在 JavaScript 中转义 HTML 实体？

Posted 2023-02-16

【中文标题】在 JavaScript 中转义 HTML 实体？

【英文标题】：Unescape HTML entities in JavaScript?

【发布时间】：2010-12-27 02:49:23

【问题描述】：

我有一些与 XML-RPC 后端通信的 javascript 代码。 XML-RPC 返回格式如下的字符串：

<img src='myimage.jpg'>

但是，当我使用 JavaScript 将字符串插入 html 时，它们会按字面意思呈现。我没有看到图像，我确实看到了字符串：

<img src='myimage.jpg'>

我的猜测是 HTML 正在通过 XML-RPC 通道进行转义。

如何在 JavaScript 中取消转义字符串？我尝试了此页面上的技术，但未成功：http://paulschreiber.com/blog/2008/09/20/javascript-how-to-unescape-html-entities/

还有哪些其他方法可以诊断问题？

【问题讨论】：

本文中包含的巨大功能似乎可以正常工作：blogs.msdn.com/b/aoakley/archive/2003/11/12/49645.aspx 我认为这不是最聪明的解决方案，但确实有效。

由于包含 HTML 实体的字符串与 escaped 或 URI encoded strings 不同，因此这些函数将不起作用。

@Matias 注意到自该函数于 2003 年创建以来，新的命名实体已添加到 HTML（例如通过 HTML 5 规范）——例如，它无法识别 𝕫。这是一个不断发展的规范的问题；因此，您应该选择一个实际维护的工具来解决它。

How to decode HTML entities using jQuery?的可能重复

我刚刚意识到将这个问题与编码 HTML 实体混淆是多么容易。我刚刚意识到我不小心在这个问题上发布了错误问题的答案！不过我已经删除了。

【参考方案1】：

编辑：你应该使用 DOMParser API 作为Wladimir suggests，我编辑了我之前的答案，因为发布的函数引入了一个安全漏洞。

以下 sn-p 是旧答案的代码，稍作修改：使用textarea 而不是div 减少了 XSS 漏洞，但在 IE9 和 Firefox 中仍然存在问题。

function htmlDecode(input)
  var e = document.createElement('textarea');
  e.innerHTML = input;
  // handle case of empty input
  return e.childNodes.length === 0 ? "" : e.childNodes[0].nodeValue;


htmlDecode("<img src='myimage.jpg'>"); 
// returns "<img src='myimage.jpg'>"

基本上，我以编程方式创建一个 DOM 元素，将编码的 HTML 分配给它的 innerHTML，并从在 innerHTML 插入时创建的文本节点中检索 nodeValue。由于它只是创建一个元素但从不添加它，因此不会修改网站 HTML。

它将跨浏览器（包括旧浏览器）工作并接受所有HTML Character Entities。

编辑：此代码的旧版本不适用于带有空白输入的 IE，如 here on jsFiddle 所示（在 IE 中查看）。以上版本适用于所有输入。

更新：似乎这不适用于大字符串，并且还引入了一个安全漏洞，请参阅 cmets。

【讨论】：

@S.Mark: ' 不属于 HTML 4 实体，这就是原因！ w3.org/TR/html4/sgml/entities.htmlfishbowl.pastiche.org/2003/07/01/the_curse_of_apos

另请参阅@kender 关于此方法安全性差的说明。

请参阅我给@kender 的关于他所做的糟糕测试的说明；)

此函数存在安全隐患，即使元素未添加到 DOM，JavaScript 代码也会运行。所以这只有在输入字符串是可信的情况下才可以使用。我添加了my own answer，解释了这个问题并提供了一个安全的解决方案。作为副作用，如果存在多个文本节点，结果不会被截断。

如果 JS 没有在浏览器中运行，即使用 Node，这将不起作用。

【参考方案2】：

不是对您的问题的直接回应，但是如果您的 RPC 返回一些结构（无论是 XML 还是 JSON 或其他）以及该结构中的那些图像数据（在您的示例中为 url），这不是更好吗？

然后你可以在你的javascript中解析它并使用javascript本身构建<img>。

您从 RPC 收到的结构可能如下所示：

"img" : ["myimage.jpg", "myimage2.jpg"]

我认为这种方式更好，因为将来自外部源的代码注入您的页面看起来不太安全。想象有人劫持了您的 XML-RPC 脚本并在其中放入了您不想要的东西（甚至是一些 javascript...）

【讨论】：

上面的@CMS方法有这个安全漏洞吗？

我刚刚检查了传递给 htmlDecode 函数的以下参数： htmlDecode("<img src='myimage.jpg'><script>document.write('xxxxx');</ script>") 并且它创建了可能不好的 元素，恕我直言。而且我仍然认为返回结构而不是要插入的文本更好，例如，您可以很好地处理错误。

我刚试过htmlDecode("<img src='myimage.jpg'><script>alert('xxxxx');</script>")，什么也没发生。我按预期得到了解码后的 html 字符串。

