需要在UTF-8文档浏览器行为中规范€到Ÿ的规范

Question

HTML 4.01 spec says for hexadecimal character references

  

数字字符引用指定字符的代码位置   在文档字符集中。

因此，如果文档字符集编码为UTF-8，则数字引用应指定Unicode代码点。

HTML5 spec says for hexadecimal character references

  

＆符必须后跟U + 0023 NUMBER SIGN字符（＃），   其后必须是U + 0078 LATIN SMALL LETTER X.   字符（x）或U + 0058 LATIN CAPITAL LETTER X字符（X），其中   然后必须跟随U + 0030 DIGIT范围内的一个或多个数字   ZERO（0）到U + 0039 DIGIT NINE（9），U + 0061 LATIN SMALL LETTER A to   U + 0066拉丁文小写字母F和U + 0041拉丁文大写字母A到   U + 0046 LATIN CAPITAL LETTER F，代表一个十六进制整数   对应于根据允许的Unicode代码点   以下定义。然后必须跟随数字U + 003B   SEMICOLON字符（;）。

没有提到文档字符集，它只是说数值标识Unicode代码点。

但似乎所有现代浏览器（我还没有测试过旧浏览器）对待＆amp;＃x80;通过＆amp;＃x9F;好像他们正在引用Windows-1252

例如，＆amp;＃x80;显示€，但U + 0080不是€的代码点，U + 20AC是。{0}。 U + 0080的Unicode代码点定义为PAD

＆安培;＃x20AC;也（正确地）显示€。

这是浏览器的简单实用行为，还是我缺少规范中的理由？

[请注意，十进制字符引用具有相同的行为。为了清晰和一致，我只使用了十六进制的。]

Answer 1

我找到了问题的答案。它位于HTML5中consume a character reference的解析算法的标记化部分，它定义了这些字符的映射。

Answer 2

正如我here所做的那样，我再次引用Wikipedia：

  

无论页面的编码如何，数字引用始终引用Unicode代码点。除了换行符，制表符和回车符之外，禁止使用引用永久未定义字符和控制字符的数字引用。也就是说，十六进制范围中的字符00-08,0B-0C，0E-1F，7F和80-9F不能在HTML文档中使用，甚至不能通过引用使用，因此™例如是不允许。但是，为了向后兼容忽略此限制的早期HTML作者和浏览器，某些浏览器将80-9F范围内的原始字符和数字字符引用解释为表示映射到Windows-1252编码中字节80-9F的字符。

所以这似乎是一个遗留问题。