Keď sa na preloženej webovej stránke objaví &, je dekódovaný ešte raz?
Keď sa na stránke zobrazí reťazec `&`, prvou reakciou je často jeho opätovné dekódovanie. Problém však môže byť aj opačný: ten istý obsah už unikol a šablóna ho opäť unikne. Najprv zistite, či to, čo získate, je pôvodný HTML, DOM text alebo obyčajný reťazec, ktorý sa má vložiť na stránku, a potom sa rozhodnite, či to chcete previesť.
Vývojári, ktorí prekladajú webové stránky alebo dokumenty, sa často stretávajú s intuitívnym problémom: na preloženej stránke sa objaví reťazec &, takže si podvedome myslia: „Je to o jedno dekódovanie menej?"Ale môže to byť aj naopak: ten istý kus obsahu, ktorý už unikol, šablóna opäť unikne.
Tento článok vám pomôže najprv zistiť, čo máte v ruke: nespracovaný HTML, DOM text alebo obyčajný reťazec pripravený na vloženie na stránku. Pochopte to skôr, ako sa rozhodnete pre zmenu, a buďte schopní overiť celý reťazec spracovania pomocou malej vzorky.
Ak sa na stránke zobrazí&, chcete ho znova dekódovať? Záver jednou vetou
Najprv potvrďte, v akom stave sú aktuálne údaje, a potom sa rozhodnite, či ich chcete konvertovať; nehádajte, či riešiť ďalšiu vrstvu podľa vzhľadu šnúrky.
| vaša situácia | Odporúčané postupy | dôvod |
|---|---|---|
| Získate pôvodný kód HTML a musíte preložiť text | Pomocou syntaktického analyzátora vyhľadajte uzly textu a potom ich spracujte | Priame nahradenie reťazcov v zdrojovom kóde môže ľahko poškodiť štítky a atribúty omylom. |
| Získate text DOM | Zvyčajne už bezpodmienečne nedekódujte | Text je už sémantickým obsahom a ďalšie dekódovanie môže vyžadovať ešte jednu vrstvu porozumenia. |
| Získate čistý text prekladu, ktorý je potrebné zobraziť na stránke. | Nechajte to na šablóne, aby unikla ako text | Nechajte výstupnú pozíciu určiť spôsob serializácie |
Na stránke sú zobrazené literály ako <div> | Najprv potvrďte vstupný protokol a potom sa rozhodnite, či chcete vyriešiť vrstvu | Takýto obsah môžu byť zámerne vyhradené literály |
| Je potrebné zachovať nejaký formátovaný text | Použite jasnú stratégiu čistenia | Povolené fragmenty podliehajú kontrolovaným pravidlám |
Útek je otázkou hraníc výstupu
html.escape konvertuje znaky s významom HTML v bežnom texte na entity, zatiaľ čo html.unescape analyzuje entity. Tieto dva nie sú „kroky čistenia", ktoré možno nazvať zameniteľne. Prekladateľ zvyčajne potrebuje sémantický text a šablóna potrebuje serializovaný výsledok, ktorý je v súlade s aktuálnymi pravidlami pozície.
Napríklad názov produktuR&D nemá problém, keď sa zobrazuje ako text, ale pri zápise do zdrojového kódu HTML sa zvyčajne vyjadruje ako R&D. Ak je znova zakódovaný, zmení sa na R&amp;D a prehliadač zobrazí v strede doslovný znak entity. Naopak, ak je nedôveryhodný obsah dekódovaný a vložený priamo ako HTML, značky v ňom môžu byť znovu aktivované.
Urobte malý experiment s použitím troch stavov
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')
Toto je vzorová syntetická transformácia zo štandardnej knižnice, ktorá nevykonáva HTML ani skripty. Posledné dva riadky demonštrujú spracovanie „výstup ako text", čo nie je bezpečné riešenie na čistenie HTML, ani z toho nevyplýva, že je bezpečné vkladať ľubovoľné výsledky do JavaScriptu, CSS alebo adries URL. Rôzne kontexty si vyžadujú rôzne pravidlá.
Najprv pomenujte stav údajov
Na rozlíšenie jednotlivých štádií môžete použiťsource_html, plain_text, translated_text a rendered_html, aby ste sa vyhli volaniu niekoľkých typov content. Ak to projekt umožňuje, môžete ho zabaliť aj do odľahčenej dátovej triedy, aby bolo jasné, ktorá funkcia akceptuje iba obyčajný text.
Pomenovanie nenahrádza testovanie, ale môže pomôcť nájsť chyby v zapojení, ako napríklad „vrátenie konečného kódu HTML prekladateľovi"počas kontroly.
| Aktuálny vstup | v čo dúfať | Najprv by si si to mal potvrdiť |
|---|---|---|
| Raw HTML | Vie prekladať text | Použite parser na lokalizáciu textových uzlov |
| Text DOM | Text v cieľovom jazyku | Zvyčajne už nie je potrebné bezpodmienečné dekódovanie |
| Preklad je v obyčajnom texte | Text je viditeľný na stránke | Nech šablóny uniknú textovým definíciám |
| Povolený bohatý text | Bezpečné zobrazovacie zábery | Použite jasnú čistiacu stratégiu |
Neopakuj dekódovanie, kým "už žiadne zmeny"
Tento prístup sa zdá, že rieši viacvrstvové entity, ale v skutočnosti narúša kód, ktorý používatelia pôvodne chceli ukázať.<div> v tutoriáli môžu byť zámerne vyhradené doslovné čísla, nie vynechané tagy.