【参考方案3】：

如果您使用的是 jQuery：

function htmlDecode(value) 
  return $('<div/>').html(value).text(); 

否则，使用Strictly Software's Encoder Object，它具有出色的htmlDecode()功能。

【讨论】：

请勿（重复 NOT）将其用于用户生成的内容，而不是由 this 用户生成的内容。如果 value 中有

我在网站上的任何地方都找不到许可证。你知道许可证是什么吗？

源头中有一个许可证，它是 GPL。

是的，该函数为 XSS 开辟了道路：尝试 htmlDecode(" 123 >")

$('')是什么意思？

【参考方案4】：

您需要解码所有编码的 HTML 实体还是只解码 & 本身？

如果您只需要处理&，那么您可以这样做：

var decoded = encoded.replace(/&/g, '&');

如果您需要解码所有 HTML 实体，则无需 jQuery 即可：

var elem = document.createElement('textarea');
elem.innerHTML = encoded;
var decoded = elem.value;

请注意以下 Mark 的 cmets，其中突出显示了此答案早期版本中的安全漏洞，并建议使用 textarea 而不是 div 来缓解潜在的 XSS 漏洞。无论您使用 jQuery 还是纯 JavaScript，这些漏洞都存在。

【讨论】：

当心！这可能是不安全的。如果encoded='<img src="bla" onerror="alert(1)">' 则上面的 sn-p 将显示警报。这意味着如果您的编码文本来自用户输入，则使用此 sn-p 对其进行解码可能会出现 XSS 漏洞。

@MarkAmery 我不是安全专家，但看起来如果您在获取文本后立即将 div 设置为 null，则不会触发 img 中的警报 - jsfiddle.net/Mottie/gaBeb/128跨度>

@Mottie 请注意确定哪个浏览器适合您，但在 OS X 上的 Chrome 上，alert(1) 仍然会为我触发。如果您想要此 hack 的安全变体，请尝试using a textarea。

+1 用于简单的正则表达式替换仅一种 html 实体的替代方案。如果您希望将 html 数据从例如 python 烧瓶应用程序插入到模板中，请使用此选项。

如何在节点服务器上做到这一点？

【参考方案5】：

Chris 的回答很好很优雅，但如果值为 undefined，它会失败。只需简单的改进就可以使其稳固：

function htmlDecode(value) 
   return (typeof value === 'undefined') ? '' : $('<div/>').html(value).text();

【讨论】：

如果要改进，那就做：return (typeof value !== 'string') ? '' : $('<div/>').html(value).text();

【参考方案6】：

element.innerText 也可以解决问题。

【参考方案7】：

首先在正文某处创建<span id="decodeIt" style="display:none;"></span>

接下来，将要解码为innerHTML的字符串赋值给这个：

document.getElementById("decodeIt").innerHTML=stringtodecode

最后，

stringtodecode=document.getElementById("decodeIt").innerText

这里是整体代码：

var stringtodecode="<B>Hello</B> world<br>";
document.getElementById("decodeIt").innerHTML=stringtodecode;
stringtodecode=document.getElementById("decodeIt").innerText

【讨论】：

-1;在不受信任的输入上使用这是非常不安全的。例如，考虑一下如果stringtodecode 包含类似<script>alert(1)</script> 的内容会发生什么。

【参考方案8】：

var htmlEnDeCode = (function() 
    var charToEntityRegex,
        entityToCharRegex,
        charToEntity,
        entityToChar;

    function resetCharacterEntities() 
        charToEntity = ;
        entityToChar = ;
        // add the default set
        addCharacterEntities(
            '&'     :   '&',
            '>'      :   '>',
            '&lt;'      :   '<',
            '&quot;'    :   '"',
            '&#39;'     :   "'"
        );
    

    function addCharacterEntities(newEntities) 
        var charKeys = [],
            entityKeys = [],
            key, echar;
        for (key in newEntities) 
            echar = newEntities[key];
            entityToChar[key] = echar;
            charToEntity[echar] = key;
            charKeys.push(echar);
            entityKeys.push(key);
        
        charToEntityRegex = new RegExp('(' + charKeys.join('|') + ')', 'g');
        entityToCharRegex = new RegExp('(' + entityKeys.join('|') + '|&#[0-9]1,5;' + ')', 'g');
    

    function htmlEncode(value)
        var htmlEncodeReplaceFn = function(match, capture) 
            return charToEntity[capture];
        ;

        return (!value) ? value : String(value).replace(charToEntityRegex, htmlEncodeReplaceFn);
    

    function htmlDecode(value) 
        var htmlDecodeReplaceFn = function(match, capture) 
            return (capture in entityToChar) ? entityToChar[capture] : String.fromCharCode(parseInt(capture.substr(2), 10));
        ;

        return (!value) ? value : String(value).replace(entityToCharRegex, htmlDecodeReplaceFn);
    

    resetCharacterEntities();

    return 
        htmlEncode: htmlEncode,
        htmlDecode: htmlDecode
    ;
)();

