将 HTML 标签转义为 HTML 实体的最快方法？

Question

我正在编写一个 Chrome 扩展程序，它涉及执行以下许多工作：通过将< 、 >和&转换为<来清理可能包含 HTML 标签的字符串< , > 和& ， 分别。

（换句话说，与 PHP 的htmlspecialchars(str, ENT_NOQUOTES) ——我认为没有任何真正需要转换双引号字符。）

这是迄今为止我发现的最快的功能：

function safe_tags(str) {
    return str.replace(/&/g,'&amp;').replace(/</g,'&lt;').replace(/>/g,'&gt;') ;
}

但是当我必须一次运行几千个字符串时，仍然有很大的滞后。

任何人都可以改进吗？ 它主要用于 10 到 150 个字符之间的字符串，如果这有所不同的话。

（我的一个想法是不要对大于号进行编码——这样做会有什么真正的危险吗？）

Answer 1

这是您可以执行此操作的一种方法：

var escape = document.createElement('textarea');
function escapeHTML(html) {
    escape.textContent = html;
    return escape.innerHTML;
}

function unescapeHTML(html) {
    escape.innerHTML = html;
    return escape.textContent;
}

这是一个演示。

Answer 2

您可以尝试传递一个回调函数来执行替换：

var tagsToReplace = {
    '&': '&',
    '<': '&lt;',
    '>': '&gt;'
};

function replaceTag(tag) {
    return tagsToReplace[tag] || tag;
}

function safe_tags_replace(str) {
    return str.replace(/[&<>]/g, replaceTag);
}

这里是一个性能测试： http : //jsperf.com/encode-html-entities与重复调用replace函数进行比较，并使用Dmitrij提出的DOM方法。

你的方式似乎更快...

不过，你为什么需要它？

Answer 3

Martijn 的方法作为原型函数：

String.prototype.escape = function() {
    var tagsToReplace = {
        '&': '&',
        '<': '&lt;',
        '>': '&gt;'
    };
    return this.replace(/[&<>]/g, function(tag) {
        return tagsToReplace[tag] || tag;
    });
};

var a = "<abc>";
var b = a.escape(); // "&lt;abc&gt;"

Answer 4

最快的方法是：

function escapeHTML(html) {
    return document.createElement('div').appendChild(document.createTextNode(html)).parentNode.innerHTML;
}

这种方法比基于“replace”的方法快两倍，参见http://jsperf.com/htmlencoderegex/35 。

来源： https : //stackoverflow.com/a/17546215/698168

Answer 5

一个更快/更短的解决方案是：

escaped = new Option(html).innerHTML

这与 JavaScript 的一些奇怪的痕迹有关，其中 Option 元素保留了一个自动执行此类转义的构造函数。

归功于https://github.com/jasonmoo/t.js/blob/master/t.js

Answer 6

AngularJS 源代码在angular-sanitize.js 中也有一个版本。

var SURROGATE_PAIR_REGEXP = /[\uD800-\uDBFF][\uDC00-\uDFFF]/g,
    // Match everything outside of normal chars and " (quote character)
    NON_ALPHANUMERIC_REGEXP = /([^\#-~| |!])/g;
/**
 * Escapes all potentially dangerous characters, so that the
 * resulting string can be safely inserted into attribute or
 * element text.
 * @param value
 * @returns {string} escaped text
 */
function encodeEntities(value) {
  return value.
    replace(/&/g, '&').
    replace(SURROGATE_PAIR_REGEXP, function(value) {
      var hi = value.charCodeAt(0);
      var low = value.charCodeAt(1);
      return '&#' + (((hi - 0xD800) * 0x400) + (low - 0xDC00) + 0x10000) + ';';
    }).
    replace(NON_ALPHANUMERIC_REGEXP, function(value) {
      return '&#' + value.charCodeAt(0) + ';';
    }).
    replace(/</g, '&lt;').
    replace(/>/g, '&gt;');
}

Answer 7

多合一脚本：

// HTML entities Encode/Decode

function htmlspecialchars(str) {
    var map = {
        "&": "&",
        "<": "&lt;",
        ">": "&gt;",
        "\"": "&quot;",
        "'": "&#39;" // ' -> &apos; for XML only
    };
    return str.replace(/[&<>"']/g, function(m) { return map[m]; });
}
function htmlspecialchars_decode(str) {
    var map = {
        "&amp;": "&",
        "&lt;": "<",
        "&gt;": ">",
        "&quot;": "\"",
        "&#39;": "'"
    };
    return str.replace(/(&amp;|&lt;|&gt;|&quot;|&#39;)/g, function(m) { return map[m]; });
}
function htmlentities(str) {
    var textarea = document.createElement("textarea");
    textarea.innerHTML = str;
    return textarea.innerHTML;
}
function htmlentities_decode(str) {
    var textarea = document.createElement("textarea");
    textarea.innerHTML = str;
    return textarea.value;
}

http://pastebin.com/JGCVs0Ts

Answer 8

 function encode(r) { return r.replace(/[\\x26\\x0A\\x3c\\x3e\\x22\\x27]/g, function(r) { return "&#" + r.charCodeAt(0) + ";"; }); } test.value=encode('How to encode\\nonly html tags &<>\\'" nice & fast!'); /* \\x26 is &ampersand (it has to be first), \\x0A is newline, \\x22 is ", \\x27 is ', \\x3c is <, \\x3e is > */

 <textarea id=test rows=11 cols=55>www.WHAK.com</textarea>

Answer 9

Martijn 的方法作为单个函数处理“标记（在 javascript 中使用）：

function escapeHTML(html) {
    var fn=function(tag) {
        var charsToReplace = {
            '&': '&',
            '<': '&lt;',
            '>': '&gt;',
            '"': '&#34;'
        };
        return charsToReplace[tag] || tag;
    }
    return html.replace(/[&<>"]/g, fn);
}

Answer 10

我不完全确定速度，但如果您正在寻找简单性，我建议使用 lodash/underscore转义函数。

Answer 11

我会将XMLSerializer添加到该堆中。 它在不使用任何对象缓存的情况下提供最快的结果（不在序列化程序上，也不在 Text 节点上）。

function serializeTextNode(text) {
  return new XMLSerializer().serializeToString(document.createTextNode(text));
}

额外的好处是它支持与文本节点不同的序列化属性：

function serializeAttributeValue(value) {
  const attr = document.createAttribute('a');
  attr.value = value;
  return new XMLSerializer().serializeToString(attr);
}

您可以通过检查规范来查看它实际替换的内容，包括 文本节点和属性值。 完整的文档有更多的节点类型，但概念是一样的。

至于性能，它在不缓存时是最快的。 当您允许缓存时，在带有子 Text 节点的 HTMLElement 上调用innerHTML是最快的。 正则表达式将是最慢的（正如其他评论所证明的那样）。 当然，XMLSerializer 在其他浏览器上可能更快，但在我（有限的）测试中， innerHTML是最快的。

---

最快单线：

new XMLSerializer().serializeToString(document.createTextNode(text));

最快的缓存：

const cachedElementParent = document.createElement('div');
const cachedChildTextNode = document.createTextNode('');
cachedElementParent.appendChild(cachedChildTextNode);

function serializeTextNode(text) {
  cachedChildTextNode.nodeValue = text;
  return cachedElementParent.innerHTML;
}

https://jsperf.com/htmlentityencode/1

Answer 12

节目有点晚了，但是使用encodeURIComponent()和decodeURIComponent() 有什么问题？