Bug分析之画蛇添足的htmlEncode

href="file:///C:/DOCUME~1/SULIN~1.ZTG/LOCALS~1/Temp/msohtml1/01/clip_filelist.xml" rel="File-List" />

    在html中，有些字符是用于做特殊标记的，比如“<”。当需要在界面上显示这些字符时，就需要用另外一种方法来表示，比如“<”要表示为“&lt;”。只要知道了html中各个符号替代字符串，写一个这样的函数算不上什么难事，可是有人却偏偏画蛇添足，并把添了足的代码放到了网上，结果使很多网站出错。

 

这段代码被放在一个名为《一些非常有用的Java常用方法》的帖子中。这个帖子被广泛转载，可以在很多技术网站找到它。不过因为很多网站自身可能也使用了帖子中的代码，所以这些网站都无法把这个帖子正确地表现出来。在我找了很久之后，终于找到了这帖子的本来面目。我现在把这帖子的原始内容贴出来，再把那些出错了的网站的中，该帖子的内贴出来，做个对比。希望CSDN没使用这个画蛇添足的htmlEncode，否则就对比出不来原始内容了。

 

原帖中的htmlEncode函数如下（代码1，Java语言，下同）：

 

String htmlEncode(String txt)

{

   txt = replace(txt,"&","& amp;");

  txt = replace(txt,"& amp;amp;","& amp");

  txt = replace(txt,"& amp;quot;","& quot;");  

  txt = replace(txt,"/"","& quot;"); 

  txt = replace(txt,"& amp;lt;","& lt;"); 

  txt = replace(txt,"<","& lt;"); 

  txt = replace(txt,"& amp; gt;","& gt;"); 

  txt = replace(txt,">","& gt;"); 

  txt = replace(txt,"& amp;nbsp;","& nbsp"); 

  txt = replace(txt," ","& nbsp"); 

  return txt; 

}


 

使用Google搜到的大多网站上的帖子中，该函数的内容如下（代码2）：

 

String htmlEncode(String txt){

  txt = replace(txt,"&","&");

  txt = replace(txt,"& amp;","&");

  txt = replace(txt,"& quot;","/"");

  txt = replace(txt,"/"",""");

  txt = replace(txt,"& lt;","<");

  txt = replace(txt,"<","<");

  txt = replace(txt,"& gt;",">");

  txt = replace(txt,">",">");

  txt = replace(txt,"& nbsp;"," ");

  txt = replace(txt," "," ");

  return txt;

}

 

在这两段代码中replace是自定义的字符串内替换函数，这个我们先不管它。且看第二段代码中，有很多第2个参数和第3个参数相同的replace调用，不觉得很奇怪么？

 

在读过了很多这样奇怪代码的帖子之后，终于在一个网站上找到了正确的原始帖子，看到了这个htmlEncode函数的真面目，也就是代码1中的内容。

 

其实看代码1也有奇怪之处。按一般的想法，只要把“& < > / ”等这几个字符逐一替换成相应的替代字符串就可以了，怎么会有如txt = replace(txt,"&amp;amp;","&amp;");这样的语句呢？

 

后来一想，我明白了，作者是想让编码过的字符串不被重复编码。可能作者在程序的很多地方对字符串进行htmlEncode编码操作，他希望第一次编码后，其它的编码操作不再起作用，这样他只进行一次解码就可以还原原来的内容。

 

比如对字符串中的“&”，在进行第一次编码后，它将变为“&amp;”。在第二次编码时，在对“&”进行替换后，将把“&amp;”中的“&”再次换成“&amp;”，于是得到“&amp;amp;”。作者为了不重复编码，就在txt = replace(txt,"&","&amp;");语句之后，又加了一句txt = replace(txt,"&amp;amp;","&amp;");把内容再替换回来。

 

同理，后面的txt = replace(txt,"&amp;quot;","&quot;");等类似语句也是为了达到这个目的加上去的。

 

作者写完这个程序之后一定很得意：看我这个程序多好，不会重复编码，调用100次htmlEncode也没关系，总能得到同一个结果！

 

可惜，这个结果并非总是正确的！试想，如果我想在网页上输出字符串"&amp;"，正如要显示作者的这个帖子所需要的那样，在内容中直接显示"&amp;"，问题来了：我对字符串"&amp;"调用htmlEncode之后，得到的还是"&amp;"，我把"&amp;"放到html中时，页面上只会显示一个”&”，而不是"&amp;"。对于其它内容也一样，“&lt;”、“&lg;”、“&gt;”等这样的字符串都无法显示正确显示。

 

呵呵，这也正解释了为什么这么多网站会把作者的代码显示成代码２所示那样，因为他们都用了作者的程序。就拿作者帖子中的代码的第一句为例：

 

原文为：txt = replace(txt,"&","&amp;");

 

使用作者的算法对这段内容进行htmlEncode，得到：

 

txt = replace(txt, &quot;&amp; &quot;, &quot;&amp; &quot;);

 

前一个“&”被替换为“&amp;”，而第二个参数&amp;不变。把这段代码放在html中送到浏览器，正好显示为：

 

txt = replace(txt,"&","&");

 

代码中其它的那些第２、３参数相同的replace调用也都是因为这个原因。

 

一句话，作者想优化html编码的功能，结果画蛇添足。

 

把代码改成如下的形式，去掉那些“足”，就可以正确编码了：

 

String htmlEncode(String txt)

{

   txt = replace(txt,"&","& amp;"); 

  txt = replace(txt,"/"","& quot;"); 

  txt = replace(txt,"<","& lt;");

  txt = replace(txt,">","& gt;");

  txt = replace(txt," ","& nbsp;"); 

  return txt; 

}

 

从编程的角度看，这只是个画蛇添足的问题。如果换个角度，还有一些有意思的事情：

 

一、很多网站都使用了这段代码，并因此而无法正确显示作者的帖子，可见网络上错误信息的危害，并提醒大家在使用网络上的代码时，一定加倍小心。

 

二、这段代码自己的错误导致了网站无法正确显示这段代码本身，这也限制了这段代码的使用。这算是网络自然法则么：正确的事物得以发展，不正确的自取灭亡？

 

希望CSDN没有使用这样的代码，否则我这个文章的内容也无法显示了。如果您转帖了本文，请千万检查一下，贴过去之后，内容还能正确显示否！

 

作者：苏林