Kada se & pojavi na prevedenoj web stranici, dekodira li se još jednom?
Kada se niz `&` prikaže na stranici, prva reakcija često je ponovno dekodiranje. Ali problem može biti i suprotan: isti dio sadržaja već je bježao i ponovno ga bježi predložak. Najprije saznajte je li ono što dobivate izvorni HTML, DOM tekst ili obični niz koji se umeće na stranicu, a zatim odlučite hoćete li ga pretvoriti.
Programeri koji prevode web stranice ili dokumente često se susreću s intuitivnim problemom: niz & pojavljuje se na prevedenoj stranici, pa podsvjesno misle "Je li to jedno dekodiranje manje?" Ali može biti i suprotno: isti dio sadržaja koji je već bio izbjegnut ponovno je izbjegnut pomoću predloška.
Ovaj vam članak pomaže da prvo odredite što imate pri ruci: neobrađeni HTML, DOM tekst ili obične nizove spremne za umetanje na stranicu. Shvatite ovo prije nego odlučite hoćete li se prebaciti i budite u mogućnosti provjeriti cijeli lanac obrade s malim uzorkom.
& se pojavljuje na stranici. Želite li ga ponovno dekodirati? Zaključak jedne rečenice
Prvo potvrdite u kojem su stanju trenutačni podaci, a zatim odlučite hoćete li ih pretvoriti; ne nagađajte hoćete li riješiti još jedan sloj na temelju izgleda niza.
| vaša situacija | Preporučene prakse | razlog |
|---|---|---|
| Ono što dobivate je izvorni HTML i trebate prevesti tekst | Koristite parser za lociranje tekstualnih čvorova i zatim ih obradite | Izravna zamjena nizova u izvornom kodu može lako pogreškom oštetiti oznake i atribute. |
| Ono što dobivate je DOM tekst | Obično se više ne dekodira bezuvjetno | Tekst je već semantički sadržaj, a daljnje dekodiranje može zahtijevati još jedan sloj razumijevanja. |
| Ono što dobivate je običan tekst prijevoda, koji treba biti prikazan na stranici. | Ostavite to predlošku da pobjegne kao tekst | Neka izlazna pozicija odredi metodu serijalizacije |
Literali kao što je <div> prikazani su na stranici | Prvo potvrdite ulazni protokol, a zatim odlučite hoćete li riješiti sloj | Takav sadržaj može biti namjerno rezerviran za literale |
| Potrebno je zadržati malo obogaćenog teksta | Koristite jasnu strategiju čišćenja | Dopušteni fragmenti podliježu kontroliranim pravilima |
Bijeg je stvar izlaznih granica
html.escape pretvara znakove sa HTML značenjem u običnom tekstu u entitete, dok html.unescape analizira entitete. To dvoje nisu "koraci čišćenja" koji se mogu nazvati sinonimima. Prevoditelj obično treba semantički tekst, a predložak treba serijalizirani rezultat koji je u skladu s trenutnim pravilima položaja.
Na primjer, naziv proizvoda R&D nema problema kada se prikazuje kao tekst, ali se obično izražava kao R&D kada je napisan u HTML izvornom kodu. Ako se ponovno izbjegne, postat će R&amp;D, a preglednik će prikazati literal entiteta u sredini. Suprotno tome, ako se nepouzdani sadržaj dekodira i umetne izravno kao HTML, oznake u njemu mogu se ponovno aktivirati.
Napravite mali eksperiment koristeći tri stanja
import html
plain = 'R&D <Guide> "2026"'
encoded = html.escape(plain, quote=True)
double_encoded = html.escape(encoded, quote=True)
assert encoded == 'R&D <Guide> "2026"'
assert html.unescape(encoded) == plain
assert html.unescape(double_encoded) == encoded
assert html.unescape(double_encoded) != plain
untrusted = '<img src=x onerror=alert(1)>'
decoded = html.unescape(untrusted)
safe_as_text = html.escape(decoded, quote=True)
assert decoded.startswith('<img')
assert safe_as_text.startswith('<img')
Ovo je primjer sintetičke transformacije iz standardne biblioteke koja ne izvršava HTML ili skripte. Posljednja dva retka pokazuju obradu "izlaz kao tekst", što nije sigurno rješenje za čišćenje HTML-a, niti slijedi da je sigurno staviti proizvoljne rezultate u JavaScript, CSS ili URL-ove. Različiti konteksti zahtijevaju različita pravila.
Prvo dodijelite naziv stanju podataka
Možete koristiti source_html, plain_text, translated_text i rendered_html za razlikovanje svake faze kako biste izbjegli pozivanje nekoliko tipova content. Ako projekt dopušta, možete ga također omotati laganom podatkovnom klasom kako biste pojasnili koja funkcija prihvaća samo običan tekst.
