管子周围有一百万个备忘单，它们以不同的理解水平列举了由各种版本和 HTML 规范指定的字符实体。我不想相信其中任何一个，所以我想我会把它扔在这里，看看是否有人发布更权威的答案。
因此，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。我会从/&(?:#(?:x[0-9a-f]+|[0-9]+)|[a-z]{???,???});/i. 但是什么会进入???s？我可以想到有两个字符长的实体，比如lt和gt，但是在 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，除了直接键入它们之外，这是在 HTML 中表达文字字符的仅有的三种语法，不是吗？
HTML5 中最长的是∳，并且没有单字母名称。
但请注意，命名实体引用并不像您想象的那样工作。一些命名字符引用不以分号结尾，因此正则表达式不会削减芥末。
HTML5 规范现在明确描述了自 90 年代中期以来浏览器用来纠正错误的方法：如果它与已知的字符引用不匹配，则逐字显示。因此，如果您希望您的正则表达式像浏览器一样工作，您必须复制浏览器的行为。
这意味着，您必须针对已知参考文献的完整列表进行测试，例如 Jukka 提到的参考文献。您可以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具有的正则表达式中，以获得相同的结果。
编辑：顺便说一下，命名实体中也可能有数字，例如，&ensp13;.
实体名称过去有 2 到 7 个字母，遵循 SGML 传统，在 HTML 4.01 规范（和 XHTML 规范）中仍然如此。但是 HTML5 草稿添加了大量实体，称为命名字符引用，其中一些相当长，例如EmptyVerySmallSquare. 所以最好避免任何固定的上限——或大于 1 的下限。