C# HtmlEncode - ISO-8859-1 实体名称与数字

Question

根据以下table对于ISO-8859-1标准，似乎有一个实体名称和一个实体编号与每个保留的 HTML 字符相关联。

例如，对于字符 é :

实体名称:é

实体编号:é

类似地，对于字符>:

实体名称:>

实体编号:>

对于给定的字符串，HttpUtility.HtmlEncode返回一个 HTML 编码的字符串，但我不知道它是如何工作的。这就是我的意思:

Console.WriteLine(HtmlEncode("é>"));
//Outputs é>

它似乎对 é 字符使用实体编号，但对 > 字符使用实体名称。

那么 HtmlEncode 方法真的适用于 ISO-8859-1 标准吗？如果是这样，为什么它有时使用实体名称而有时使用实体编号是有原因的吗？更重要的是，我可以强制它可靠地给我实体名称吗？

编辑:谢谢你们的回答。我无法在执行搜索之前解码字符串。无需深入了解太多细节，文本存储在 SharePoint 列表中，“搜索​​”由 SharePoint 本身完成(使用 CAML 查询)。所以基本上，我不能。

我正在想办法将实体编号转换为名称，.NET 中是否有函数可以做到这一点？还是有其他想法？

Answer 1

方法就是这样实现的。对于某些已知字符，它使用相应的实体，而对于其他所有字符，它使用相应的十六进制值，您无法修改此行为。 System.Net.WebUtility.HtmlEncode 的实现摘录(如反射器所示):

...
if (ch <= '>')
{
    switch (ch)
    {
        case '&':
        {
            output.Write("&amp;");
            continue;
        }
        case '\'':
        {
            output.Write("&#39;");
            continue;
        }
        case '"':
        {
            output.Write("&quot;");
            continue;
        }
        case '<':
        {
            output.Write("&lt;");
            continue;
        }
        case '>':
        {
            output.Write("&gt;");
            continue;
        }
    }
    output.Write(ch);
    continue;
}
if ((ch >= '\x00a0') && (ch < 'Ā'))
{
    output.Write("&#");
    output.Write(((int) ch).ToString(NumberFormatInfo.InvariantInfo));
    output.Write(';');
}
...

这就是说您不应该在意，因为此方法将始终生成有效、安全且正确编码的 HTML。