字符编码笔记

html实体编码

        HTML实体编码，格式 以&符号开头，以;分号结尾的

        HTML 中的预留字符必须被替换为字符实体

        在 HTML 中不能使用小于号（<）和大于号（>），这是因为浏览器会误认为它们是标签。(<:<   >：>)

        HTML 中的常用字符实体是不间断空格(&nbsp;)。浏览器总是会截短 HTML 页面中的空格。如果您在文本中写 10 个空格，在显示该页面之前，浏览器会删除它们中的 9 个。如需在页面中增加空格的数量，则需要使用 &nbsp; 字符实体。        

unicode编码，UTF-8

        UTF-8 编码是 Unicode 字符集的一种表达方式。每个字符有一个 Unicode 号码，称为码点。如果知道码点，就能查到这是什么字符。字符的码点表示法是&#N;（十进制，N代表码点）或者&#xN;（十六进制，N代表码点），比如，字符a可以写成a（十进制）或者a（十六进制），字符中可以写成中（十进制）或者中（十六进制），浏览器会自动转换它们。

        Unicode字符编码,格式: 以符号&#开头，分号;结尾

        UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

        UTF-8 的编码规则很简单，只有二条：

                1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。

                2）对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码

         跟据上表，解读 UTF-8 编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

url字符

        URL 编码将字符转换为可通过因特网传输的格式。

        URL 只能使用 ASCII 字符集 通过因特网进行发送。

                26个英文字母（大小写），10个阿拉伯数字，连词号(-)，句点(.),下划线(_)

        由于 URL 通常包含 ASCII 集之外的字符，因此必须将 URL 转换为有效的 ASCII 格式。

        URL 字符转义的方法是，在这些字符的十六进制 ASCII 码前面加上百分号（%）。

        URL 不能包含空格。URL 编码通常使用加号（+）或 %20 替代空格。

 

一个HTML解析器作为一个状态机，在解析过程中，任何时候遇到一个<后面没有跟/，就会进入标签开始状态，然后转到标签名状态，签属性名状态，最好进入数据状态并释放出当前标签的token，当解析器处于数据状态时会继续解析，但是遇到&等字符引用，解析了这个字符后不会再转变到标签开始状态。

RCDTAT元素 <textarea>和<title>  只能容纳文本和字符引用

原始文本元素 <script>和<style>可以容纳文本

解析顺序 html---->urlcode---->javascript

在js标签下 可以执行unicode但不能编码符号数字  可以有换行符\u00a