desarrollador ver mal las pestañas y citas en contenido migrado de documentos antiguos evaluar las citas de la elipsis dashes de bala y marca registrada sin adivinar.
Modernización del contenido: reemplazo con los puntos de código correctos o los propios caracteres en UTF-8
Modernizar el contenido: reemplazar con los puntos de código correctos o los propios caracteres en UTF-8. Modernice reemplazando las referencias heredadas con el carácter Unicode deseado o su referencia numérica Unicode correcta. Conserve los originales durante la migración para que los datos históricos ambiguos sigan siendo auditables.
Colocar modernizando el contenido reemplazando, con el código correcto, y puntos o los caracteres laterales durante el Windows-1252 revisión de compatibilidad. Un desarrollador que ve mal las retecciones y citas en contenido migrado de documentos antiguos puede entonces decidir si ellos mismos en utf 8 cambiado en conversión o aguas abajo. Mantenga el control – conclusión de carácter sobre Windows-1252 evidencia de compatibilidad de reclamaciones genéricas de seguridad.
Lo que esto no cubre: MacRoman y otras páginas de códigos heredadas, y conversión completa de documentos
Lo que esto no cubre: MacRoman y otras páginas de códigos heredados, y conversión completa de documentos. MacRoman y otras páginas de códigos requieren tablas de conversión diferentes y no se deducen aquí. Una conversión completa de un documento necesita metadatos de codificación de origen confiables y manejo a nivel de bytes.
Defina lo que esto no hace antes de ejecutar Windows-1252 compatibilidad. Guardar macromano de cubierta y otros como control, inspeccionar los puntos de código detrás de las páginas de código heredadas y, y mapear la conversión de documento completo al próximo intérprete. Esto hace que Windows-1252 comprobabilidad de la evidencia de compatibilidad auditable para un desarrollador viendo mal las pestañas y citas en contenido migrado de documentos antiguos que investigan – carácter.
Conclusión: una peculiaridad del navegador preservada a propósito: cómo el decodificador del escape de entidad HTML muestra a qué se resuelve una referencia numérica y dónde la página de herramientas indica cómo trata este rango
Conclusión: una peculiaridad del navegador preservada a propósito: cómo el decodificador del escape de entidades HTML muestra a qué se resuelve una referencia numérica y dónde la página de herramientas indica cómo trata este rango. El comportamiento es una compatibilidad deliberada, no una identidad matemática. ToolAcre expone el carácter resuelto utilizando el mismo mapeo fijo cubierto por sus pruebas unitarias para 151 y 146.
Conectar un quirk navegador a un observable Windows-1252 salida de compatibilidad. Mantenga preservado a propósito cómo al lado del resultado de un solo paso, a continuación, verificar dónde el escape de la entidad html entra en s decodificador muestra qué. Un desarrollador que ve mal las retecciones y citas en contenido migrado de documentos antiguos ahora puede revisar una referencia numérica resuelve como un estrecho – hallando personajes. La decisión práctica de este artículo es específica: puntos del Código 128–159 son los caracteres de control en Unicode, sin embargo los navegadores render – como una dash. Este post explica el Windows-1252 remapping that HTML estandarizado para compatibilidad, de donde provienen esas entidades y cómo modernizarlas. La acción del lector es igualmente concreta: Enlaces al HTML entidad escaper como el lugar para decodificar referencias numéricas de contenido legado, con un puntero a las 'notas técnicas' de la página de herramientas para su manejo de la 128–159 rango.