什么是最长和最短的HTML字符实体名称？

Question

管周围有一百万个备忘单，它们列举了不同版本和HTML规范所指定的字符实体。我不想相信他们中的任何一个，所以我想我会把它扔到这里，看看是否有人发表了更权威的答案。

因此，我们假设我想使用正则表达式匹配任何和所有字符引用和实体。我从/&(?:#(?:x[0-9a-f]+|[0-9]+)|[a-z]{???,???});/i开始。但是???会怎样呢？我可以想到两个字符长的实体，比如lt和gt，但HTML的任何规范中是否有任何单字母实体？同样，最长的实体是什么？最后，那些 是用于在HTML中表达文字字符的唯一三种语法，只是直接输入它们，不是吗？

干杯！

Answer 1

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

但请注意，命名实体引用无法正常工作。一些命名的字符引用不以分号结尾，因此正则表达式不会削减芥末。

Answer 2

HTML5规范现在明确地描述了自90年代中期以来用于纠错的浏览器：如果它与已知字符引用不匹配，则逐字显示该事物。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，例如Jukka提到的引用。您可以通过巧妙地使用括号来缩写该术语，

[aeiou]uml

但是您需要将相同的知识烘焙到浏览器所具有的正则表达式中，以获得相同的结果。

编辑：顺便说一句，命名实体也可能包含数字，例如&ensp13;。

Answer 3

根据SGML传统，实体名称曾经有2到7个字母，HTML 4.01规范（和XHTML规范）中仍然如此。但是HTML5草稿在​​那里添加了大量实体，称为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 - 或大于1的下限。