&#是什么编码

  • A+
所属分类：系统文档
形如——

&#dddd;
&#xhhhh;
&#name;

——的一串字符是 HTML、XML 等 SGML 类语言的转义序列（escape sequence）。它们不是「编码」。

以 HTML 为例，这三种转义序列都称作 character reference：

  • 前两种是 numeric character reference（NCR），数字取值为目标字符的 Unicode code point；以「&#」开头的后接十进制数字，以「&#x」开头的后接十六进制数字。
  • 后一种是 character entity reference，后接预先定义的 entity 名称，而 entity 声明了自身指代的字符。

从 HTML 4 开始，NCR 以 Unicode 为准，与文档编码无关。

「中国」二字分别是 Unicode 字符 U+4E2D 和 U+56FD，十六进制表示的 code point 数值「4E2D」和「56FD」就是十进制的「20013」和「22269」。所以——

中国
中国

——这两种 NCR 写法都会在显示时转换为「中国」二字。

NCR 可以用于转义任何 Unicode 字符，而 character entity reference 很受限，参见 HTML 4 和 HTML5 中已有定义的字符列表：

HtmlEncoder，中文转换成&#开头的编码(及HTML特殊字符解码)

如题： HtmlEncoder，中文转换成&#开头的编码(及HTML特殊字符解码)
 代码如下：

  1. package test.com.gjob.services;
  2. import java.io.IOException;
  3. import java.io.Writer;
  4. public class HtmlEncoder {
  5.      public static void main(String args[]){
  6.          System.out.println(HtmlEncoder.encode("你好"));
  7.      }
  8.      
  9.      /***
  10.     
  11. }

http://www.blogjava.net/jerry-zhaoj/archive/2009/03/24/261730.html

HTML，Unicode与NCR（数字字符引用）


标签： html, NCR, Numeric Character Reference, Unicode

昨天ihipop问的一个问题，下面是什么编码？

telecomadmin+8位数字

根据常识判断，&#后面的数字应该是Unicode编码值，写个VBS验证：

MsgBox ChrW(20301)&ChrW(25968)&ChrW(23383)

输出“位数字”，连起来就是“telecomadmin+8位数字”，读起来挺通顺的，看来是Unicode没错了。

Google了一下，这东西专业名称叫numeric character reference（NCR），直译就是数字字符引用。一个Numeric Character Reference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，就像上面的例子一样。

有了数字字符引用，就可以在网页中显示Unicode字符了，不用考虑html文件本身的编码，因为数字字符引用只用到ASCII字符集里的字符。所以，即使在gb2312编码的网页中，也可以用NCR显示埃及的象形文字了。

这篇文章发布于 2011年04月9日，星期六，21:43，归类于 程序设计。 您可以跟踪这篇文章的评论通过 RSS 2.0 feed。 您可以留下评论，或者从您的站点trackback。

http://demon.tw/programming/numeric-character-reference.html

[字符编码]Numeric Character Reference和HTML Entities

   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。

&#是什么编码

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。



   

  





			


						
									
						
									

	
    
		
  • 
			我的微信
		
    • 
		
  • 这是我的微信扫一扫
    • 
		
  • 
			weinxin
		
    • 
	

	
    
		
  • 
			我的微信公众号
		
    • 
		
  • 我的微信公众号扫一扫
    • 
		
  • 
			weinxin
		
    •