เมื่อใดควรใช้เอนทิตี HTML

สิ่งนี้ทำให้ฉันสับสนมาระยะหนึ่งแล้ว ด้วยการถือกำเนิดของ UTF-8 เป็นมาตรฐาน de-facto ในการพัฒนาเว็บฉันไม่แน่ใจว่าในสถานการณ์ใดที่ฉันควรใช้เอนทิตี HTML และฉันควรใช้อักขระ UTF-8 ในสถานการณ์ใด ตัวอย่างเช่น,

• em dash (-, &emdash;)
• เครื่องหมายและ (&, &)
• 3/4 เศษ (¾, ¾)

โปรดแจ้งให้ทราบเกี่ยวกับปัญหานี้ จะได้รับการชื่นชม

โดยทั่วไปคุณไม่จำเป็นต้องใช้เอนทิตีอักขระ HTML หากตัวแก้ไขของคุณรองรับ Unicode เอนทิตีจะมีประโยชน์เมื่อ:

• แป้นพิมพ์ของคุณไม่รองรับอักขระที่คุณต้องการพิมพ์ ตัวอย่างเช่นแป้นพิมพ์จำนวนมากไม่มี em-dash หรือสัญลักษณ์ลิขสิทธิ์
• โปรแกรมแก้ไขของคุณไม่รองรับ Unicode (เป็นเรื่องปกติมากเมื่อหลายปีก่อน แต่อาจไม่ใช่ในปัจจุบัน)
• คุณต้องการทำให้ชัดเจนในแหล่งที่มาว่าเกิดอะไรขึ้น ตัวอย่างเช่น รหัสจะชัดเจนกว่าอักขระช่องว่างที่เกี่ยวข้อง
• คุณจำเป็นต้องหลบหนี HTML อักขระพิเศษชอบ<, หรือ&"

จากความคิดเห็นที่ฉันได้รับฉันได้ตรวจสอบเรื่องนี้เพิ่มเติมอีกเล็กน้อย ดูเหมือนว่าขณะนี้การปฏิบัติที่ดีที่สุดคือการละเลยการใช้หน่วยงาน HTML และใช้จริง UTF-8 ตัวอักษรแทน เหตุผลดังต่อไปนี้:

1. การเข้ารหัส UTF-8 นั้นอ่านและแก้ไขได้ง่ายกว่าสำหรับผู้ที่เข้าใจความหมายของอักขระและรู้วิธีพิมพ์
2. การเข้ารหัส UTF-8 นั้นไม่สามารถเข้าใจได้เช่นเดียวกับการเข้ารหัสเอนทิตี HTML สำหรับผู้ที่ไม่เข้าใจ แต่มีข้อดีของการแสดงผลเป็นอักขระพิเศษแทนที่จะเข้าใจการเข้ารหัสทศนิยมหรือฐานสิบหกได้ยาก

ตราบใดที่การเข้ารหัสของเพจของคุณถูกตั้งค่าเป็น UTF-8 อย่างถูกต้องคุณควรใช้อักขระจริงแทนเอนทิตี HTML ฉันอ่านเอกสารหลายฉบับเกี่ยวกับหัวข้อนี้ แต่สิ่งที่เป็นประโยชน์ที่สุด ได้แก่ :

• UTF-8: ความลับของการเข้ารหัสอักขระ
• วิกิพีเดียอักขระพิเศษช่วยเหลือ

จากบทความUTF-8: The Secret of Character Encoding :

Wikipedia เป็นกรณีศึกษาที่ยอดเยี่ยมสำหรับแอปพลิเคชันที่เดิมใช้ ISO-8859-1 แต่เปลี่ยนไปใช้ UTF-8 เมื่อมันยุ่งยากเกินไปที่จะรองรับภาษาต่างประเทศ บอทตอนนี้จะจริงไปผ่านบทความและแปลงหน่วยงานที่ตัวละครตัวละครจริงที่สอดคล้องกันของพวกเขาเพื่อประโยชน์ในการใช้เป็นมิตรและความสามารถในการค้นหา