这是来自 ExtJS 的源代码。

【讨论】：

-1;这无法处理绝大多数命名实体。例如，htmlEnDecode.htmlDecode('€') 应该返回 '€'，而是返回 '€'。

【参考方案9】：

CMS 的答案工作正常，除非您想要取消转义的 HTML 很长，超过 65536 个字符。因为在 Chrome 中，内部 HTML 被拆分为许多子节点，每个子节点最多 65536 长，您需要将它们连接起来。这个函数也适用于很长的字符串：

function unencodeHtmlContent(escapedHtml) 
  var elem = document.createElement('div');
  elem.innerHTML = escapedHtml;
  var result = '';
  // Chrome splits innerHTML into many child nodes, each one at most 65536.
  // Whereas FF creates just one single huge child node.
  for (var i = 0; i < elem.childNodes.length; ++i) 
    result = result + elem.childNodes[i].nodeValue;
  
  return result;

有关更多信息，请参阅有关innerHTML 最大长度的答案：https://***.com/a/27545633/694469

【参考方案10】：

Matthias Bynens 为此提供了一个库：https://github.com/mathiasbynens/he

例子：

console.log(
    he.decode("Jörg &amp Jürgen rocked to & fro ")
);
// Logs "Jörg & Jürgen rocked to & fro"

我建议使用它而不是涉及设置元素的 HTML 内容然后读回其文本内容的 hack。此类方法可行，但如果用于不受信任的用户输入，则具有欺骗性的危险性并会带来 XSS 机会。

如果你真的不忍心加载库，你可以使用this answer 中描述的textarea hack 来解决一个几乎重复的问题，与建议的各种类似方法不同，它没有安全性我知道的漏洞：

function decodeEntities(encodedString) 
    var textArea = document.createElement('textarea');
    textArea.innerHTML = encodedString;
    return textArea.value;


console.log(decodeEntities('1 & 2')); // '1 & 2'

但请注意安全问题，影响与此类似的方法，我在链接的答案中列出！这种方法是一种 hack，未来对 textarea 允许内容的更改（或特定浏览器中的错误）可能会导致依赖它的代码有一天突然出现 XSS 漏洞。

【讨论】：

Matthias Bynens 的图书馆 he 绝对很棒！非常感谢您的推荐！

【参考方案11】：

这里给出的大多数答案都有一个巨大的缺点：如果您尝试转换的字符串不受信任，那么您最终会得到Cross-Site Scripting (XSS) vulnerability。对于accepted answer 中的函数，请考虑以下几点：

htmlDecode("<img src='dummy' onerror='alert(/xss/)'>");

这里的字符串包含一个未转义的 HTML 标记，因此htmlDecode 函数实际上将运行字符串中指定的 JavaScript 代码，而不是解码任何内容。

这可以通过使用DOMParser 来避免，all modern browsers 支持：

function htmlDecode(input) 
  var doc = new DOMParser().parseFromString(input, "text/html");
  return doc.documentElement.textContent;


console.log(  htmlDecode("<img src='myimage.jpg'>")  )    
// "<img src='myimage.jpg'>"

console.log(  htmlDecode("<img src='dummy' onerror='alert(/xss/)'>")  )  
// ""

保证此函数不会运行任何 JavaScript 代码作为副作用。任何 HTML 标签都将被忽略，只返回文本内容。

兼容性说明：使用 DOMParser 解析 HTML 至少需要 Chrome 30、Firefox 12、Opera 17、Internet Explorer 10、Safari 7.1 或 Microsoft Edge。因此，所有不支持的浏览器都已超过其 EOL，并且截至 2017 年，偶尔仍能在野外看到的唯一浏览器是较旧的 Internet Explorer 和 Safari 版本（通常这些浏览器数量还不足以打扰）。

【讨论】：

我认为这个答案是最好的，因为它提到了 XSS 漏洞。

请注意（根据您的参考）DOMParser 在 Firefox 12.0 之前不支持 "text/html" 和 there are still some latest versions of browsers that do not even support DOMParser.prototype.parseFromString()。根据您的参考，DOMParser 仍然是一项实验性技术，替代品使用innerHTML 属性，正如您在回复my approach 时也指出的那样，该属性存在此 XSS 漏洞（应该由浏览器供应商）。

@PointedEars：谁在乎 2016 年的 Firefox 12？有问题的是最高 9.0 的 Internet Explorer 和最高 7.0 的 Safari。如果一个人负担得起不支持它们（希望很快每个人都支持），那么 DOMParser 是最好的选择。如果不是 - 是的，只处理实体将是一种选择。

