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(5207)  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。