HTML エンティティのエンコード・デコード

このツールについて

HTML エンティティとは

HTML の文字参照（一般にエンティティと呼ばれます）は、1 つの文字をプレーンな ASCII だけで書き表すものです。形式は 3 種類あり、é のような名前、é のような 10 進数のコードポイント、é のような 16 進数のコードポイントがあります。どれも同じ é になります。

特に重要なのは 5 つの文字です。& と < は、それぞれ参照とタグの始まりになり得るため、テキスト中でエスケープします。属性値を囲む引用符は、その属性値の中でエスケープする必要があります。> は慣例としてエスケープします。特殊文字のみでは、この 5 つ & < > " ' だけをエンコードします。

名前と数値、それぞれが使える場所

HTML 4 で定義された名前は 252 個で、現在の HTML 標準では 2,125 個が定義されています。XML 自体があらかじめ定義しているのは amp、lt、gt、quot、apos の 5 つだけです。それ以外の名前は、SVG ファイルや RSS フィードなどの XML 文書では、DTD で宣言されている場合にしか使えません。数値参照は HTML でも XML でも同じように使えるため、テキストが XML に入る可能性があるときは数値で出力してください。

このツールはアポストロフィを数値参照の ' または ' で書き出します。' は HTML 4 に含まれていないためです。UTF-8 で配信されるページでは、アクセント付きの文字や絵文字をエンコードする必要はまったくありません。非 ASCII 文字すべては、ASCII しか通らない経路をテキストが通過しなければならない場合のためのものです。

参照として書けない文字のグループが 1 つあります。HTML は 128〜159 の数値参照を、その位置に Windows-1252 の文字があればその文字として読みます。そのため … は制御文字 U+0085 ではなく、三点リーダーになります。エンコーダーはこれらの制御文字をそのまま残し、残したことを知らせます。

このツールのデコードの仕組み

デコーダーは、HTML 標準がテキストについて定めている規則に従います。数値参照は、末尾のセミコロンがあってもなくても受け付けます。128〜159 の数値は、Windows-1252 のその位置に文字があればその文字として読み（つまり – は en ダッシュになります）、0、サロゲート、U+10FFFF を超える数値は U+FFFD になり、結果の下に一覧表示します。名前にはセミコロンが必要ですが、&copy や &nbsp など、ブラウザが今もセミコロンなしで受け付ける古い 106 個の名前は例外です。

名前は大文字と小文字が区別され、標準の対応表を組み込んだものと照合されます。参照のように見えても、どの名前にも一致しないものはそのまま残し、結果の下に一覧表示します。属性値の中では、セミコロンのない参照の一部を標準はデコードしないと定めていますが、このツールは常にテキスト向けの規則を適用します。入力がブラウザの HTML パーサーに渡されることはないため、貼り付けた内容がレンダリングされたり実行されたりすることはありません。