如何判斷一個字符是否對html有效？

某些字符（如序號22或8）不會在html中顯示（例如，使用chrome時，例如將它們複製並粘貼到「Ask question」編輯器;我假設爲utf-8）。我如何確定哪些字符是有效的html，以及有效的哪些是呈現的？如何判斷一個字符是否對html有效？

一個表/引用將是有益的（我找不到一個谷歌），但最好我需要一套規則或可以在python中實現的解決方案。

來源

2013-12-17 Jeff

這實際上取決於字體和文檔的字符編碼。如果你正在談論真正的非法字符，維基百科上有一個簡單的列表：http://en.wikipedia.org/wiki/Character_encodings_in_HTML#Illegal_characters – Blender

完美。這就解釋了爲什麼22和8不被接受，他們是非法的。足夠簡單，從這些規則編碼我自己。 – Jeff

作爲回答爲註釋通過Blender，從wikipedia：

HTML者禁用[8]使用的字符與通用字符設置/ Unicode碼位

0〜31，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到57343（xD800 - xDFFF中，UTF-16替代半部）

Unicode標準也禁止：

65534和65535（xFFFE - xFFFF），非字符，相關到xFEFF，即字節順序標記。

這些字符甚至不允許引用。也就是說，你甚至不應該把它們寫成數字字符引用。但是，對字符128-159的引用通常由寬鬆的 Web瀏覽器解釋，就好像它們是對Windows-1252字符編碼中分配給字節128-159（十進制）的字符的引用。這是違反HTML和SGML標準，並且字符已被分配給較高的代碼點，所以HTML文檔作者應始終使用較高的代碼點。例如，對於商標符號（™），請使用™，而不是。

字符9（製表符），10（換行），和13（回車）是允許在HTML文檔中，但是，與32（空間）沿都認爲是「空白」。[9] 「換頁」控制字符將在12位，在HTML文檔中是不允許的，但是也提到是「空格」字符之一 - 可能是規範中的監督。在HTML中，空白字符的大多數連續出現（除了塊）被解釋爲包含用於呈現目的的單個「字分隔符」的。單詞分隔符通常在歐洲語言中呈現單個寬度空間，但不是所有其他語言。

來源

2013-12-17 08:13:28 Jeff

什麼是HTML中的有效字符取決於您對「HTML」和「valid」的定義。不同的HTML版本對於正式有效的字符具有不同的規則，並且它們可能具有有效但不推薦的字符。此外，還有一些通用政策，如贊成標準化表格C;儘管不是HTML規範的一部分，但這些策略通常也被認爲與HTML相關。

呈現的內容（以及如何）取決於瀏覽器，HTML文檔的樣式表以及用戶計算機中的可用字體。而且，並非所有的角色都是這樣呈現的。例如，在普通的HTML內容中，任何連續的空白字符序列都被視爲等同於單個空格字符。

所以答案是真的「這取決於」。考慮問一個更有針對性的實際問題，以獲得更有針對性的答案。

來源

2013-12-17 08:38:41

如何判斷一個字符是否對html有效？

回答

相關問題