Imenovanje nije zamjena za testiranje, ali može pomoći u pronalaženju grešaka u povezivanju kao što je "vraćanje konačnog HTML-a prevoditelju" tijekom pregleda.
| Trenutni unos | čemu se nadati | Prvo treba potvrditi |
|---|---|---|
| Neobrađeni HTML | Prevodivi tekst | Koristite parser za lociranje tekstualnih čvorova |
| DOM tekst | Tekst na ciljanom jeziku | Obično bezuvjetno dekodiranje više nije potrebno |
| Prijevod je u običnom tekstu | Tekst je vidljiv na stranici | Dopusti predložak da pobjegne putem teksta |
| Dopusti bogati tekst | Sigurnosni prikazni isječak | Koristite jasnu strategiju čišćenja |
Ne petljaj dekodiranje dok se ne promijeni "Više se ne mijenja"
Ovaj pristup čini se da obrađuje više slojeva entiteta, ali u stvarnosti kvari kod koji korisnici izvorno žele prikazati. <div> u tutorijalu može biti namjerno rezervirana doslovna veličina, a ne propuštena oznaka.
Hoće li se dodatni sloj riješiti treba odrediti ulaznim protokolom i ne može se pogoditi iz izgleda niza. Poveznice, vrijednosti atributa i blokovi koda u tijelu također mogu imati različite strategije prevođenja. Vođenje skupa regresijskih uzoraka koji sadrže kutne zagrade, navodnike, AND i entitetske literale za provjeru parsiranog teksta i konačnog prikaza preglednika korisnije je od usporedbe samo nizova izvornih datoteka.
Čuvanje granica prijevoda malim uzorcima
Prilikom evaluacije portala za prevođenje dokumenata poput OmniDoc (unos proizvoda), gornji uzorak možete staviti u HTML testnu datoteku kako biste vidjeli prikazuju li se primjeri oznaka i nazivi proizvoda u prijevodu i dalje kako se očekuje.
"Engleski prijevod" ne bi trebao biti jedini kriterij. Značenje sadržaja, escape slojevi i zaštita koda svi su dio isporuke.
Ovaj rad demonstrira metodu obrade koristeći sintetičke uzorke. Kod je prošao provjere uzoraka u izoliranom okruženju; To ne jamči sve autentične dokumente ili performanse proizvoda. Prije rukovanja važnim dokumentima, molimo vas da sačuvate originale i pregledate ih u skladu s granicama i stavkama prihvaćanja u dokumentu.
Izvori: Python html modul.
📊 Usporedba jezgri
| Metoda | Primjenjivi scenariji | Glavni rizici |
|---|---|---|
| Dekodirajte ga izravno kroz petlje dok se niz ne prestane mijenjati | Kada nema eksplicitnog ulaznog slaganja | To će razbiti doslovne kodove koji bi trebali biti prikazani |
| Hoće li dekodirati sloj određuje ulazni protokol | Trenutni status podataka je poznat | Prvo, potrebno je razjasniti u kojoj se fazi podaci nalaze |
| Nakon prijevoda, običan tekst se daje predlošku koji se parafrazira prema tekstu | Prikazuje se samo običan tekst | Text escaped bit će escaped i drugi put, što rezultira&amp; |
🎯 Koji ti pristup najviše odgovara?
Ako dobijete originalni HTML
Prvo, koristite parser za lociranje tekstualnih čvorova, prevodeći samo tekstualni sadržaj bez zamjene stringova za cijeli izvorni kod.
Ako dobiješ DOM poruku,
Obično nema potrebe za daljnjim dekodiranjem; možete ga jednostavno obraditi kao običan tekst.
Ako želite umetnuti prijevod na stranicu
Dodijelite predložak tekstualnom escapingu; nemojte prvo dekodirati, a zatim umetnuti kao HTML.
Ako stranica treba prikazati kod poput <div>,
Prvo, potvrdite ulazni protokol; on može biti namjerno rezerviran kao literal i ne smije se tretirati kao propuštena oznaka.
❓ Često postavljana pitanja (FAQ)
1. Prikazuje li stranica & — znači li to da je dekodiran više puta?
Ne nužno. Moguće je i da je isti odlomak već izbjegnut i zatim ponovno parafraziran predloškom, tj. R&D postaje R&D, a zatim R&amp;D.
2. Može li se dekodirati petljama dok se niz ne prestane mijenjati?
Ne preporučujem. Ovaj pristup kvari kod koji bi trebao biti prikazan doslovno, a hoće li riješiti sloj treba odlučiti ulazni protokol.
3. Može li se prevedeni tekst izravno umetnuti kao HTML?
Ne može se umetnuti izravno. Dekodirani sadržaj može ponovno aktivirati svoje oznake, stoga prvo trebate razlikovati običan tekst od dopuštenog bogatog teksta.
4. Zašto ne možete usporediti samo stringove izvorne datoteke?
Niz izvorne datoteke ne odražava parsirani tekst i konačni prikaz preglednika. Oba treba provjeriti zasebno kako bi se potvrdilo ispravnost escape slojeva.
📝 Sažetak
Kada naiđete na &, prvo razjasnite primate li trenutno izvorni HTML, DOM tekst ili običan niz, a zatim odlučite hoćete li ga pretvoriti. Samo održavanjem granice bijega skupom regresijskih uzoraka rezultat prijevoda može biti zaista pouzdan.
Isprobajte sada: Prenesite svoj dokument da biste započeli prijevod, čuvajući izvorno oblikovanje