@PointedEars: <script> 标签不被执行不是一种安全机制，如果设置innerHTML 可以运行同步脚本作为副作用，此规则只是避免了棘手的时间问题。清理 HTML 代码是一件棘手的事情，innerHTML 甚至没有尝试过——因为网页实际上可能打算设置内联事件处理程序。这根本不是针对不安全数据的机制，句号。

@ИльяЗеленько：您是否打算在紧密循环中使用此代码，或者为什么性能很重要？你的回答又容易受到 XSS 的攻击，真的值得吗？

【参考方案12】：

jQuery 将为您编码和解码。但是，您需要使用 textarea 标签，而不是 div。

var str1 = 'One & two & three';
var str2 = "One & two & three";
  
$(document).ready(function() 
   $("#encoded").text(htmlEncode(str1)); 
   $("#decoded").text(htmlDecode(str2));
);

function htmlDecode(value) 
  return $("<textarea/>").html(value).text();


function htmlEncode(value) 
  return $('<textarea/>').text(value).html();

<script src="https://ajax.googleapis.com/ajax/libs/jquery/1.9.1/jquery.min.js"></script>

<div id="encoded"></div>
<div id="decoded"></div>

【讨论】：

-1 因为旧 jQuery 版本存在（令人惊讶的）安全漏洞，其中一些可能仍然拥有重要的用户群——这些版本将在 HTML 中将 detect and explicitly evaluate scripts 传递给 .html()。因此，即使使用textarea 也不足以确保这里的安全性；我建议not using jQuery for this task and writing equivalent code with the plain DOM API。 （是的，jQuery 的旧行为既疯狂又可怕。）

感谢您指出这一点。但是，该问题不包括检查脚本注入的要求。该问题专门询问Web服务器呈现的html。保存到 Web 服务器的 Html 内容可能应该在保存之前进行脚本注入验证。

【参考方案13】：

捕捉常见问题的 javascript 解决方案：

var map = amp: '&', lt: '<', gt: '>', quot: '"', '#039': "'"
str = str.replace(/&([^;]+);/g, (m, c) => map[c])

这是https://***.com/a/4835406/2738039的反面

【讨论】：

如果您使用map[c] || ''，无法识别的将不会显示为undefined

覆盖范围非常有限； -1.

+1，更多的是unescapeHtml(str) var map = amp: '&', lt: '<', le: '≤', gt: '>', ge: '≥', quot: '"', '#039': "'" return str.replace(/&([^;]+);/g, (m, c) => map[c]|| '')

手动覆盖。不推荐。

【参考方案14】：

从 JavaScript 解释 HTML（文本和其他）的更现代的选项是 DOMParser API (see here in MDN) 中的 HTML 支持。这允许您使用浏览器的本机 HTML 解析器将字符串转换为 HTML 文档。自 2014 年底以来，所有主要浏览器的新版本都支持它。

如果我们只是想解码一些文本内容，我们可以将其作为文档正文中的唯一内容，解析文档，并提取其.body.textContent。

var encodedStr = 'hello & world';

var parser = new DOMParser;
var dom = parser.parseFromString(
    '<!doctype html><body>' + encodedStr,
    'text/html');
var decodedString = dom.body.textContent;

console.log(decodedString);

我们可以在the draft specification for DOMParser 中看到解析后的文档没有启用 JavaScript，因此我们可以在没有安全问题的情况下执行此文本转换。

parseFromString(str, type) 方法必须运行这些步骤，具体取决于类型：

"text/html"

用HTML parser 解析str，并返回新创建的Document。

脚本标志必须设置为“禁用”。

笔记

script 元素被标记为不可执行，noscript 的内容被解析为标记。

这超出了这个问题的范围，但是请注意如果您将解析后的 DOM 节点本身（不仅仅是它们的文本内容）移动到实时文档 DOM 中，这是可能的他们的脚本将被重新启用，并且可能存在安全问题。我没有研究过，所以请谨慎行事。

【讨论】：

NodeJs 的任何替代方案？

@coderInrRain: he, entities and html-entities

【参考方案15】：

我在我的项目中使用它：灵感来自other answers，但带有一个额外的安全参数，在处理装饰字符时很有用

var decodeEntities=(function()

    var el=document.createElement('div');
    return function(str, safeEscape)

        if(str && typeof str === 'string')

            str=str.replace(/\</g, '&lt;');

            el.innerHTML=str;
            if(el.innerText)

                str=el.innerText;
                el.innerText='';
            
            else if(el.textContent)

                str=el.textContent;
                el.textContent='';
            

            if(safeEscape)
                str=str.replace(/\</g, '&lt;');
        
        return str;
    
)();

它的用法如下：

var label='safe <b> character &eacute;ntity</b>';
var safehtml='<div title="'+decodeEntities(label)+'">'+decodeEntities(label, true)+'</div>';

【参考方案16】：

对于单线的人：

const htmlDecode = innerHTML => Object.assign(document.createElement('textarea'), innerHTML).value;

console.log(htmlDecode('Complicated - Dimitri Vegas & Like Mike'));

