Conversor de entidades HTML

O Conversor de entidades HTML é uma ferramenta gratuita que converte referências de caracteres HTML em caracteres decodificados e vice-versa, para uso em páginas da web, sistemas de conteúdo e outros formatos baseados em texto.

O que são entidades HTML e por que elas existem?

As entidades HTML representam caracteres por meio de textos que o HTML consegue diferenciar da própria marcação. Uma referência de caractere HTML geralmente começa com um "e" comercial e termina com ponto e vírgula. Pode ser uma referência nomeada, como & para representar um "e" comercial, ou uma referência numérica, como £ para o símbolo da libra esterlina.

Elas são úteis quando um caractere tem significado especial em HTML. Um sinal de menor literal poderia ser interpretado como o início de uma tag, por isso pode ser escrito como <. As referências de caracteres também permitem que sistemas representem determinados caracteres em HTML ou em marcações compatíveis sem confundi-los com marcação ou sintaxe de controle.

A codificação de entidades não é criptografia e não oferece sigilo. Qualquer pessoa pode ler ou decodificar uma referência de entidade. Nunca use esse recurso para ocultar senhas, dados pessoais ou conteúdo confidencial.

Como usar o conversor de entidades HTML?

Digite o texto no campo Codificar ou Decodificar e confira o resultado correspondente em Codificado como entidade HTML ou Entidade HTML decodificada. Use a saída codificada quando o texto precisar aparecer em um contexto de texto ou atributo HTML compatível. Use a saída decodificada quando precisar dos caracteres representados por entidades existentes.

A conversão é processada no servidor. O conteúdo inserido é enviado ao servidor por HTTPS e não é armazenado.

Antes de converter, verifique se o formato necessário realmente é o de entidades HTML. O valor de uma string de consulta geralmente exige codificação percentual de URL, enquanto um domínio internacionalizado usa Punycode. O Decodificador de URL e o Conversor de punycode IDN são destinados a esses formatos, respectivamente.

Como é um resultado codificado ou decodificado?

Um resultado decodificado substitui as referências de entidades reconhecidas pelos caracteres que elas representam. Já a forma codificada representa os caracteres usando a sintaxe de entidades.

Entrada: <p>Tea & cake</p>

Saída decodificada: <p>Tea & cake</p>

Os sinais de menor e maior na saída decodificada são caracteres que podem se transformar em marcação HTML caso sejam inseridos em uma página como HTML. A decodificação não higieniza o conteúdo, não remove scripts nem torna seguro um HTML não confiável. Trate o material decodificado de acordo com o contexto em que ele será usado.

Exemplos práticos e entradas problemáticas

Entidades nomeadas e referências numéricas de caracteres podem representar o mesmo caractere de maneiras diferentes. Por exemplo, &amp; é uma referência nomeada para um "e" comercial, enquanto &#38; é sua referência numérica decimal e &#x26; é a forma hexadecimal.

• Espaços comuns e números literais não são referências de entidades e normalmente continuam sendo texto comum.
• A pontuação só muda quando aparece como uma referência de entidade reconhecida ou é codificada intencionalmente.
• Letras acentuadas, sistemas de escrita não latinos e emojis podem ser representados por referências numéricas de caracteres, que identificam pontos de código Unicode independentemente da codificação do código-fonte HTML. A exibição correta depende do suporte da fonte, enquanto a codificação de caracteres é relevante quando a saída decodificada é armazenada ou transmitida.

Ao preparar entidades, inclua o ponto e vírgula final. Os navegadores aceitam algumas referências sem ponto e vírgula em contextos limitados, mas essa forma abreviada pode ser ambígua e tem menor compatibilidade entre analisadores.

Onde as entidades HTML aparecem no dia a dia?

As entidades HTML são comuns no código-fonte HTML, em sistemas de gerenciamento de conteúdo, editores de rich text e emails em HTML. Por exemplo, a visualização de código do WordPress pode conter &nbsp; para representar um espaço inseparável ou &amp; quando um "e" comercial precisa ser preservado na marcação.

Elas também podem aparecer dentro de dados transportados por outro formato. Isso cria várias camadas de codificação, que precisam ser processadas na ordem correta.