บทความนั้นยังให้ตัวอย่างที่ดีเกี่ยวกับการเข้ารหัสภาษาจีน นี่คือตัวอย่างโดยย่อเพื่อความเกียจคร้าน:

UTF-8:

這兩個字是甚麼意思

เอนทิตี HTML :

這兩個字是甚麼意思

การเข้ารหัสเอนทิตี UTF-8 และ HTML ไม่มีความหมายสำหรับฉัน แต่อย่างน้อยการเข้ารหัส UTF-8 ก็จำได้ว่าเป็นภาษาต่างประเทศและจะแสดงผลอย่างถูกต้องในช่องแก้ไข บทความกล่าวต่อไปนี้เกี่ยวกับเวอร์ชันที่เข้ารหัสเอนทิตี HTML:

ไม่สะดวกอย่างยิ่งสำหรับพวกเราที่รู้ว่าเอนทิตีตัวละครคืออะไรไม่เข้าใจโดยสิ้นเชิงสำหรับผู้ใช้ที่ไม่ดีที่ไม่ได้! แม้แต่เอนทิตีอักขระที่ "เข้าใจง่าย" ที่ใช้งานง่ายกว่าเล็กน้อยเช่น & theta; จะทำให้ผู้ใช้ที่ไม่สนใจเรียนรู้ HTML เกาหัว ในทางกลับกันถ้าพวกเขาเห็นθในช่องแก้ไขพวกเขาจะรู้ว่าเป็นอักขระพิเศษและปฏิบัติตามแม้ว่าพวกเขาจะไม่รู้ว่าจะเขียนอักขระนั้นอย่างไร

ดังที่ผู้อื่นกล่าวไว้คุณยังคงต้องใช้เอนทิตี HTML สำหรับอักขระ XML ที่สงวนไว้ (เครื่องหมายและน้อยกว่ามากกว่า)

ฉันจะไม่ใช้ UTF-8 สำหรับตัวอักษรที่สับสนทางสายตาได้ง่าย ตัวอย่างเช่นเป็นการยากที่จะแยกแยะ emdash จากเครื่องหมายลบหรือโดยเฉพาะอย่างยิ่งช่องว่างที่ไม่แตกออกจากช่องว่าง สำหรับอักขระเหล่านี้ให้ใช้เอนทิตีอย่างแน่นอน

สำหรับอักขระที่มองเห็นได้ง่าย (เช่นตัวอย่างภาษาจีนด้านบน) ให้ใช้ UTF-8 ได้เลยหากต้องการ

โดยส่วนตัวแล้วฉันทำทุกอย่างใน utf-8 มานานแล้วอย่างไรก็ตามในหน้า html คุณจะต้องแปลงเครื่องหมายแอมเพอร์แซนด์ (&) มากกว่า (>) และน้อยกว่า (<) อักขระให้เป็นเอนทิตีที่เท่ากันเสมอ & amp ;, & gt; และ & lt;

นอกจากนี้หากคุณตั้งใจจะเขียนโปรแกรมโดยใช้ข้อความ utf-8 มีบางสิ่งที่ควรระวัง

• XML ต้องการบรรทัดเพิ่มเติมเพื่อตรวจสอบความถูกต้องเมื่อใช้เอนทิตี
• ห้องสมุดบางแห่งไม่สามารถเล่นได้ดีกับ utf-8 ตัวอย่างเช่น PHP ในลินุกซ์บางรุ่นไม่รองรับ utf-8 ในไลบรารีนิพจน์ทั่วไป
• เป็นการยากที่จะ จำกัด จำนวนอักขระในข้อความที่ใช้เอนทิตี html เนื่องจากเอนทิตีเดียวใช้อักขระจำนวนมาก นอกจากนี้ยังมีความเสี่ยงที่จะตัดเอนทิตีออกครึ่งหนึ่งเสมอ