【参考方案17】：

这里的所有其他答案都有问题。

document.createElement('div') 方法（包括使用 jQuery 的方法）执行传入其中的任何 javascript（一个安全问题），并且 DOMParser.parseFromString() 方法修剪空白。这是一个没有问题的纯javascript解决方案：

function htmlDecode(html) 
    var textarea = document.createElement("textarea");
    html= html.replace(/\r/g, String.fromCharCode(0xe000)); // Replace "\r" with reserved unicode character.
    textarea.innerHTML = html;
    var result = textarea.value;
    return result.replace(new RegExp(String.fromCharCode(0xe000), 'g'), '\r');

TextArea 专门用于避免执行 js 代码。它通过了这些：

htmlDecode('&lt;&amp;&nbsp;&gt;'); // returns "<& >" with non-breaking space.
htmlDecode('  '); // returns "  "
htmlDecode('<img src="dummy" onerror="alert(\'xss\')">'); // Does not execute alert()
htmlDecode('\r\n') // returns "\r\n", doesn't lose the \r like other solutions.

【讨论】：

不，使用不同的标签不能解决问题。这仍然是一个 XSS 漏洞，试试htmlDecode("</textarea><img src=x onerror=alert(1)>")。在我已经在 Sergio Belevskij 的回答中指出了这个问题之后，你发布了这个。

我无法重现您描述的问题。我在这个 JsFiddle 中有你的代码，运行时没有警报显示。 jsfiddle.net/edsjt15g/1可以看看吗？你用的是什么浏览器？

我正在使用 Firefox。 Chrome 确实以不同的方式处理这种情况，因此代码不会执行 - 但是你不应该依赖它。

【参考方案18】：

诀窍是利用浏览器的强大功能来解码特殊的 HTML 字符，但不允许浏览器像执行实际的 html 一样执行结果...此函数使用正则表达式来识别和替换编码的 HTML 字符，一次一个字符。

function unescapeHtml(html) 
    var el = document.createElement('div');
    return html.replace(/\&[#0-9a-z]+;/gi, function (enc) 
        el.innerHTML = enc;
        return el.innerText
    );

【讨论】：

正则表达式可以与/\&#?[0-9a-z]+;/gi 匹配得更紧密一些，因为# 应该只作为第二个字符出现。

这是最好的答案。避免 XSS 漏洞，并且不去除 HTML 标签。

【参考方案19】：

如果您正在寻找它，就像我一样 - 同时有一个不错且安全的 JQuery 方法。

https://api.jquery.com/jquery.parsehtml/

你可以 f.ex.在控制台中输入：

var x = "test &";
> undefined
$.parseHTML(x)[0].textContent
> "test &"

所以 $.parseHTML(x) 返回一个数组，如果你的文本中有 HTML 标记，array.length 将大于 1。

【讨论】：

非常适合我，这正是我想要的，谢谢。

如果x 的值为<script>alert('hello');</script>，则上述内容将崩溃。在当前的 jQuery 中，它实际上不会尝试运行脚本，但[0] 将产生undefined，因此对textContent 的调用将失败并且您的脚本将停在那里。 $('<div />').html(x).text(); 看起来更安全 - 通过 gist.github.com/jmblog/3222899

@AndrewHodgkinson 是的，但问题是“在 JavaScript 中解码 & 返回 &” - 所以你要先测试 x 的内容，或者确保只在正确的情况下使用它。

我真的不明白这是怎么回事。上面的代码适用于所有情况。您将如何“确保” x 的值需要修复？如果上面的脚本示例警告“&”怎么办？所以它真的需要纠正吗？我们不知道 OP 的字符串来自哪里，因此必须考虑恶意输入。

@AndrewHodgkinson 我喜欢你的考虑，但这不是这里的问题。不过，请随意回答这个问题。我猜你可以删除脚本标签，f.ex.

【参考方案20】：

你可以使用Lodash unescape / 转义函数https://lodash.com/docs/4.17.5#unescape

import unescape from 'lodash/unescape';

const str = unescape('fred, barney, & pebbles');

str 将变为'fred, barney, & pebbles'

【讨论】：

可能更好地执行“从'lodash/unescape'导入_unescape；”所以它不会与已弃用的同名javascript函数冲突：unescape

【参考方案21】：

我尝试了一切从 JSON 数组中删除 & 的方法。以上例子都没有，但https://***.com/users/2030321/chris 提供了一个很好的解决方案，让我解决了我的问题。

var stringtodecode="<B>Hello</B> world<br>";
document.getElementById("decodeIt").innerHTML=stringtodecode;
stringtodecode=document.getElementById("decodeIt").innerText

我没有使用，因为我不明白如何将其插入到将 JSON 数据拉入数组的模式窗口中，但我确实根据示例尝试过，并且成功了：

var modal = document.getElementById('demodal');
$('#ampersandcontent').text(replaceAll(data[0],"&", "&"));

