Caracteres especiales HTML: escapar, desescapar y tabla 1:1

PublicadoHerramientaEscapador de Caracteres HTML

Contenido
  1. Por qué desaparecen o se rompen las etiquetas cuando publicas ejemplos de código
  2. Cómo convertir a mano sin herramientas: tabla de correspondencias y orden
  3. Puntos que suelen generar confusión
  4. En resumen
  5. Preguntas frecuentes

La escapada de caracteres especiales HTML consiste en convertir los cinco caracteres <, >, &, ", ' en códigos de entidad de carácter como &lt; y &amp;. El objetivo es que el navegador no los interprete por error como etiquetas o delimitadores de atributos y los muestre en pantalla como el texto que son.

Aquí abordamos el problema tanto de quien quiere mostrar ejemplos de código HTML tal cual en su blog como de quien, al contrario, necesita devolver a sus caracteres originales un código que ya está escapado.

Resumen ① Los cinco caracteres & < > " ' son los que el analizador HTML lee como delimitadores de etiquetas y atributos, y por eso generan conflictos. ② La escapada sustituye cada uno de esos cinco caracteres por el código &amp; &lt; &gt; &quot; &#39; en una relación 1:1. ③ La desescapada hace lo contrario: devuelve los códigos a sus caracteres originales, y verificamos el resultado comprobando que no quede ningún rastro de la forma de código.

Por qué desaparecen o se rompen las etiquetas cuando publicas ejemplos de código

Si pegas código HTML tal cual, como <div class="box">, en una entrada de blog o en un foro, puede pasar que esos caracteres no se vean en pantalla y solo quede una caja vacía, o que se rompa el diseño.

La causa es que el navegador o el editor leen el texto pegado como marcado HTML real, no como un ejemplo de código. Cuando escribes <div>, el analizador interpreta «aquí empieza un elemento div», no «estas son las cuatro letras de div».

El mismo problema aparece en la dirección contraria. Si un texto que copiaste de algún sitio ya está escapado, como &lt;div&gt;, en pantalla no verás el código, sino literalmente los caracteres &lt;div&gt;. En este caso lo que hace falta es la operación inversa: desescapar para recuperar la etiqueta original.

Cómo convertir a mano sin herramientas: tabla de correspondencias y orden

Los caracteres que el analizador HTML lee de forma especial son exactamente cinco. Estas son las razones por las que cada uno resulta problemático y el código en el que se convierte.

Carácter originalQué lee el analizadorCódigo escapado
& (ampersand)Símbolo de inicio de una referencia de carácter (entidad)&amp;
< (signo de menor que)Símbolo de inicio de una etiqueta&lt;
> (signo de mayor que)Símbolo de cierre de una etiqueta&gt;
" (comillas dobles)Delimitador que encierra el valor de un atributo&quot;
' (comilla simple)Delimitador que encierra el valor de un atributo&#39;

Orden de sustitución: por qué hay que cambiar & primero

Cuando sustituyes estos cinco caracteres a mano, el orden importa: hay que empezar por &.

Si cambias < por &lt; primero y después & por &amp;, el & del &lt; que acabas de crear también entra en la sustitución y obtienes un doble escapado como &amp;lt;. Por eso el orden estándar es & → < → > → " → '.

El proceso completo con un ejemplo

Por ejemplo, si quieres convertir a mano <div class="box">A & B's</div>, primero cambias todos los & por &amp;, luego los < y > por &lt; y &gt;, y por último las comillas dobles y la comilla simple por &quot; y &#39;.

El resultado es &lt;div class=&quot;box&quot;&gt;A &amp; B&#39;s&lt;/div&gt;.

Desescapar y verificar el resultado

El proceso inverso, la desescapada, va en la dirección contraria: basta con cambiar cada código de entidad por su carácter original, uno por uno.

Verificar el resultado es sencillo. Compara visualmente el texto devuelto para comprobar que no queda ni un solo carácter en forma de código como &lt; &gt; &amp; &quot; &#39; y que los caracteres < > & " ' que había antes han vuelto a aparecer intactos.

En lugar de sustituir carácter por carácter a mano, puedes pegar el texto en la herramienta de abajo y la misma conversión se hace en tiempo real. Compruébalo con nuestra herramienta.

Escapador de Caracteres HTML

Escribe en cualquiera de las dos casillas, la de la izquierda o la de la derecha, y el resultado convertido aparece al instante en la otra. Es gratis y no hace falta instalar nada ni iniciar sesión.

