HTML 的实体编码（HTML Entity Encode）

Posted 2023-05-01

参考技术A 以上列出的一些实体比较容易记忆，但有一些不容易记住的您可以查看 whatwg 或使用 解码工具 。

html 实体是一段以连字符号（ & ）开头、以分号（ ; ）结尾的字符串。用以显示不可见字符及保留字符（如 HTML 标签）

在前端，一般为了避免 XSS 攻击，会将 <> 编码为 < 与 > ，这些就是 HTML 实体编码。

在 HTML 转义时，仅仅只需要对六个字符进行编码： & 、 < 、 > 、 " 、 ' 和 `。我们可以使用 he 库进行编码及转义。

[LeetCode in Python] 5382 (M) html entity parser HTML 实体解析器

题目：

https://leetcode-cn.com/problems/html-entity-parser/

「HTML实体解析器」 是一种特殊的解析器，它将 HTML 代码作为输入，并用字符本身替换掉所有这些特殊的字符实体。

HTML 里这些特殊字符和它们对应的字符实体包括：

双引号：字符实体为"，对应的字符是"。
单引号：字符实体为'，对应的字符是‘。
与符号：字符实体为&，对应对的字符是&。
大于号：字符实体为>，对应的字符是>。
小于号：字符实体为<，对应的字符是<。
斜线号：字符实体为⁄，对应的字符是/。

给你输入字符串text，请你实现一个 HTML实体解析器，返回解析器解析后的结果。

示例 1：

输入：text = "& is an HTML entity but &ambassador; is not."
输出："& is an HTML entity but &ambassador; is not."
解释：解析器把字符实体 & 用 & 替换

示例 2：

输入：text = "and I quote: "...""
输出："and I quote: "...""

示例 3：

输入：text = "Stay home! Practice on Leetcode ??"
输出："Stay home! Practice on Leetcode ??"

示例 4：

输入：text = "x > y && x < y is always false"
输出："x > y && x < y is always false"

示例 5：

输入：text = "leetcode.com?problemset?all"
输出："leetcode.com/problemset/all"

提示：

1 <= text.length <= 10^5
字符串可能包含 256 个ASCII 字符中的任意字符。

解题思路

• 这种parse题，最无脑的做法就是有限状态机。
• 观察题目，其实只需要两个状态即可。
• 一个状态是非特殊词，另一个状态是特殊词。
• 初始状态为非特殊词，状态迁移条件是遇到&字符。
• 在特殊词状态，状态迁移条件是遇到;字符。
• 无脑按照状态判断及迁移来写就好。

代码

class Solution:
    def entityParser(self, text: str) -> str:
        special_dict = {
            ‘quot‘:‘"‘,
            ‘apos‘:"‘",
            ‘amp‘: ‘&‘, 
            ‘gt‘:‘>‘,
            ‘lt‘:‘<‘,
            ‘frasl‘:‘/‘,
        }
        
        is_special = False
        special_str = ‘‘
        res = []
        for c in text:
            if is_special:
                if c == ‘;‘:
                    if special_str in special_dict:
                        res.append(special_dict[special_str])
                    else:
                        # - if not special, save as is
                        res.append(‘&%s;‘ % special_str)
                        
                    special_str = ‘‘
                    is_special = False
                else:
                    special_str += c
            else:
                if c == ‘&‘:
                    special_str = ‘‘
                    is_special = True
                else:
                    res.append(c)
        
        return ‘‘.join(res)