我喜欢它，因为它很简单，而且很有效，但不知道为什么它没有被广泛使用。搜索 hi & low 以找到一个简单的解决方案。 我继续寻求对语法的理解，以及使用它是否有任何风险。还没有找到任何东西。

【讨论】：

您的第一个建议有点棘手，但不费吹灰之力就可以很好地工作。另一方面，第二个仅使用蛮力来解码字符。这意味着完成完整的解码功能可能需要大量的精力和时间。这就是为什么没有人使用这种方式来解决 OP 的问题。

【参考方案22】：

有一个变体，其效率与最顶部的答案一样高 80%。

查看基准：https://jsperf.com/decode-html12345678/1

console.log(decodeEntities('test: &gt'));

function decodeEntities(str) 
  // this prevents any overhead from creating the object each time
  const el = decodeEntities.element || document.createElement('textarea')

  // strip script/html tags
  el.innerHTML = str
    .replace(/<script[^>]*>([\S\s]*?)<\/script>/gmi, '')
    .replace(/<\/?\w(?:[^"'>]|"[^"]*"|'[^']*')*>/gmi, '');

  return el.value;

如果你需要留下标签，那么删除两个.replace(...)调用（如果你不需要脚本，你可以留下第一个）。

【讨论】：

恭喜，您设法用虚假的清理逻辑掩盖了漏洞，所有这些都是为了在实践中取得无关紧要的性能胜利。尝试在 Firefox 中调用 decodeEntities("</textarea '><img src=x onerror=alert(1) \">")。请停止尝试使用正则表达式清理 HTML 代码。

【参考方案23】：

不客气...只是一个信使...全部归功于 ourcodeworld.com，链接如下。

window.htmlentities = 
        /**
         * Converts a string to its html characters completely.
         *
         * @param String str String with unescaped HTML characters
         **/
        encode : function(str) 
            var buf = [];

            for (var i=str.length-1;i>=0;i--) 
                buf.unshift(['&#', str[i].charCodeAt(), ';'].join(''));
            

            return buf.join('');
        ,
        /**
         * Converts an html characterSet into its original character.
         *
         * @param String str htmlSet entities
         **/
        decode : function(str) 
            return str.replace(/&#(\d+);/g, function(match, dec) 
                return String.fromCharCode(dec);
            );
        
    ;

完整信用：https://ourcodeworld.com/articles/read/188/encode-and-decode-html-entities-using-pure-javascript

【讨论】：

这是一个不完整的解决方案；它只处理十进制数字字符引用，而不是命名字符引用或十六进制数字字符引用。

【参考方案24】：

var encodedStr = 'hello & world';

var parser = new DOMParser;
var dom = parser.parseFromString(
    '<!doctype html><body>' + encodedStr,
    'text/html');
var decodedString = dom.body.textContent;

console.log(decodedString);

