مرمّز كيانات HTML
ومفكك يتسامح

الأحرف التي يحجزها HTML

خمسة أحرف تعني شيئًا للمحلل. فعلامة & تبدأ كيانًا، وقوسا الزاوية يفتحان الوسم ويغلقانه، كما تنهي علامتا الاقتباس قيمة السمة.

كل ما عدا ذلك نص عادي. لذلك يمر الحرف المشكّل والشرطة الطويلة والرمز التعبيري عبر مستند UTF-8 دون تغيير.

لهذا فالترميز أضيق مما يظن معظم الناس. ففي النص تحتاج إلى ثلاثة من الخمسة، وداخل السمة تحتاج أيضًا إلى علامة الاقتباس المطابقة.

توجد القائمة الكاملة للأسماء في معيار HTML، وتتجاوز ألفي مدخل. لكن لا يكاد أي منها يكون ضروريًا.

مسماة أو عشرية أو ست عشرية

الكيانات المسماة واضحة، لأن   يخبرك بما هو. أما   فلا يخبرك إلا برقم.

الأرقام تعمل دائمًا. فلكل نقطة ترميز رقم، ولا يدخل أي جدول في الأمر، لذلك لا شيء يعتمد على معرفة المحلل باسم ما.

الست عشري هو الرقم نفسه بالأساس ستة عشر. استخدمه حين تنسخ قيمًا من جدول Unicode، لأن الجداول تطبعها بهذا الشكل.

متى ترمّز كل شيء

المستند المقدَّم بترميز UTF-8 لا يحتاج إلى كيانات للأحرف المشكّلة، لأن الأحرف مجرد أحرف. وعندها يقرؤها المتصفح بشكل صحيح.

ترميز كل ما هو خارج ASCII تأمين ضد خادم يرسل charset خاطئًا. لكنه يكبّر الملف ويجعل تحريره أصعب بكثير.

لذلك لا تلجأ إليه إلا حين لا تتحكم في الترويسات. ففي كل حالة أخرى يكون إعلان charset الصحيح هو الحل الأفضل.

الكيانات ليست تعقيمًا

ترميز النص قبل طباعته في الصفحة يمنعه من أن يصبح ترميزًا. وهذا هو التهريب، كما أن القواعد تتغير بحسب المكان: فالسمة وكتلة السكربت والرابط يحتاج كل منها إلى قاعدته.

لماذا فك الترميز هو النصف الأصعب

تحمل المستندات الحقيقية كيانات مسماة وعشرية وست عشرية، وكثيرًا منها بلا فاصلة منقوطة. لذلك يجب أن يتعامل المفكك مع الأربعة.

كما يجب أن يترك كل ما يشبه الكيان فقط. فالكلمة &foo; نص، والمفكك الذي يخمّن يفسد النثر.

يتحقق هذا المفكك من الأسماء في جدوله ومن نقاط الترميز في النطاق الصالح. لذلك يعود كل ما لا يعرفه كما كُتب تمامًا.

أين ما زالت الكيانات تظهر

تحملها قوالب البريد القديمة بالمئات. وكذلك تصديرات أنظمة إدارة المحتوى وتحويلات PDF، كما يحملها كل ما مر يومًا عبر معالج نصوص.

وتظهر أيضًا في ملفات CSV المأخوذة من صفحة ويب. فمثلًا عمود أسماء مليء بـamp وrsquo هو العلامة المعتادة.

فك ترميز مثل هذا الملف مرة واحدة يجعله مقروءًا من جديد. ثم ترى علامات الاقتباس والشرطات الشاردة التي كانت مختبئة كرموز.

ومع ذلك احتفظ بنسخة من الأصل. فإذا كانت قيمة ما يجب أن تبقى مرمّزة، ستريد إعادتها.

مشكلة المسافة غير القابلة للكسر

تُدرجها معالجات النصوص، وتبدو على الشاشة مطابقة للمسافة العادية. ثم تكسر التفاف الأسطر ومقارنات النصوص. لذلك ففك ترميز كتلة ملصوقة أسرع طريقة للعثور عليها.