Amikor a & megjelenik a lefordított weboldalon, akkor még egyszer dekódolja?
Amikor egy `&` karakterlánc jelenik meg az oldalon, az első reakció gyakran az, hogy újra dekódolja. De a probléma az ellenkezője is lehet: ugyanaz a tartalom már kikerült, és a sablon ismét megszökött. Először nézze meg, hogy eredeti HTML-t, DOM-szöveget vagy közönséges karakterláncot kap-e az oldalba, majd döntse el, hogy konvertálja-e.
A weboldalakat vagy dokumentumokat fordító fejlesztők gyakran találkoznak intuitív problémával: egy & karakterlánc jelenik meg a lefordított oldalon, így tudat alatt azt gondolják: "Egyel kevesebb dekódolás?" De az ellenkezője is igaz lehet: ugyanazt a tartalomdarabot, amelyet már megszökött, ismét megszökteti a sablon.
Ez a cikk segít először meghatározni, hogy mi van a kezében: nyers HTML, DOM-szöveg vagy szokásos karakterláncok, amelyek készen állnak az oldalba való beszúrásra. Értse meg ezt, mielőtt eldönti, hogy vált-e, és tudja ellenőrizni a teljes feldolgozási láncot egy kis mintával.
& jelenik meg az oldalon. Szeretné újra dekódolni? Egy mondatos következtetés
Először ellenőrizze, hogy az aktuális adatok melyik állapotban vannak, majd döntse el, hogy konvertálja-e azokat; ne találgass, hogy a karakterlánc megjelenése alapján megoldjunk-e még egy réteget.
| a helyzeted | Ajánlott gyakorlatok | ok |
|---|---|---|
| Amit kapsz, az az eredeti HTML, és le kell fordítanod a szöveget | Az elemző segítségével keresse meg a szöveges csomópontokat, majd dolgozza fel őket | A karakterláncok közvetlen cseréje a forráskódban könnyen tévedésből károsíthatja a címkéket és az attribútumokat. |
| Amit kapsz, az a DOM szöveg | Általában már nem dekódol feltétel nélkül | A szöveg eleve szemantikai tartalom, és a további dekódolás még egy réteg megértést igényelhet. |
| Amit kapsz, az a fordítás egyszerű szövege, amelyet meg kell jeleníteni az oldalon. | Hagyja a sablonra, hogy szövegként kilépjen | Hagyja, hogy a kimeneti pozíció határozza meg a szerializálási módszert |
Az olyan betűk jelennek meg az oldalon, mint a <div> | Először erősítse meg a beviteli protokollt, majd döntse el, hogy megold-e egy réteget | Az ilyen tartalom lehet szándékosan fenntartott literál |
| Meg kell őrizni néhány gazdag szöveget | Használjon világos tisztítási stratégiát | Az engedélyezett töredékekre ellenőrzött szabályok vonatkoznak |
Az Escape a kimeneti határok kérdése
A html.escape a közönséges szövegben lévő HTML jelentésű karaktereket entitásokká alakítja, míg a html.unescape elemzi az entitásokat. A kettő nem "tisztítási lépés", amelyet felcserélhetőnek nevezhetünk. A fordítónak általában szemantikus szövegre van szüksége, a sablonnak pedig egy soros eredményre, amely megfelel az aktuális pozíciószabályoknak.
Például a R&D terméknév nem okoz problémát, ha szövegként jelenik meg, de általában R&D-ként fejezik ki, ha HTML-forráskódba írják. Ha ismét kikerül, R&amp;D lesz, és a böngésző középen az entitást jeleníti meg. Ezzel szemben, ha a nem megbízható tartalmat dekódolja és közvetlenül HTML-ként illeszti be, a benne lévő címkék újra aktiválhatók.
Végezzen egy kis kísérletet három állapot felhasználásával
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')
Ez egy minta szintetikus átalakítás a szabványos könyvtárból, amely nem hajt végre HTML-t vagy szkripteket. Az utolsó két sor a "kimenet szövegként" feldolgozást mutatja be, ami nem biztonságos HTML-tisztító megoldás, és abból sem következik, hogy biztonságos tetszőleges eredményeket bevinni JavaScriptbe, CSS-be vagy URL-ekbe. A különböző kontextusok eltérő szabályokat igényelnek.
Először adjon nevet az adatállapotnak
A source_html, plain_text, translated_text és rendered_html segítségével megkülönböztetheti az egyes szakaszokat, hogy elkerülje a több content típus hívását. Ha a projekt lehetővé teszi, becsomagolhatja egy könnyű adatosztályba is, hogy egyértelművé tegyük, melyik függvény csak egyszerű szöveget fogad el.
Az elnevezés nem helyettesíti a tesztelést, de segíthet megtalálni a vezetékezési hibákat, például a „végső HTML-kód visszaküldése a fordítónak"az ellenőrzés során.
| Aktuális bemenet | Remélem, sikerül valamit | Először megerősítést kell tenni |
|---|---|---|
| Nyers HTML | Fordítható szöveg | Használja az elemzőt a szövegcsomópontok megtalálásához |
| DOM szöveg | Célnyelvi szöveg | Általában a feltétel nélküli dekódolás már nem szükséges |
| A fordítás tiszta szöveg | A szöveg látható az oldalon | Engedélyezze a sablon szöveges menekülését |
| Engedélyezett gazdag szöveg | Biztonságos megjelenítési felvételek | Használjon világos tisztítási stratégiát |
Ne dekódold újra, amíg "nem változik tovább"
Ez a megközelítés több rétegű entitást kezel, de valójában megtöri azt a kódot, amit eredetileg a felhasználók szeretnének megjeleníteni. A<div> a tutorialban lehet szándékosan fenntartott szó szerinti mennyiség, nem pedig kihagyott címke.
