最快的重新实现PHP的htmlspecialchars在C中起作用

Question

我需要C中PHP函数ENT_COMPAT | ENT_HTML401的默认行为（即htmlspecialchars()），这在C中如何做得最好（这意味着最快）？

我不需要输入字符串，因此可以使用就地解决方案。

这是一个非常简单的功能，它只是转换这些字符：

'&' -> '&'
'"' -> '"'
'<' -> '&lt;'
'>' -> '&gt;'

哪种策略最快？单独循环每个字符并逐字节创建输出缓冲区，就地覆盖输入字符串或其他解决方案？

Answer 1

此代码假定输入和输出是缓冲区，并且该输入包含输入字符串。它还假设输出缓冲区足够大以容纳输出（如果没有输出被截断）：

long i = 0;
long j = 0;

while (input[i])
{
    if (input[i] == '<')
    {
        memcpy(&output[j], "&lt;", 4);
        j += 4;
    } else if (input[i] == '>')
    {
        memcpy(&output[j], "&gt;", 4);
        j += 4;
    } else if (input[i] == '"')
    {
        memcpy(&output[j], "&quot;", 6);
        j += 6;
    } else if (input[i] == '&')
    {
        memcpy(&output[j], "&amp;", 5);
        j += 5;
    } else
    {
        output[j++] = input[i];
    }
    if (j > sizeof(output)-7)
    {
        break;
    }
    i++;
}
output[j] = 0;

在C中，丑陋的代码通常是最快的。

如果要交换的字符非常非常罕见，那么就地解决方案只会产生性能优势，因此整个字符串可以在检测到的每个字符上重新排序（非常昂贵）。对于普通的HTML数据，这些4个字符经常出现，就地解决方案会慢得多。

Answer 2

您可以构建适用于这两种情况的解决方案：

计算所需的空间并在传递NULL时返回已分配的字符串，否则填充传递的字符串：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

static size_t encode_len(const char *str)
{
    size_t len = 0;

    while (*str) {
        if (*str == '"' || *str == '&' || *str == '<' || *str == '>') {
            len += 5;
        } else {
            len += 1;
        }
        str++;
    }
    return len;
}

static char *encode(const char *str, char *dest)
{
    char *ptr;

    if (dest == NULL) {
        dest = malloc(encode_len(str) + 1);
        if (dest == NULL) return NULL;
    }
    ptr = dest; 
    while (*str) {
        switch (*str) {
            case '"': memcpy(ptr, "&#34;", 5); ptr += 5; break;
            case '&': memcpy(ptr, "&#38;", 5); ptr += 5; break;
            case '<': memcpy(ptr, "&#60;", 5); ptr += 5; break;
            case '>': memcpy(ptr, "&#62;", 5); ptr += 5; break;
            default: *ptr++ = *str;
        }
        str++;
    }
    *ptr = *str;
    return dest;
}

int main(void)
{
    /* Returns an allocated string */
    char *str = encode("testing & <> \"", NULL);
    if (str) {
        printf("%s\n", str);
        free(str);
    }

    /* Fills a passed string */
    char str2[128];
    encode("testing & <> \"", str2);
    printf("%s\n", str2);

    return 0;
}

Answer 3

这是 INT8 函数安全实现。

---

信息

• htmlspecialchars 是结果。

• char *_output 是允许写入 size_t outlen 的最大字节数。

• _output 是要进行 HTML 转义的字符串。

• char *_input 是要转义的字符串长度（不包括空终止符）。

此函数返回写入 size_t inlen 的字节数，包括空终止符。

注意：此函数始终将空终止符放在 _output 中。

---

代码

_output