用于处理[href]中的HTML实体的规范

Question

我正在寻找有关在href标记的<a>属性中处理HTML实体的规范。到目前为止，没有运气（我可能正在寻找太具体的东西）。

详细说明：

我试图解决的bug是cheerio项目的一部分。

某些实体最后不需要分号。其中一个是&curren。无论如何，当源链接到/test/example.jsp?item=123&currentSize=S&currentQty=1时，这会导致问题。

浏览器（至少Chrome）handle this很好。我仍然没有想出原因。

Answer 1

  

我可能正在寻找太具体的东西。

你是。它们的处理方式与其他地方相同（在定义为包含CDATA的元素之外）。

我找不到任何特定的和显式，它们说明了在HTML中评估字符引用的位置，但the attributes部分暗示了它：

  

使用双引号（ASCII十进制34）或单引号（ASCII十进制39）分隔所有属性值。当值由双引号分隔时，单引号可以包含在属性值中，反之亦然。作者也可以使用数字字符引用来表示双引号（"）和单引号（'）。对于双引号，作者也可以使用字符实体引用"。

HTML 5 changes the rules：

  

必须是以“;”结尾的那个（U + 003B）角色。

......以及相同的变体。

但是，某些浏览器仍支持旧标准，其中当实体后跟非名称字符时，分号是可选的。标准是您必须支付的ISO SGML规范，但HTML 4.0 says：

  

注意：在SGML中，可以消除最终的“;”在某些情况下（例如，在换行符处或在标签之前），在数字或命名字符引用之后。在其他情况下，它可能不会被消除（例如，在一个单词的中间）。我们强烈建议使用“;”在所有情况下，以避免需要此字符的用户代理出现问题。

简而言之，为了向后兼容性和清晰度，如果您想在&属性的网址中加入href字符，则只需将其表示为& < / strong>即可。这无处不在。

Answer 2

关于HTML 4.01以及HTML 4.01，请参阅@ Quentin的回答。

关于XHTML的任何风格，包括XHTML序列化中的HTML5，&currentSize=包含格式错误，因此文档的任何显示都会中止（当文档被处理为真正的XHTML时）。

在HTML序列化的HTML5中，parsing character references有一些棘手的临时规则。它们暗示在文本内容中，&currentSize=将被解析为好像它是&curr;entSize=，即¤entSize=。但是在属性值中，如在<a href="...">中，则在某些条件下，无法识别引用，因为它不是以分号结束的。

具体来说，那里描述的条件是：“如果字符引用被作为属性的一部分使用，并且匹配的最后一个字符不是”;“ （U + 003B）字符，下一个字符是“=”（U + 003D）字符或ASCII数字，大写ASCII字母或小写ASCII字母的范围，然后，由于历史原因，所有字符都是在U + 0026 AMPERSAND字符（＆amp;）必须未使用后匹配，并且不返回任何内容。“因此，即使&foobar=是已定义的名称，也不会在属性值中识别foobar

原因是作者在属性值中广泛编写了URL而没有转义&，并且浏览器已经适应了这一点。