To, či dekódovať ďalšiu vrstvu, by malo byť určené vstupným protokolom a nedá sa odhadnúť podľa vzhľadu reťazca. Odkazy, hodnoty atribútov a kódové bloky v tele môžu mať tiež odlišné stratégie prekladu. Uchovávanie sady regresných vzoriek obsahujúcich zátvorky, úvodzovky, ands a literály entít na kontrolu spracovaného textu a finálneho zobrazenia prehliadača je užitočnejšie než porovnávať len zdrojové reťazce súborov.
Stráženie hraníc prekladu pomocou malých vzoriek
Pri hodnotení vstupných bodov pre preklad dokumentov, ako je OmniDoc (produktový záznam), môžete vyššie uvedený príklad vložiť do HTML testovacieho súboru, aby ste sledovali, či sa príklady štítkov a názvy produktov v preklade stále zobrazujú podľa očakávaní.
"Preložené do angličtiny" by nemalo byť jediným kritériom dokončenia. Význam obsahu, escape vrstvy a ochrana kódu sú súčasťou doručenia.
Tento článok demonštruje metódu spracovania pomocou syntetických vzoriek. Kód prešiel vzorkovými kontrolami v izolovanom prostredí; To však neznamená záruku všetkých autentických dokumentov alebo výkonnosti produktu. Pred manipuláciou s dôležitými dokumentmi si prosím ponechajte originály a preštudujte ich podľa hraníc a akceptačných položiek v dokumente.
Zdroje: html modul Python.
📊 Porovnanie jadra
| Metóda | Použiteľné scenáre | Hlavné riziká |
|---|---|---|
| Dekódujte ho priamo cez slučky, kým sa reťazec nezmení | Keď neexistuje explicitná zhoda vstupov | Poškodzuje doslovné kódy, ktoré by mali byť zobrazené |
| To, či sa má vrstva dekódovať, určuje vstupný protokol | Stav aktuálnych údajov je známy | Najprv si musíte ujasniť, v akej fáze sa dáta nachádzajú |
| Po preklade sa prostý text pridelí šablóne, ktorá sa parafrázuje podľa textu | Zobrazuje sa iba obyčajný text | Text escaped bude uniknutý druhýkrát, čo vedie k&amp; |
🎯 Ktorý prístup ti vyhovuje?
Ak získate originálny HTML
Najprv použite parser na lokalizáciu textových uzlov, pričom preložíte len textový obsah bez výmeny reťazcov pre celý zdrojový kód.
Ak dostaneš DOM text,
Zvyčajne nie je potrebné ďalšie dekódovanie; môžete to jednoducho spracovať ako obyčajný text.
Ak chcete vložiť preklad do stránky
Priraďte šablónu textovému úniku; najprv ju nedekódujte a potom ju nevkladajte ako HTML.
Ak stránka potrebuje zobraziť kód ako <div>,
Najprv potvrďte vstupný protokol; môže ísť o zámerne rezervované doslovné množstvo a nemalo by sa považovať za vynechané označenie.
❓ Často kladené otázky (FAQ)
1. Zobrazuje stránka & – znamená to, že bola dekódovaná viackrát?
Nie nevyhnutne. Môže sa tiež stať, že ten istý úryvok už bol uniknutý a potom znovu parafrázovaný šablónou, t.j. R&D sa stane R&D a potom R&amp;D.
2. Dá sa to dekódovať slučkovo, kým sa struna prestane meniť?
Neodporúča sa. Tento prístup rozbíja kód, ktorý by mal byť zobrazený doslovne, a o tom, či sa vrstva vyrieši, by mal rozhodnúť vstupný protokol.
3. Môže byť preložený text priamo vložený ako HTML?
Nie je možné vložiť priamo. Dekódovaný obsah môže znovu aktivovať svoje značky, preto by ste mali najprv rozlíšiť medzi obyčajným textom a povoleným bohatým textom.
4. Prečo nemôžete porovnať iba reťazce zdrojového súboru?
Reťazec zdrojového súboru nezobrazuje spracovaný text ani konečné zobrazenie prehliadača. Obe by sa mali skontrolovať samostatne, aby sa potvrdilo, či sú únikové vrstvy správne.
📝 Zhrnutie
Pri stretnutí s & si najprv ujasnite, či práve dostávate pôvodný HTML, DOM text alebo bežný reťazec, a potom sa rozhodnite, či ho konvertujete. Len udržiavaním únikovej hranice pomocou množiny regresných vzoriek môže byť výsledok prekladu skutočne spoľahlivý.