【讨论】：

@Wladimir Palant（AdBlock Plus 的作者）之前已经给出了 DOMParser 的答案 4 years。您在发布之前阅读过之前的答案吗？

【参考方案25】：

我很疯狂地完成了这个应该很漂亮，如果不是完全，详尽的功能：

function removeEncoding(string) 
    return string.replace(/&Agrave;/g, "À").replace(/&Aacute;/g, "Á").replace(/&Acirc;/g, "Â").replace(/&Atilde;/g, "Ã").replace(/&Auml;/g, "Ä").replace(/&Aring;/g, "Å").replace(/&agrave;/g, "à").replace(/&acirc;/g, "â").replace(/&atilde;/g, "ã").replace(/&auml;/g, "ä").replace(/&aring;/g, "å").replace(/&AElig;/g, "Æ").replace(/&aelig;/g, "æ").replace(/&szlig;/g, "ß").replace(/&Ccedil;/g, "Ç").replace(/&ccedil;/g, "ç").replace(/&Egrave;/g, "È").replace(/&Eacute;/g, "É").replace(/&Ecirc;/g, "Ê").replace(/&Euml;/g, "Ë").replace(/&egrave;/g, "è").replace(/&eacute;/g, "é").replace(/&ecirc;/g, "ê").replace(/&euml;/g, "ë").replace(/&#131;/g, "ƒ").replace(/&Igrave;/g, "Ì").replace(/&Iacute;/g, "Í").replace(/&Icirc;/g, "Î").replace(/&Iuml;/g, "Ï").replace(/&igrave;/g, "ì").replace(/&iacute;/g, "í").replace(/&icirc;/g, "î").replace(/&iuml;/g, "ï").replace(/&Ntilde;/g, "Ñ").replace(/&ntilde;/g, "ñ").replace(/&Ograve;/g, "Ò").replace(/&Oacute;/g, "Ó").replace(/&Ocirc;/g, "Ô").replace(/&Otilde;/g, "Õ").replace(/&Ouml;/g, "Ö").replace(/&ograve;/g, "ò").replace(/&oacute;/g, "ó").replace(/&ocirc;/g, "ô").replace(/&otilde;/g, "õ").replace(/&ouml;/g, "ö").replace(/&Oslash;/g, "Ø").replace(/&oslash;/g, "ø").replace(/&#140;/g, "Œ").replace(/&#156;/g, "œ").replace(/&#138;/g, "Š").replace(/&#154;/g, "š").replace(/&Ugrave;/g, "Ù").replace(/&Uacute;/g, "Ú").replace(/&Ucirc;/g, "Û").replace(/&Uuml;/g, "Ü").replace(/&ugrave;/g, "ù").replace(/&uacute;/g, "ú").replace(/&ucirc;/g, "û").replace(/&uuml;/g, "ü").replace(/&#181;/g, "µ").replace(/&#215;/g, "×").replace(/&Yacute;/g, "Ý").replace(/&#159;/g, "Ÿ").replace(/&yacute;/g, "ý").replace(/&yuml;/g, "ÿ").replace(/&#176;/g, "°").replace(/&#134;/g, "†").replace(/&#135;/g, "‡").replace(/&lt;/g, "<").replace(/&gt;/g, ">").replace(/&#177;/g, "±").replace(/&#171;/g, "«").replace(/&#187;/g, "»").replace(/&#191;/g, "¿").replace(/&#161;/g, "¡").replace(/&#183;/g, "·").replace(/&#149;/g, "•").replace(/&#153;/g, "™").replace(/&copy;/g, "©").replace(/&reg;/g, "®").replace(/&#167;/g, "§").replace(/&#182;/g, "¶").replace(/&Alpha;/g, "Α").replace(/&Beta;/g, "Β").replace(/&Gamma;/g, "Γ").replace(/&Delta;/g, "Δ").replace(/&Epsilon;/g, "Ε").replace(/&Zeta;/g, "Ζ").replace(/&Eta;/g, "Η").replace(/&Theta;/g, "Θ").replace(/&Iota;/g, "Ι").replace(/&Kappa;/g, "Κ").replace(/&Lambda;/g, "Λ").replace(/&Mu;/g, "Μ").replace(/&Nu;/g, "Ν").replace(/&Xi;/g, "Ξ").replace(/&Omicron;/g, "Ο").replace(/&Pi;/g, "Π").replace(/&Rho;/g, "Ρ").replace(/&Sigma;/g, "Σ").replace(/&Tau;/g, "Τ").replace(/&Upsilon;/g, "Υ").replace(/&Phi;/g, "Φ").replace(/&Chi;/g, "Χ").replace(/&Psi;/g, "Ψ").replace(/&Omega;/g, "Ω").replace(/&alpha;/g, "α").replace(/&beta;/g, "β").replace(/&gamma;/g, "γ").replace(/&delta;/g, "δ").replace(/&epsilon;/g, "ε").replace(/&zeta;/g, "ζ").replace(/&eta;/g, "η").replace(/&theta;/g, "θ").replace(/&iota;/g, "ι").replace(/&kappa;/g, "κ").replace(/&lambda;/g, "λ").replace(/&mu;/g, "μ").replace(/&nu;/g, "ν").replace(/&xi;/g, "ξ").replace(/&omicron;/g, "ο").replace(/&piρ;/g, "ρ").replace(/&rho;/g, "ς").replace(/&sigmaf;/g, "ς").replace(/&sigma;/g, "σ").replace(/&tau;/g, "τ").replace(/&phi;/g, "φ").replace(/&chi;/g, "χ").replace(/&psi;/g, "ψ").replace(/&omega;/g, "ω").replace(/&bull;/g, "•").replace(/&hellip;/g, "…").replace(/&prime;/g, "′").replace(/&Prime;/g, "″").replace(/&oline;/g, "‾").replace(/&frasl;/g, "⁄").replace(/&weierp;/g, "℘").replace(/&image;/g, "ℑ").replace(/&real;/g, "ℜ").replace(/&trade;/g, "™").replace(/&alefsym;/g, "ℵ").replace(/&larr;/g, "←").replace(/&uarr;/g, "↑").replace(/&rarr;/g, "→").replace(/&darr;/g, "↓").replace(/&barr;/g, "↔").replace(/&crarr;/g, "↵").replace(/&lArr;/g, "⇐").replace(/&uArr;/g, "⇑").replace(/&rArr;/g, "⇒").replace(/&dArr;/g, "⇓").replace(/&hArr;/g, "⇔").replace(/&forall;/g, "∀").replace(/&part;/g, "∂").replace(/&exist;/g, "∃").replace(/&empty;/g, "∅").replace(/&nabla;/g, "∇").replace(/&isin;/g, "∈").replace(/&notin;/g, "∉").replace(/&ni;/g, "∋").replace(/&prod;/g, "∏").replace(/&sum;/g, "∑").replace(/&minus;/g, "−").replace(/&lowast;/g, "∗").replace(/&radic;/g, "√").replace(/&prop;/g, "∝").replace(/&infin;/g, "∞").replace(/&OEig;/g, "Œ").replace(/&oelig;/g, "œ").replace(/&Yuml;/g, "Ÿ").replace(/&spades;/g, "♠").replace(/&clubs;/g, "♣").replace(/&hearts;/g, "♥").replace(/&diams;/g, "♦").replace(/&thetasym;/g, "ϑ").replace(/&upsih;/g, "ϒ").replace(/&piv;/g, "ϖ").replace(/&Scaron;/g, "Š").replace(/&scaron;/g, "š").replace(/&ang;/g, "∠").replace(/&and;/g, "∧").replace(/&or;/g, "∨").replace(/&cap;/g, "∩").replace(/&cup;/g, "∪").replace(/&int;/g, "∫").replace(/&there4;/g, "∴").replace(/&sim;/g, "∼").replace(/&cong;/g, "≅").replace(/&asymp;/g, "≈").replace(/&ne;/g, "≠").replace(/&equiv;/g, "≡").replace(/&le;/g, "≤").replace(/&ge;/g, "≥").replace(/&sub;/g, "⊂").replace(/&sup;/g, "⊃").replace(/&nsub;/g, "⊄").replace(/&sube;/g, "⊆").replace(/&supe;/g, "⊇").replace(/&oplus;/g, "⊕").replace(/&otimes;/g, "⊗").replace(/&perp;/g, "⊥").replace(/&sdot;/g, "⋅").replace(/&lcell;/g, "⌈").replace(/&rcell;/g, "⌉").replace(/&lfloor;/g, "⌊").replace(/&rfloor;/g, "⌋").replace(/&lang;/g, "⟨").replace(/&rang;/g, "⟩").replace(/&loz;/g, "◊").replace(/&#039;/g, "'").replace(/&amp;/g, "&").replace(/&quot;/g, "\"");