Hogy egy másik réteget dekódoljanak-e, az input protokollnak kell eldöntenie, és a lánc megjelenése alapján nem lehet kitalálni. A testben lévő linkek, attribútumértékek és kódblokkok is eltérő fordítási stratégiákkal rendelkeznek. Egy regressziós minták halmaza megtartása, amely szögletzárójeleket, idézőjeleket, és entitásokat tartalmaz, hogy ellenőrizze a parzált szöveget és a végső böngésző megjelenítését, hasznosabb, mint csak a forrásfájl láncsorok összehasonlítása.
Fordítási határok védelme kis mintákkal
Amikor dokumentumfordítási pontokat értékel, például a OmniDoc (Termékportál)-hoz, a fenti mintát elhelyezheti egy HTML tesztfájlba, hogy megfigyelje, a fordításban szereplő címkepéldák és terméknevek továbbra is a vártnak megfelelően jelennek meg.
Az "angol fordítás" nem lehet az egyetlen kritérium. A tartalom jelentése, az escape rétegek és a kódvédelem mind részei a szállításnak.
Ez a tanulmány bemutatja a szintetikus minták felhasználásával végzett feldolgozási módszert. A kód átment a példaellenőrzéseken az izolált környezetben; Ez nem garantálja az összes valódi dokumentumot vagy a termék hatékonyságát. Fontos dokumentumok kezelése előtt kérjük, őrizze meg az eredetit, és tekintse át azokat a dokumentumban szereplő határok és elfogadási elemek szerint.
Források: Python html modul.
📊 Alap összehasonlítás
| Módszer | Alkalmazható forgatókönyvek | Fő kockázatok |
|---|---|---|
| Dekódolni egy hurokban, amíg a string már nem változik | Amikor nincs egyértelmű bemeneti megállapodás | Sérült szó szerinti kódok, amelyeket meg kellene jeleníteni |
| Hogy egy réteget dekódoljon-e, a bemeneti protokoll határozza meg | Az aktuális adatok állapota ismert | Először is tisztázni kell, hogy az adatok melyik szakaszban vannak |
| A fordítás után a tiszta szöveget a sablonhoz adják, amelyet a szöveg szerint parafrázálni kell | Csak egyszerű szöveg jelenik meg | Ha a szöveg már kiszabadult és elavult, újra escapol, ami&amp; következik |
🎯 Melyik módszer illik hozzád?
Ha megkapod az eredeti HTML-t
Először használj egy parsert a szövegcsomópontok megtalálásához, így csak a szövegtartalmat fordítsd le, anélkül, hogy a teljes forráskód szöveget cserélnénk ki.
Ha DOM üzenetet kapsz
Általában nincs szükség további dekódolásra; egyszerű szövegként is feldolgozható.
Ha be szeretné illeszteni a fordítást az oldalba
Rendelje hozzá a sablont szöveges escapinghez; ne dekódolja először, majd illessze be HTML-ként.
Ha az oldalon olyan kódot kell megjeleníteni, mint a <div>,
Először is erősítse meg a bemeneti protokollt; lehet szándékosan fenntartott szó szerinti mennyiség, és nem szabad kihagyott címkéként kezelni.
❓ Gyakran ismételt kérdések (GYIK)
1. Az oldal mutatja a &-t – ez azt jelenti, hogy többször is dekódolták?
Nem feltétlenül. Az is előfordulhat, hogy ugyanaz a tartalom már kiment, majd a sablon által újra kiszabadult, azaz a R&D R&D-vé válik, majd R&amp;D-vá.
2. Lehet-e ciklusosan dekódolni, amíg a karakterlánc már nem változik?
Nem ajánlott. Ez a megközelítés feltöri a kódot, amelyet szó szerint kellene megjeleníteni, és hogy egy réteget megoldunk-e, azt a bemeneti protokoll dönti el.
3. Lehet-e közvetlenül HTML-ként beilleszteni a lefordított szöveget?
Nem szúrható be közvetlenül. A dekódolt tartalom újraaktiválhatja a címkéit, ezért először meg kell különböztetned az egyszerű szöveget és az engedélyezett gazdag szöveget.
4. Miért nem lehet csak a forrásfájl karakterláncait összehasonlítani?
A forrásfájl karakterlánc nem tükrözi a feldolgozott szöveget és a végső böngésző megjelenítését. Mindkettőt külön-külön kell ellenőrizni, hogy megbizonyosodjunk az escape rétegek helyeséről.
📝 Összefoglaló
Amikor &-vel találkozol, először tisztázd, hogy eredeti HTML-t, DOM szöveget vagy sima stringet kapsz-e, majd döntsd el, hogy átkonvertálod-e. Csak regressziós minták halmazával lehet valóban megbízhatóvá válni a repülési határ védelmére.