• Um payload JSON pode conter um fragmento HTML cujo texto inclui entidades. O escape de JSON e a decodificação de entidades HTML são operações distintas.
• Uma string de consulta pode conter HTML com codificação percentual. Decodifique primeiro a camada de URL e só depois verifique se o texto resultante também contém entidades.
• Um URI de dados pode conter HTML ou outro texto com entidades, embora o próprio URI possa usar codificação percentual ou Base64.
• Um email em HTML pode codificar a pontuação visível e também usar a codificação de transferência MIME durante o envio.
• Um domínio internacionalizado pode aparecer junto de um HTML codificado com entidades, mas o próprio domínio normalmente é representado com Punycode, não com entidades HTML.

Por que a decodificação de entidades HTML falha ou gera caracteres ilegíveis?

A decodificação geralmente falha porque a entrada está malformada, usa outro esquema de codificação ou contém mais de uma camada de codificação. Verifique no texto original se há referências de caracteres HTML nomeadas ou numéricas, em vez de repetir conversões sem conferir o resultado.

• Referência malformada: A ausência do "e" comercial, do sinal de número ou do ponto e vírgula pode impedir o reconhecimento. Compare o texto com formatos como &amp; ou &#38;.
• Entrada codificada duas vezes: Um texto como &amp;lt; pode ser decodificado uma vez para &lt; e exigir outra etapa intencional para se transformar em um sinal de menor.
• Codificação de caracteres incompatível: Um texto interpretado com a codificação de caracteres errada pode exibir símbolos de substituição ou caracteres acentuados corrompidos.
• Formato errado: Textos com sinais de porcentagem podem estar codificados como URL. Uma string longa formada por letras, números, sinais de adição, barras ou sinais de igual no final pode estar em Base64.
• Se a entrada estiver em Base64, variante ou alfabeto incorreto: O Base64 seguro para URL usa caracteres diferentes do Base64 padrão. A ausência de preenchimento também pode causar falhas em alguns decodificadores. Esses problemas não fazem parte da sintaxe de entidades HTML e exigem um Decodificador Base64.

Perguntas frequentes

Por que &nbsp; parece um espaço comum?

Ele representa um espaço inseparável, que normalmente tem a mesma aparência de um espaço comum, mas impede uma quebra de linha naquele ponto. Os editores podem preservá-lo de forma invisível. Para diagnosticar problemas de espaçamento, use a visualização do código-fonte ou um inspetor de caracteres.

Entidades HTML diferenciam maiúsculas de minúsculas?

Sim. As referências de caracteres nomeadas têm grafias definidas, e o uso de maiúsculas ou minúsculas pode determinar se uma referência será reconhecida. Use o nome oficial exato e inclua o ponto e vírgula, em vez de depender da correção de erros do navegador.

Preciso usar entidades em todas as letras acentuadas?

Não. Um documento HTML UTF-8 declarado corretamente pode conter diretamente caracteres como é, £ e 中文. As entidades continuam sendo úteis quando a sintaxe da marcação, um sistema antigo ou uma regra específica de publicação exige seu uso.

Posso usar entidades HTML em XML?

Apenas um pequeno conjunto de entidades nomeadas é predefinido em XML, incluindo &amp;, &lt;, &gt;, &quot; e &apos;. Muitos nomes válidos em HTML são inválidos em XML, a menos que um tipo de documento os defina. Por isso, as referências numéricas de caracteres costumam ser a opção mais segura.

Um conversor de entidades corrige HTML quebrado?

Não. Ele pode converter referências de entidades, mas não equilibra tags, não corrige o aninhamento nem valida o documento. Após a conversão, verifique a marcação ao redor e use um validador de HTML se a página continuar apresentando um comportamento inesperado.

Verificações finais

Confirme se a origem usa referências de caracteres HTML nomeadas ou numéricas, converta apenas a camada necessária e compare o resultado com o texto que deveria ficar visível. Antes de inserir o conteúdo decodificado em uma página publicada, verifique todos os sinais de menor e maior, aspas e "e" comerciais resultantes dentro do contexto HTML real.