Entidades HTML

Codifique caracteres especiales en entidades HTML o decodifique entidades de vuelta a texto sin procesar.

¿Qué son las entidades HTML? (Referencias de caracteres con nombre frente a numéricas)

En el Lenguaje de Marcado de Hipertexto (HTML), ciertos caracteres están reservados como delimitadores de sintaxis por los motores de análisis de los navegadores. Por ejemplo, el símbolo menor que (<) marca la apertura de una etiqueta HTML, el símbolo mayor que (>) marca el cierre de una etiqueta y el ampersand (&) indica el inicio de una referencia a una entidad.

Si coloca caracteres reservados sin procesar directamente dentro del contenido web, el tokenizador HTML del navegador malinterpretará su texto como código, causando diseños malformados o abriendo vulnerabilidades de seguridad críticas. Las entidades HTML proporcionan cadenas de reemplazo seguras que instruyen al motor de renderizado del navegador a mostrar visualmente el carácter deseado en pantalla sin ejecutarlo como código.

La especificación HTML5 admite tres formatos distintos de entidades:

  • Referencias de caracteres con nombre: Alias legibles para humanos que comienzan con un ampersand y terminan con un punto y coma, como &copy; (©), &euro; (€), &mdash; (—) y &nbsp; (espacio de no separación).
  • Referencias numéricas de caracteres decimales (NCR): Referencias basadas en el punto de código Unicode decimal del carácter, con el prefijo &# (por ejemplo, &#169; para © o &#60; para <).
  • Referencias numéricas de caracteres hexadecimales (Hex NCR): Referencias basadas en el punto de código Unicode hexadecimal del carácter, con el prefijo &#x (por ejemplo, &#xA9; para © o &#x3C; para <).

Los 5 caracteres esenciales para neutralizar Cross-Site Scripting (XSS)

En seguridad web y saneamiento del DOM, cinco caracteres fundamentales deben escaparse siempre antes de renderizar datos de usuario no confiables dentro de un documento HTML:

  • & → &amp; (Ampersand): ¡Siempre debe escaparse primero! Si escapa otros caracteres primero y luego escapa los ampersands, accidentalmente hará un doble escape de sus propias entidades (por ejemplo, convirtiendo &lt; en &amp;lt;).
  • < → &lt; (Menor que): Evita que los atacantes inyecten etiquetas de marcado arbitrarias como <script>, <img onerror=...> o <iframe>.
  • > → &gt; (Mayor que): Evita cerrar prematuramente contextos de atributos abiertos o elementos padre.
  • " → &quot; (Comilla doble): Esencial para el texto colocado dentro de atributos HTML entre comillas dobles (como <input value="...">). Sin escape, un atacante puede introducir " onfocus="alert(1) para salir del atributo y ejecutar código JavaScript.
  • ' → &#39; (Comilla simple / Apóstrofo): Esencial para atributos entre comillas simples. Nota: Aunque XML y HTML5 reconocen &apos;, versiones antiguas de Internet Explorer solo admitían el decimal &#39;, convirtiendo el escape numérico en el estándar universal.

UTF-8 en HTML5 moderno frente al exceso de entidades heredadas

En la década de 1990 y principios de los 2000, los documentos web solían codificarse en ASCII o ISO-8859-1 (Latin-1). Los desarrolladores web se veían obligados a utilizar entidades extensas (como &eacute; para é o &trade; para ™) porque el conjunto de caracteres subyacente no podía representar símbolos no ingleses.

En el desarrollo web moderno, todos los documentos HTML declaran <meta charset="utf-8">. UTF-8 admite de forma nativa más de 149,000 caracteres que abarcan todos los alfabetos modernos, símbolos matemáticos y conjuntos de emojis.