เอนทิตีอาจซื้อความเข้ากันได้ของคุณกับไคลเอนต์ที่สมองตายซึ่งไม่เข้าใจการเข้ารหัสอย่างถูกต้อง ฉันไม่เชื่อว่ารวมถึงเบราว์เซอร์ปัจจุบันด้วย แต่คุณไม่มีทางรู้ว่ามีโปรแกรมประเภทใดบ้างที่จะมากระทบคุณ

แม้ว่าจะมีประโยชน์มากกว่านั้นก็คือเอนทิตี HTML จะปกป้องคุณจากข้อผิดพลาดของคุณเอง: หากคุณกำหนดค่าบางอย่างบนเซิร์ฟเวอร์ไม่ถูกต้องและคุณลงเอยด้วยการแสดงหน้าที่มีส่วนหัว HTTP ที่ระบุว่าเป็นISO-8859-1และMETAแท็กที่ระบุว่าเป็นUTF-8อย่างน้อยที่สุดของคุณ & mdash; es จะทำงานเสมอ

เอนทิตี HTML มีประโยชน์เมื่อคุณต้องการสร้างเนื้อหาที่จะรวม (แบบไดนามิก) ลงในหน้าที่มีการเข้ารหัสที่แตกต่างกัน (หลายรายการ) ตัวอย่างเช่นเรามีเนื้อหาฉลากขาวที่รวมอยู่ในหน้าเว็บที่เข้ารหัส ISO-8859-1 และ UTF-8 ...

หากการแปลงชุดอักขระจาก / เป็น UTF-8 ไม่ใช่เรื่องใหญ่ที่ไม่น่าเชื่อถือ (คุณมักจะสะดุดกับอักขระบางตัวและเครื่องมือบางตัวที่แปลงไม่ถูกต้อง) การกำหนดมาตรฐานบน UTF-8 จะเป็นหนทางที่จะไป

หากเพจของคุณเข้ารหัสอย่างถูกต้องใน utf-8 คุณไม่จำเป็นต้องใช้เอนทิตี html เพียงแค่ใช้อักขระที่คุณต้องการโดยตรง

คำตอบทั้งหมดก่อนหน้านี้มีความหมายสำหรับฉัน

นอกจากนี้: ส่วนใหญ่ขึ้นอยู่กับตัวแก้ไขที่คุณต้องการใช้และภาษาของเอกสาร ตามข้อกำหนดขั้นต่ำสำหรับโปรแกรมแก้ไขคือรองรับภาษาเอกสาร นั่นหมายความว่าหากข้อความของคุณเป็นภาษาญี่ปุ่นโปรดระวังการใช้โปรแกรมแก้ไขที่ไม่แสดง (กล่าวคือไม่มีเอนทิตีสำหรับเอกสารนั้นเอง) หากเป็นภาษาอังกฤษคุณยังสามารถใช้ตัวแก้ไขแบบเป็นกลุ่มเก่าและใช้เอนทิตีเฉพาะสำหรับญาติที่ไม่ค่อยได้ & copy; และเพื่อน ๆ. แน่นอน: & gt; สำหรับ> และ HTML-special อื่น ๆ ยังคงต้องมี Escape แต่ถึงแม้จะมีภาษาละติน -1 อื่น ๆ (เยอรมันฝรั่งเศส ฯลฯ ) การเขียนก็เป็นเรื่องน่าปวดหัวเมื่อคุณรู้ว่า ...

นอกจากนี้ฉันเองยังเขียนเอนทิตีสำหรับอักขระที่มองไม่เห็นและสิ่งที่มีลักษณะคล้ายกับมาตรฐาน-ascii ดังนั้นจึงสับสนได้ง่าย ตัวอย่างเช่นมี u1173 (ดูเหมือนเส้นประในชุดอักขระบางชุด) หรือ u1175 ซึ่งดูเหมือนแถบแนวตั้ง ฉันจะใช้เอนทิตีสำหรับสิ่งเหล่านั้นไม่ว่าในกรณีใด ๆ