正确答案（现代方式）

Question

XHTML5是否支持 和—等字符实体。在工作中，我们可以要求特定的软件访问网站的管理员端，人们要求多文件上传。对我来说，这是一个很容易理由要求迁移到FF 3.6+，所以我很快就会这样做。我们目前使用的是XHTML 1.1，在转移到HTML5时，我只有字符实体名称的问题......有没有人有这方面的文档？

我看到WHATWG规范中有一个列表，但我不确定它是否会影响作为application/xhtml+xml的文件。无论如何，两个提到的Chromium nightly和FF 3.6都有触发错误。

Answer 1

XHTML5没有DTD，因此XML解析器将看不到任何实体定义（除了预定义的定义）。如果您想使用实体，则必须在内部子集中为自己定义它。

<!DOCTYPE html [
    <!ENTITY mdash "—">
]>
<html xmlns="http://www.w3.org/1999/xhtml">
    ... &mdash; ...
</html>

（当然，如果您将浏览器作为text/html提供给浏览器，则使用内部子集可能会使浏览器跳闸。不允许在非XHTML HTML5文档中发送内部子集。）

HTML5 wiki目前建议：

不要在XHTML中使用实体引用（5个预定义实体除外：&，<，>，"和'）

我同意这个建议，不仅适用于XHTML5，还适用于XML和HTML。今天没有理由将HTML实体用于任何事情。直接键入的Unicode字符对每个人来说都更具可读性，并且当您无法保证8位/编码 - 清除传输时，&#...;字符引用可用于那些令人遗憾的情况。（由于HTML实体没有为大多数Unicode字符定义，所以无论如何都需要这些。）

Answer 2

我需要对HTML 5进行XML验证.HTML 4和XHTML只有一个平庸的250个左右的实体，而当前的草案（2012年1月）有超过2000个。

GET 'http://www.w3.org/TR/html5-author/named-character-references.html' |
xmllint --html --xmlout --format --noent - | 
egrep '<code|<span.*glyph' |  # get only the bits we're interested in
sed -e 's/.*">/__/' | # Add some "__" markers to make e.g. whitespace
sed -e 's/<.*/__/' |  #  entities work with xargs
sed 's/"/\&quot;/' | # xmllint output contains " which messes up xargs
sed "s/'/\&apos;/" | # ditto apostrophes. Make them HTML entities instead.
xargs -n 2 echo |  # Put the entity names and values on one line
sed 's/__/<!ENTITY /' | # Make a DTD
sed 's/;__/ /' |
sed 's/ __/"/'  |
sed 's/__$/">/' |
egrep -v '\bapos\b|\bquot\b|\blt\b|\bgt\b|\bamp\b' # remove XML entities.

您最终得到一个包含2114个实体的文件。

<!ENTITY AElig "&#xC6;">
<!ENTITY Aacute "&#xC1;">
<!ENTITY Abreve "&#x102;">
<!ENTITY Acirc "&#xC2;">
<!ENTITY Acy "&#x410;">
<!ENTITY Afr "&#x1D504;">

将其插入XML解析器应该允许XML解析器解析这些字符实体。

2012年10月更新：由于工作草案现在有一个JSON文件（是的，我还在使用正则表达式），我将其用于单个sed：

curl -s 'http://www.w3.org/TR/html5-author/entities.json' |
sed -n '/^  "&/s/"&\([^;"]*\)[^0-9]*\[\([0-9]*\)\].*/<!ENTITY \1 "\&#\2;">/p' |
uniq

当然，等效的javascript会更强大，但不是每个人都安装了节点。每个人都有sed，对吗？随机样本输出：

<!ENTITY subsetneqq "&#10955;">
<!ENTITY subsim "&#10951;">
<!ENTITY subsub "&#10965;">
<!ENTITY subsup "&#10963;">
<!ENTITY succapprox "&#10936;">
<!ENTITY succ "&#8827;">

Answer 3

正确答案（现代方式）

五年前我问过这个问题。现在每个浏览器都支持UTF-8。并且，UTF-8的每个开始都包含所有命名字符实体的字形支持。解决此问题的最右边的解决方案是根本不使用命名实体，而是仅提供 UTF-8（严格）并在其中使用实际字符。

This is a list of all XML entities。所有这些都有UTF-8字符替代品 - 以及它们通常如何呈现它们。

例如，参加

U+1D6D8, MATHEMATICAL BOLD SMALL CHI            , b.chi

我想在xml的某些变体中你可能有&b.chi或其他东西，搜索MATHEMATICAL BOLD SMALL CHI你会找到some page on fileformat.info，其中列出了个字符

或者，在Windows中，您可以键入 Alt + 1 D 6 D 8 （1d68d来自XML实体表），或者在Linux Ctrl + Shift + u 1 D 6 D 8 。

这会将角色以正确的方式放入您的文档中。

Answer 4

我最好的建议是在提供对字符实体名称的支持之前不要升级到HTML5或XHTML5。

任何认为〹比—更有意义的人都需要进行大脑升级。大多数人都记不住那些庞大的数字表。

我们这些不得不继续使用旧操作系统与现有科学，实时或销售点硬件（或政府网络）兼容的人不能只输入字符或从列表中选择它。它无法在文件中正确保存。

对我们强加的原因是w3c不再需要支付DTD文件的费用，所以我们必须回到石器时代。

不应该弃用任何类似的东西。

Answer 5

使用以下答案：https://stackoverflow.com/a/9003931/689044，我创建了该文件，并将其作为GistHub上的Gist发布：https://gist.github.com/cerkit/c2814d677854308cef57，用于那些需要文件中的实体的人。

我通过将文本文件加载到Application对象并将该值与我的（格式良好的）HTML一起使用来解析System.Xml.XmlDocument，从而成功地将它用于ASP.NET MVC。

XmlDocument doc = new XmlDocument();

// load the HTML entities into the document and add a root element so it will load
// The HTML entities are required or it won't load the document if it uses any entities (ex: &ndash;)
doc.LoadXml(string.Format("{0}<root>{1}</root>", Globals.HTML_ENTITIES, control.HtmlText));
var childNodes = doc.SelectSingleNode("//root").ChildNodes;
// do your work here    
foreach(XmlNode node in childNodes)
{
    // or here
}

Globals.HTML_ENTITIES是一个静态属性，它从文本文件加载实体并将它们存储在Application对象中，或者如果它们已经加载到Application对象中，它将使用这些值。

public static class Globals
{   
    public static readonly string APPLICATION_KEY_HTML_ENTITIES = "HTML_ENTITIES";

    public static string HTML_ENTITIES
    {
        get
        {
            string retVal = null;
            // load the HTML entities from a text file if they're not in the Application object
            if(HttpContext.Current.Application[APPLICATION_KEY_HTML_ENTITIES] != null)
            {
                retVal = HttpContext.Current.Application[APPLICATION_KEY_HTML_ENTITIES].ToString();
            }
            else
            {
                using (StreamReader sr = File.OpenText(HttpContext.Current.Server.MapPath("~/Content/HtmlEntities/RootHtmlEntities.txt")))
                {
                    retVal = sr.ReadToEnd();
                    HttpContext.Current.Application[APPLICATION_KEY_HTML_ENTITIES] = retVal;
                }
            }

            return retVal;
        }
    }
}

我尝试创建一个长字符串来保存值，但它一直使Visual Studio崩溃，所以我决定最好的路径是在运行时加载文本文件并将其存储在Application对象中。

HTML5和HTML4字符实体

5 个答案:

正确答案（现代方式）