某些字符，例如序数22或8，不会显示在html中（使用chrome，例如将它们复制并粘贴到此'Ask question'编辑器中;我假设为utf-8）。如何确定哪些字符是有效的html，哪些是有效的，哪些是呈现的？
表/引用会很有帮助（我无法通过google-ing找到），但最好是我需要一套可以在python中实现的规则或解决方案。
答案 0 :(得分：0)
HTML禁止[8]使用具有通用字符的字符 设置/ Unicode代码点
- 0到31，除了9,10和13（C0控制字符）
- 127（DEL字符）
- 128至159（x80 - x9F，C1控制字符）
- 55296至57343（xD800 - xDFFF，UTF-16替代品一半）
Unicode标准也禁止：
- 65534和65535（xFFFE - xFFFF），非字符，与xFEFF相关，字节顺序标记。
这些字符甚至不被引用所允许。那是你 甚至不应该将它们写为数字字符引用。然而， 对字符128-159的引用通常由lenient解释 Web浏览器就好像它们是对分配给的字符的引用一样 Windows-1252字符编码中的字节128-159（十进制）。这个 违反了HTML和SGML标准，而且字符是 已分配给更高的代码点，因此HTML文档作者 应该始终使用更高的代码点。例如，对于 trademark sign（™），use™，not™。
字符9（标签），10（换行）和13（回车）是 在HTML文档中允许，但是，32（空格）都是 被认为是“空白”。[9] “换页”控制字符，即 将在12，HTML文档中不允许，但也是 被称为“白色空间”角色之一 - 也许是一个 监督规范。在HTML中，大多数连续出现 白色空格字符除了块外，被解释为 包括用于渲染目的的单个“单词分隔符”。一个字 separator通常在欧洲呈现单个宽度空间 语言，但不是所有其他语言。
答案 1 :(得分：0)
HTML中的有效字符取决于您对“HTML”和“有效”的定义。不同的HTML版本对正式有效字符具有不同的规则，并且它们可能具有有效但不推荐的字符。此外，还有一些一般政策，如赞成标准化表格C;虽然不是HTML规范的一部分，但这些策略通常也被视为与HTML相关。
呈现的内容（以及如何呈现）取决于浏览器，HTML文档的样式表以及用户计算机中的可用字体。而且，并非所有字符都是这样呈现的。例如，在普通的HTML内容中，任何连续的空白字符序列都被视为等同于单个空格字符。
所以答案真的是“这取决于。”考虑提出一个更具针对性的实际问题，以获得更有针对性的答案。