什么是最长和最短的HTML字符实体名称？

管周围有一百万个cheatsheet，它们列举了不同层次的理解由各种版本和HTML规范指定的字符实体。我不想相信他们中的任何一个，所以我想我会在这里抛出它，看看是否有人发布了更权威的答案。什么是最长和最短的HTML字符实体名称？

因此，我们假设我想要使用正则表达式匹配任何和所有字符引用和实体。我会从/&(?:#(?:x[0-9a-f]+|[0-9]+)|[a-z]{???,???});/i开始。但是什么会进入???？我可以考虑长度为两个字符的实体，如lt和gt，但在HTML的任何规范中是否存在任何单字母实体？同样，什么是最长的实体？最后，那些是除了直接输入它们之外，仅有的三种用于表示HTML中文字字符的语法，他们不是吗？

干杯！

来源

2012-09-24 wwaawaw

为什么你需要指定长度呢？一个简单的'+'应该这样做，不是吗？ – deceze

不是真的......＆laksjdlfkjasdlkfjadslkfjasdlkfjasldfkj;只会逐字呈现，因此不是一个实体。 – wwaawaw

因此'&foo;'因为它不是一个定义的实体。这不是长度。 – deceze

HTML5中最长的是&CounterClockwiseContourIntegral;，并且没有单字母名称。

但请注意，命名实体引用不会按照您的想法工作。一些命名的字符引用不会以分号结尾，所以正则表达式不会切断芥末。

来源

2012-09-24 13:44:16 Alohci

有趣的是，我并不知道非分号终止的实体。你有一个例子/参考？ – deceze

你能提供一个非分号结尾的例子吗？ – wwaawaw

如果好奇，你可以添加示例和/或链接吗？（这和芥末有什么关系呢？:-) – tripleee

实体名称过去有2至7个字母，遵循SGML传统，这在HTML 4.01规范（和XHTML规范）中仍然是这种情况。但HTML5草案增加了大量实体，在那里名为named character references，其中一些实体相当长，如EmptyVerySmallSquare。因此，最好避免任何固定的上限 - 或者大于1的下限。

来源

2012-09-24 13:38:12

为什么不是'2'的下界？ – wwaawaw

因为有一天某人可能会添加一个单字母实体（至少是特定于浏览器的）。 '＆a;'是当前HTML规范的一个实体引用 - 只是一个未定义的实体引用。 –

HTML5规范现在明确描述了现在，自90年代中期以来浏览器用作错误更正的原因：逐字显示，如果它不匹配已知的字符引用。因此，如果您希望正则表达式像浏览器一样工作，则必须复制浏览器行为。

这意味着，您必须测试已知引用的完整列表，如Jukka提到的引用。你可以巧妙地利用括号的缩写术语，

[aeiou]uml

，但你需要烤相同知识到正则表达式，该浏览器有，为了得到相同的结果。

编辑：顺便说一下，命名实体也可能有数字，例如&ensp13;。

来源

2012-09-24 13:43:49 Boldewyn

什么是最长和最短的HTML字符实体名称？

回答

相关问题