这样使用：

let decodedText = removeEncoding("Ich heiße David");
console.log(decodedText);

打印：Ich Heiße David

附：这花了大约一个半小时。

【讨论】：

不适用于"Ich Heiße David"。

【参考方案26】：

这是迄今为止我尝试过的最全面的解决方案：

const STANDARD_HTML_ENTITIES = 
    nbsp: String.fromCharCode(160),
    amp: "&",
    quot: '"',
    lt: "<",
    gt: ">"
;

const replaceHtmlEntities = plainTextString => 
    return plainTextString
        .replace(/&#(\d+);/g, (match, dec) => String.fromCharCode(dec))
        .replace(
            /&(nbsp|amp|quot|lt|gt);/g,
            (a, b) => STANDARD_HTML_ENTITIES[b]
        );
;

【讨论】：

“最全面”？您是否尝试过针对 actually comprehensive test suite 运行它？

【参考方案27】：

该问题没有指定x 的来源，但如果可以的话，防御恶意（或只是来自我们自己的应用程序的意外）输入是有意义的。例如，假设x 的值为& <script>alert('hello');</script>。在 jQuery 中处理此问题的一种安全且简单的方法是：

var x    = "&amp; <script>alert('hello');</script>";
var safe = $('<div />').html(x).text();

// => "& alert('hello');"

通过https://gist.github.com/jmblog/3222899 找到。我看不出有很多理由避免使用这个解决方案，因为它至少和一些替代方案一样短，如果不短的话并且提供对 XSS 的防御。

（我最初将此作为评论发布，但由于同一线程中的后续评论要求我这样做，因此我将其添加为答案）。

【参考方案28】：

function decodeHTMLContent(htmlText) 
  var txt = document.createElement("span");
  txt.innerHTML = htmlText;
  return txt.innerText;


var result = decodeHTMLContent('One & two & three');
console.log(result);

【讨论】：

这个答案比 年 前的 textarea 好多少？

这将提出一个安全问题。没有什么能阻止您在其中添加 <img> 并运行任意 JS。 不要在生产中使用它或任何类似的东西（或用于业余项目，如果其他人会使用它）。

【参考方案29】：

要在 JavaScript 中取消转义 HTML 实体*，您可以使用小型库 html-escaper: npm install html-escaper

import unescape from 'html-escaper';

unescape('escaped string');

或者unescape函数来自Lodash或Underscore，如果你正在使用它。

---

*) 请注意，这些函数并未涵盖所有 HTML 实体，而仅涵盖最常见的实体，即&、<、>、'、"。要取消转义所有 HTML 实体，您可以使用 he 库。

【参考方案30】：

闭包可以避免创建不必要的对象。

const decodingHandler = (() => 
  const element = document.createElement('div');
  return text => 
    element.innerHTML = text;
    return element.textContent;
  ;
)();

更简洁的方式

const decodingHandler = (() => 
  const element = document.createElement('div');
  return text => ((element.innerHTML = text), element.textContent);
)();