Puntos que suelen generar confusión

Si vuelves a escapar un texto que ya estaba escapado, los códigos se superponen. Por ejemplo, si pones en la casilla de entrada un texto ya convertido como &lt;div&gt;, el & que contiene se sustituye otra vez y obtienes &amp;lt;div&amp;gt;.

Lo primero que conviene comprobar es si el texto que vas a introducir es el original o código ya convertido.

La comilla simple puede aparecer con dos códigos distintos. Al escapar se genera el código numérico &#39;. Al desescapar, en cambio, se reconocen como comilla simple tanto &#39; como el código con nombre &apos;.

Distinción&#39;&apos;
Se genera como resultado de la escapadaSíNo
Se reconoce como comilla simple al desescaparSíSí

Las entidades HTML y la codificación URL son sistemas distintos. Si conviertes < a una entidad HTML obtienes &lt;, pero si lo conviertes con codificación URL obtienes %3C. Son reglas de conversión diferentes que se aplican en lugares distintos (el cuerpo del documento frente a una cadena de URL) y no se pueden intercambiar.

En resumen

  • Solo los cinco caracteres & < > " ' entran en conflicto con el analizador HTML y son objeto de escapada. El resto de caracteres no cambia.
  • Cada carácter se sustituye 1:1 por &amp; &lt; &gt; &quot; &#39;.
  • Al sustituir a mano, cambia & primero para evitar el doble escapado.
  • Para verificar el resultado devuelto, comprueba que no queden caracteres en forma de código.
  • Al desescapar se reconoce como comilla simple tanto &#39; como &apos;.
Escapador de Caracteres HTML

Escribe en cualquiera de las dos casillas, la de la izquierda o la de la derecha, y el resultado convertido aparece al instante en la otra. Es gratis y no hace falta instalar nada ni iniciar sesión.

Preguntas frecuentes

¿Por qué hay que cambiar & antes que nada?

Si cambias primero otros caracteres como < o ", el & de los &lt; y &quot; que se acaban de generar vuelve a entrar en la sustitución. Así obtienes un resultado con códigos superpuestos, como &amp;lt;. Si cambias & primero, este problema no ocurre.

¿&#39; y &apos; son lo mismo?

Los dos son códigos que representan la comilla simple ('). Al escapar se genera el código numérico &#39;. &apos; es un código con nombre: no se genera directamente como resultado de la escapada, pero al desescapar se reconoce como comilla simple igual que &#39;.

¿Escapar y codificar en URL son lo mismo?

No. La escapada HTML convierte < en un código de entidad de carácter como &lt;, y la codificación URL convierte ese mismo carácter en un código de porcentaje como %3C. Los dos sistemas se usan en lugares distintos y sus reglas de conversión no son compatibles entre sí.

Si desescapo, ¿queda exactamente igual que el original?

Para los cinco caracteres que se modifican al escapar (& < > " '), vuelves exactamente a los caracteres originales.

Eso sí, esta conversión solo trabaja con los códigos de entidad relacionados con esos cinco caracteres. Si el original ya contenía desde el principio otro tipo de entidades (por ejemplo, un código que representa un espacio), esa parte no entra en esta conversión.

Este artículo está adaptado de nuestro original en coreano. Leer el original en coreano

Artículos relacionados

  1. Convertir HTML a cadena de JavaScript: guía y erroresAprende por qué los modos de comillas y de backticks tratan los saltos de línea de forma distinta y cómo evitar los errores de sintaxis más comunes.
  2. Eliminar espacios en HTML: por qué solo se borran entre etiquetasQué borra realmente la minificación de HTML: espacios entre etiquetas, saltos de línea y comentarios, y por qué script, style, pre y textarea se conservan intactos.
  3. Generador de htpasswd: crea el archivo sin instalar nadaCrea la línea usuario:hash de .htpasswd para la autenticación básica de Apache y Nginx en el navegador, con la estructura {SHA} y {SHA256} explicada.
  4. Diferencia entre 401 y 403: cómo distinguirlos de un vistazoAprende a separar los códigos HTTP por su primera cifra y a diferenciar 401 y 403, 400 y 404, 502, 503 y 504 según la situación real en que aparecen.
  5. Cómo convertir una imagen a Base64 y leer el resultadoPor qué el resultado crece un 33 %, en qué se diferencian Data URL y Plain Base64 y qué errores hacen que la imagen no se muestre al pegarla.
  6. Convertir estilos inline en clases CSS: cómo funcionaAsí extrae la herramienta el atributo style, lo convierte en clases numeradas y genera una hoja CSS externa, sin borrar el class que ya tenías.

Herramientas relacionadas