哪些是HTML和XML的特殊字符？

Question

哪些是HTML和XML的特殊字符？

xmlhttpspecial-charactershtmlspecialcharsentityreference

28

在HTML和XML中，有哪些特殊保留字符实体？

我所了解的信息如下：

HTML:

- & （替换为&） - < （替换为<） - > （替换为>） - " （替换为"） - ' （替换为'）

XML:

- < （替换为<） - > （替换为>） - & （替换为&） - ' （替换为'） - " （替换为"）

但我找不到任何文件来证明这些实体。

在可扩展标记语言（XML）1.0（第五版）中，W3C确实提到了某些预定义实体引用。但是它说这些实体是预定义的（就像©是预定义的一样），而不是必须转义的：

4.6 预定义实体

[定义：实体和字符引用都可以用于转义左尖括号、和号和其他分隔符。为此指定了一组常规实体（amp、lt、gt、apos、quot）。也可以使用数字字符引用；当它们被识别时，它们会立即扩展并必须被视为字符数据，因此数字字符引用 " <" 和 " &" 可以用于转义 < 和 & 在字符数据中出现的情况。]

在HTML中，哪些字符必须转义为实体引用？在XML中，哪些字符必须转义为实体引用？

更新: 从可扩展标记语言(XML) 1.0 (第五版)中:

2.4 字符数据和标记

与号字符(&)和左尖括号(<) 必须不 以它们的字面形式出现，除非用作标记分隔符，在注释、处理指令或CDATA部分内。如果它们在其他地方需要，则必须使用数字字符引用或字符串"&"和"<"分别进行转义。

右尖括号(>)可以使用字符串">"表示，并且为了兼容性，在内容中出现字符串"]]>"时，当该字符串不标记CDATA部分的结束时，必须使用">"或字符引用进行转义。

为了使属性值包含单引号和双引号，撇号或单引号字符(')可以表示为"'"，双引号字符(")可以表示为"""。

我认为前面的话是说

必须是:

< (<) 必须是
& (&) 必须是

可以，但当出现]]>时必须

> (>) 必须是，如果出现]]>

而'和"根本不需要转义；除非您想在引用属性中使用引号。

来自HTML 4.01规范，HTML文档表示:

5.3.2 字符实体引用

希望在文本中放置“<”字符的作者应使用“<”（ASCII十进制60）以避免可能与标签（开始标记开放定界符）的开头混淆。

同样，作者应该在文本中使用“>”（ASCII 十进制 62）而不是“>”，以避免旧用户代理将其错误地视为标签的结束（标记关闭定界符）出现在引号括起来的属性值中时。

作者应该使用“&”（ASCII 十进制 38）而不是“&”，以避免与字符引用（实体引用开放定界符）的开头混淆。由于CDATA属性值中允许使用字符引用，因此作者还应在属性值中使用“&”。

一些作者使用字符实体引用“"”来编码双引号标记（"），因为该字符可能用于分隔属性值。

HTML在规则方面更加灵活，但听起来我应该：

< 应该改为 <
> 应该改为 >
& 应该改为 &
" 应该改为 "

如果"可以是实体引用，则还应将'替换为&。

更新二

来自HTML5 - 用于HTML和XHTML的词汇表和相关API：

8.3序列化HTML片段

转义字符串（为了上述算法）包括执行以下步骤：

将任何"&"字符的出现替换为字符串"&"。

将U+00A0 NO-BREAK SPACE字符的任何出现替换为字符串" "。

如果在属性模式下调用算法，请将"""字符的任何出现替换为字符串"""。

如果未在属性模式下调用算法，请将"<"字符的任何出现替换为字符串"<"，并将">"字符的任何出现替换为字符串">"。

我理解为HTML：

& 被替换为 &，始终如此
被替换为  ，始终如此
" 如果在属性内部，则被替换为 "
< 如果不在属性中（即属性可以包含<），则被替换为<
> 如果不在属性中（即属性可以包含>），则被替换为>

- Ian Boyd

1

你应该将你的问题与回答分开。 - John Saunders

1

我没有答案。我有可能正确也有可能不正确的研究成果。知道答案的人可以发表它，如果确实正确，那么知道的人可以投赞成票。 - Ian Boyd

2

如果上述不是答案，那么您需要更清楚地表明您所寻找的内容！ - John Saunders

1

我找到了五个不同的来源，它们说了三种不同的事情。需要有人知道并决定哪一个来源是正确的，哪一个是错误的。 - Ian Boyd

HTML 4和5在关于何时应该转义>（在属性中还是不在属性中）方面提出了相反的观点，这很奇怪。 - LarsH

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- johnluetke · Accepted Answer

首先，您正在比较一个HTML 4.01规范和一个HTML 5规范。HTML5与XML的联系比HTML 4.01更紧密（这就是为什么我们有XHTML），因此本答案将专注于HTML 5和XML。

您引用的参考文献在以下几点上都是一致的：

当不表示处理指令时，<应始终使用<表示
当不表示处理指令时，>应始终使用>表示
&应始终使用&表示
除非在<![CDATA[ ]]>内（仅适用于XML）

我完全同意这一点。您永远不希望解析器将文字误认为是指令，因此始终对任何非空格（请参见下文）字符进行编码是一个可靠的想法。好的解析器知道包含在<![CDATA[ ]]>中的任何内容都不是指令，因此不需要进行编码。

实际上，除非

它出现在属性值中（XML或HTML）
它出现在XML标签的文本中。（<tag>"Yoinks!", he said.</tag>）

两个规范都同意这一点。

因此，唯一争议的是（空格）。任何一个规范中唯一提到它的地方都是在尝试序列化时。如果不是，则应始终使用字面意义上的（空格）。除非您正在编写自己的解析器，否则我不认为有必要进行任何类型的序列化，因此这是无关紧要的。