Entités HTML et codes des caractères spéciaux - Ascii33

Pour les guillemets et l'apostrophe, tout dépend du délimiteur choisi. Dans alt="L'été" l'apostrophe passe sans encombre, alors que dans alt='L'été' elle referme l'attribut au milieu du mot. Notez que ' fonctionne dans toutes les versions du langage, tandis que ' n'a été normalisé qu'avec HTML5 et reste inconnu de HTML 4.01.

Entité nommée, décimale ou hexadécimale ?

Un même caractère s'écrit de trois façons, strictement équivalentes pour le navigateur. La lettre é se note é sous forme d'entité nommée, é sous forme de référence numérique décimale, ou é sous forme hexadécimale. Les trois écritures produisent exactement le même é à l'écran.

233 et E9 ne sont pas deux valeurs différentes : c'est le même nombre écrit dans deux bases. 233 vaut 14 × 16 + 9, et 14 s'écrit E en hexadécimal, d'où E9. Il s'agit de la conversion décimale vers hexadécimale que l'on pratique déjà en lisant une table ascii, et que nos outils de conversion réalisent en un clic. Ce nombre 233 est le point de code Unicode du caractère, que l'on note aussi U+00E9.

Laquelle choisir ? L'entité nommée quand elle existe :  , © ou é se relisent sans effort. Mais les noms forment une liste finie, fixée par la spécification HTML. Au-delà — un idéogramme, un symbole rare, un émoji — seule la référence numérique fonctionne, et elle fonctionne pour n'importe quel caractère Unicode. La forme hexadécimale a en outre l'avantage de reprendre telle quelle la notation U+ des tables Unicode. Deux détails valent d'être connus : le nom d'une entité est sensible à la casse, É donnant É et non é, alors que dans la forme hexadécimale le x et les chiffres s'écrivent indifféremment en majuscules ou en minuscules.

Les erreurs fréquentes

• Oublier le point-virgule final. &nbsp n'est pas  . Par tolérance envers les pages anciennes, les navigateurs interprètent quand même une partie des entités écrites sans lui, mais pas toutes : la faute passe donc inaperçue par endroits et abîme l'affichage ailleurs.
• Encoder deux fois. Écrire   au lieu de   affiche littéralement   à l'écran. C'est le symptôme classique d'un texte déjà échappé qui repasse une seconde fois dans une fonction d'échappement.
• Employer une entité hors du HTML. Seul l'analyseur HTML les décode. Dans un fichier JSON, un CSV, un courriel en texte brut ou à l'intérieur d'un élément <script> ou <style>, é reste huit caractères littéraux. Dans un attribut alt ou title, en revanche, l'entité est bien décodée.
• Confondre l'espace insécable et l'espace ordinaire. Les deux se ressemblent à l'écran mais ne sont pas le même caractère : une recherche, une comparaison de chaînes ou la validation d'un formulaire échouent alors sans raison apparente.
• Encoder les accents dans un fichier déjà en UTF-8. Le résultat est valide mais illisible, plus lourd, et pénible à corriger : un simple rechercher-remplacer ne retrouve plus les mots accentués.

L'espace insécable, cas particulier

 , pour non-breaking space, n'est pas une espace ordinaire : c'est le caractère U+00A0, soit   en décimal et   en hexadécimal. Il occupe la même largeur qu'une espace, mais interdit au navigateur d'y couper la ligne.

La typographie française en fait grand usage. On l'emploie devant les deux-points, le point-virgule, le point d'exclamation et le point d'interrogation, à l'intérieur des guillemets français, entre les tranches de chiffres d'un grand nombre comme 10 000, et entre un nombre et ce qui le suit : 25 km, 12 €, 40 %. Le but est toujours le même, empêcher qu'un retour à la ligne ne sépare deux éléments qui se lisent ensemble. La typographie soignée recourt même à une variante plus étroite, l'espace fine insécable U+202F, que l'on écrit  .

Revers de la médaille : comme rien ne le distingue visuellement, ce caractère s'introduit tout seul dans un texte copié depuis un traitement de texte ou une page web. Pour le débusquer, activez l'affichage des caractères invisibles de votre éditeur, ou lancez une recherche par expression régulière sur \u00A0. Évitez enfin de vous en servir pour espacer : aligner du texte avec une série de   relève du bricolage, les marges et les retraits sont le travail du CSS.

Et dans les autres contextes ?

Les entités HTML ne sont comprises que par l'analyseur HTML. Écrire é dans une feuille de style, un script ou une adresse n'aboutit à rien : chaque langage possède sa propre syntaxe d'échappement. Voici comment le même é s'écrit selon l'endroit où il doit apparaître.

La dernière ligne mérite une explication. Une URL n'encode pas le numéro du caractère, mais les octets de sa représentation UTF-8 : é s'y écrit sur deux octets, C3 et A9, d'où les deux groupes %C3%A9. L'espace insécable suit la même règle et devient %C2%A0. Pour aller plus loin, notre guide ASCII, Unicode et UTF-8 détaille ce passage du point de code aux octets, et la page des symboles et codes Alt du clavier couvre le cas où l'on cherche à taper le caractère plutôt qu'à le coder.