Codificar los acentos a sus entidades HTML con expresiones regulares

[junihh]

Hola señores

A través de ajax paso valores a la base de datos de ciertos campos que los usuarios rellenan. El caso es que necesitaba convertir los acentos de dichos campos a sus entidades en HTML ("á", "ñ", etc.) y luego de buscar un poco, preparé dos funciones para hacer el encode y decode basándome en expresiones regulares.

Me gustó mucho esa alternativa, por su rapidez y el mínimo uso de recursos del navegador. Estas son las funciones que ahora tengo:

Código HTML:

var accentEncode = function (tx)
{
	var rp = String(tx);
	//
	rp = rp.replace(/á/g, 'á');
	rp = rp.replace(/é/g, 'é');
	rp = rp.replace(/í/g, 'í');
	rp = rp.replace(/ó/g, 'ó');
	rp = rp.replace(/ú/g, 'ú');
	rp = rp.replace(/ñ/g, 'ñ');
	rp = rp.replace(/ü/g, 'ü');
	//
	rp = rp.replace(/Á/g, 'Á');
	rp = rp.replace(/É/g, 'É');
	rp = rp.replace(/Í/g, 'Í');
	rp = rp.replace(/Ó/g, 'Ó');
	rp = rp.replace(/Ú/g, 'Ú');
	rp = rp.replace(/Ñ/g, 'Ñ');
	rp = rp.replace(/Ü/g, 'Ü');
	//
	return rp;
};

var accentDecode = function (tx)
{
	var rp = String(tx);
	//
	rp = rp.replace(/á/g, 'á');
	rp = rp.replace(/é/g, 'é');
	rp = rp.replace(/í/g, 'í');
	rp = rp.replace(/ó/g, 'ó');
	rp = rp.replace(/ú/g, 'ú');
	rp = rp.replace(/ñ/g, 'ñ');
	rp = rp.replace(/ü/g, 'ü');
	//
	rp = rp.replace(/Á/g, 'Á');
	rp = rp.replace(/É/g, 'É');
	rp = rp.replace(/Í/g, 'Í');
	rp = rp.replace(/Ó/g, 'Ó');
	rp = rp.replace(/Ú/g, 'Ú');
	rp = rp.replace(/&Ñtilde;/g, 'Ñ');
	rp = rp.replace(/&Üuml;/g, 'Ü');
	//
	return rp;
};

Ambas funciones hacen el trabajo que deben, pero mi pregunta es si existe una forma también con expresiones regulares para evitar hacer tantos replace por cada carácter. Pensé en usar "for" o "while" guardando los carácteres en arrays, pero toma recursos del navegador que precisamente quiero evitar. ¿Alguna sugerencia?

Gracias de antemano a cualquier idea o ayuda que me puedan facilitar.

[zerokilled]

buenas,
antes de responder a esa duda, me pregunto por que queras hacerlo desde javascript habiendo otras soluciones mas fiables. por ejemplo, es obvio que si estas usando base de datos tambien estas usando lenguaje servidor. lo mas seguro, tu lenguaje servidor debe tener alguna funcion para el proposito de convertir los caracteres a entidades html cuando sea aplicable. por ejemplo, php tiene las funciones htmlentities y htmlspecialchars. decodificarlo no haria falta porque el navegador puede interpretarlo correctamente.

ahora bien, si igual quieres hacerlo en javascript. lo que se me ocurre es una expresion regular con una clase que incluya todos los caracteres a buscar. luego, en lugar de usar un string en el segundo parametro de replace, pasas una funcion que recibira el caracter encontrado por replace. en esta funcion, vas a tener un objeto definido -tambien ser definido en el exterior- que funcione a manera de mapa donde el nombre de la propiedad es el caracter encontrado y el valor es el string a ser devuelto. luego devuelves el pareo entre el primer parametro de la funcion y el objeto.

para el proceso reverso, de entidad a caracter, creo que es irrelevante porque el navegador debe ser capaz de interpretarlo correctamente.

[junihh]

Creo que tienes razón zerokilled. Buscaré más información para que el proceso sea desde PHP, lo que estoy usando para servidor. Muchas gracias por tu respuesta.

[Panino5001]

Opino igual que Zerokilled: es mejor hacerlo del lado del servidor. Tampoco deberías estar tan seguro acerca de que hacerlo con expresiones regulares tiene una mejor performance que un loop. Deberías probarlo. Este test muestra que no siempre es así: http://jsperf.com/regex-vs-for-loop/4
Y eso se debe a que internamente los metodos de regexp también realizan búsquedas y usan recursividad. Es interesante estudiar un motor de javascript realizado en algún lenguaje que conozcamos para comprender este tipo de cosas. Por ejemplo: http://j4p5.sourceforge.net/
Si yo tuviera que hacer algo así usaría algo como esto:

Código PHP:

  function htmlEntities(texto){ 
    //by Micox - elmicoxcodes.blogspot.com - www.ievolutionweb.com 
    var i,carac,letra,novo=''; 
    for(i=0;i<texto.length;i++){ 
        carac = texto[i].charCodeAt(0); 
        if( (carac > 47 && carac < 58) || (carac > 62 && carac < 127) ){ 
            //se for numero ou letra normal 
            novo += texto[i]; 
        }else{ 
            novo += "&#" + carac + ";"; 
        } 
    } 
    return novo; 
}  
   

[junihh]

Panino

De verdad que me sorprendió esa prueba. En mi caso con Chrome 11.0.696, el "regex" dió 8,609,624 contra el impresionante 15,220,964 del "for". Como sugirió Zerokilled, voy a hacer encode con PHP antes de guardar a la base de datos y decode al reimprimir el contenido del lado del cliente.

Muchas gracias a ambos, sus sugerencias me sirvieron de mucho.