html 转义处理

比如要把：<span>test</span> 这段代码当做文本原样输出在页面上，如果按照正常的方式，肯定会被转义，在页面上只能看到 text。那么要想达到预想的效果，应该怎么办呢？

在学习 html 标签时，知道如果要把代码原样输出，可以用标签 pre + code 处理。但这种方式不能处理：html 标签。

1. 借助 vue 框架，可以这么做实现：

<template>
     <p v-html="html" />
</template>

<script>
    export default {
        data () {
            return {
                html: '<span>test</span>'
            }
        }
    }
</script>

2. 借助 react 框架，可以这么实现：

import React, { PureComponent } from 'react'

class Test extends PureComponent {
  constructor (props) {
      super(props)
      
      this.state = {
         html: '<span>test</span>'
      }
  }
    
  render () {
   const { content } = this.state

    return (
      <div>
        <p dangerouslySetInnerHTML={{__html: content}} />
      </div>
    )
  }
}

3. 如果想只用一个 html 标签就实现，可能吗？答案是可能的，可以用 xmp 标签。这个标签的作用：会将内容当做字符串输出。

<xmp><span>test</span></xmp>

不过，这个标签被W3C废弃了，但各大浏览器依然支持该标签。为什么被废弃呢？被废弃，肯定有被废弃的缘由的。如果一定要用这个标签，需注意：

若模板中包含标签会造成标签结束符混乱的问题，因此通过该方式存放模板时，不能包含结束标签；
xmp元素必须作为body的子孙元素。

4. 那么不借助xmp标签或框架的能力，如何自己实现呢？

// html 转义处理
function htmlEncode (text) {
    var isHtml = /[x00`><"'&]/;
    var htmlEncode = /[x00`><"'&]/g;
    return text != null ? isHtml.test(text) && ("" + text).replace(htmlEncode, getCharEntity) || text : "";

    function getCharEntity (ch) {
        var charEntities = {
            "&": "&amp;",
            "<": "&lt;",
            ">": "&gt;",
            "x00": "&#0;",
            "'": "&#39;",
            '"': "&#34;",
            "`": "&#96;"
        };
        return charEntities[ch] || (charEntities[ch] = "&#" + ch.charCodeAt(0) + ";");
    }
};

let htmlCon = '<span>test</span>';
document.querySelector('#html_con').innerHTML = htmlEncode(htmlCon);

5. 特地去看了 vue，react 源码，想看看它们都是怎么实现的。但只找到 react 中是怎么实现的，vue 目录太多也比较绕，没找到。

node-modeles/react-dom/cjs/react-dom-server.browser.development.js 中 631 行。

// code copied and modified from escape-html
/**
 * Module variables.
 * @private
 */

var matchHtmlRegExp = /["'&<>]/;

/**
 * Escapes special characters and HTML entities in a given html string.
 *
 * @param  {string} string HTML string to escape for later insertion
 * @return {string}
 * @public
 */

function escapeHtml(string) {  
  var str = '' + string;
  var match = matchHtmlRegExp.exec(str);

  if (!match) {
    return str;
  }

  var escape = void 0;
  var html = '';
  var index = 0;
  var lastIndex = 0;

  for (index = match.index; index < str.length; index++) {
    switch (str.charCodeAt(index)) {
      case 34:
        // "
        escape = '&quot;';
        break;
      case 38:
        // &
        escape = '&amp;';
        break;
      case 39:
        // '
        escape = '&#x27;'; // modified from escape-html; used to be '&#39'
        break;
      case 60:
        // <
        escape = '&lt;';
        break;
      case 62:
        // >
        escape = '&gt;';
        break;
      default:
        continue;
    }

    if (lastIndex !== index) {
      html += str.substring(lastIndex, index);
    }

    lastIndex = index + 1;
    html += escape;
  }

  return lastIndex !== index ? html + str.substring(lastIndex, index) : html;
}
// end code copied and modified from escape-html

/**
 * Escapes text to prevent scripting attacks.
 *
 * @param {*} text Text value to escape.
 * @return {string} An escaped string.
 */
function escapeTextForBrowser(text) {
  if (typeof text === 'boolean' || typeof text === 'number') {
    // this shortcircuit helps perf for types that we know will never have
    // special characters, especially given that this function is used often
    // for numeric dom ids.
    return '' + text;
  }
  return escapeHtml(text);
}

/**
 * Escapes attribute value to prevent scripting attacks.
 *
 * @param {*} value Value to escape.
 * @return {string} An escaped string.
 */
function quoteAttributeValueForBrowser(value) {
  return '"' + escapeTextForBrowser(value) + '"';
}

这部分源码，还是比如容易看懂呢。

总结：html 转义，主要就是将 "'&<> 这几个特殊字符转换为 html 实体。

延伸：预防 xss 攻击：

对用户输入进行转义
获取内容后，反转义并domParse，过滤不安全标签及属性，进行xss拦截
- 不安全标签：style、link、script、iframe、frame、img
- 不安全属性：onerror、onclick等