  • Mejor práctica actual: Escriba caracteres internacionales, símbolos de moneda y puntuación directamente como caracteres UTF-8 nativos (por ejemplo, © 2026 OmniTools — €100). El uso nativo de UTF-8 reduce el tamaño del archivo del documento y mejora la legibilidad del código.
  • Cuándo siguen siendo obligatorias las entidades: Los 5 delimitadores de sintaxis reservados (& < > " '), los espacios de no separación (&nbsp;), los antijuntadores de ancho cero (&zwnj;) y los marcadores de texto bidireccional (&lrm;, &rlm;).

Errores comunes: Doble escape y ajuste de texto responsivo (Text Wrapping)

Preste atención a estos errores comunes de renderizado relacionados con entidades:

  • El error del doble escape (Double-Escaping): Si el backend de una aplicación escapa la entrada al insertarla en la base de datos y el motor de plantillas del frontend (como React, Vue o Jinja) escapa automáticamente al renderizar, los usuarios verán texto de entidades sin procesar antiestético como &amp;copy; o Tom &amp; Jerry en su navegador. ¡Escape los datos una sola vez en el límite de renderizado!
  • Espacios de no separación (&nbsp;) que rompen diseños móviles: Un espacio estándar permite al navegador ajustar las palabras en nuevas líneas. Un &nbsp; prohíbe estrictamente los saltos de línea entre palabras adyacentes. Usar múltiples entidades &nbsp; consecutivas para la sangría visual puede impedir que los párrafos se ajusten, provocando desplazamiento horizontal en dispositivos móviles. Utilice márgenes y relleno CSS para el espaciado en su lugar.

Guía rápida de implementación para desarrolladores

Cómo escapar y desescapar de forma segura entidades HTML en lenguajes comunes:

  • JavaScript (Navegador): function escapeHtml(str) { return str.replace(/[&<>"']/g, m => ({'&':'&amp;','<':'&lt;','>':'&gt;','"':'&quot;',"'":'&#39;'}[m])); }
  • Python 3: import html; clean = html.escape(user_input) y raw = html.unescape(escaped_str).
  • PHP: htmlspecialchars($str, ENT_QUOTES | ENT_HTML5, 'UTF-8').

Casos de uso prácticos en el mundo real

  • Renderizar código literal en tutoriales: Codifique los caracteres <, > y & para que etiquetas como <script> o <div> se muestren como texto legible en lugar de ejecutarse como HTML.
  • Preparar fragmentos de documentación: Convierta marcado sin procesar en entidades HTML antes de pegar ejemplos de código en un CMS o plantilla HTML estática.
  • Limpiar texto extraído (scraped) o importado: Decodifique secuencias de entidades como &amp;, &quot; o &#39; de vuelta a caracteres legibles al inspeccionar contenido web extraído.
  • Corregir cadenas de interfaz dañadas: Diagnostique por qué cadenas literales como &nbsp; o &mdash; aparecen en una interfaz de usuario debido a un doble escape.
  • Escapar símbolos especiales para correos HTML: Convierta caracteres tipográficos y símbolos en equivalentes de entidades seguras para clientes de correo electrónico heredados.

Privacidad Absoluta

Su texto está seguro. OmniTools opera bajo una estricta arquitectura de "Cero subidas a servidores". La codificación y decodificación se realizan íntegramente del lado del cliente dentro del entorno de ejecución JavaScript local de su navegador.

Su código propietario, plantillas de marcado y documentos confidenciales nunca salen de su computadora y jamás se transmiten a servidores externos en la nube.

Preguntas Frecuentes (FAQ)

¿Por qué es necesario codificar caracteres como <, > y & en entidades HTML?

Caracteres como < (&lt;), > (&gt;) y & (&amp;) son delimitadores reservados de HTML. Codificarlos evita que el navegador interprete texto de usuario como etiquetas ejecutables y previene ataques XSS.

¿Esta herramienta decodifica tanto entidades con nombre como numéricas?

Sí. El modo Decodificar transforma entidades con nombre (&copy;, &euro;) y referencias numéricas decimales o hexadecimales a texto UTF-8 plano.