问题标签 [character-reference]

根据HTML 5.1 规范:: Decimal numeric character reference：

& 号后面必须跟一个“#”(U+0023) 字符，后面跟一个或多个 ASCII 数字，代表一个以十为基数的整数，对应于根据以下定义允许的 Unicode 代码点。数字后面必须跟一个“;” (U+003B) 字符。

及以下：

上述数字字符引用形式允许引用除 U+0000、U+000D、永久未定义的 Unicode 字符（非字符）、代理项 (U+D800–U+DFFF) 和空格以外的控制字符以外的任何 Unicode 代码点人物。

我很困惑。这是否意味着（粗体文本）不能引用的字符（如 U+000 或 U+00D）被禁止或仅视为文本，而不是引用？

TL；DR我应该对无法像引用一样引用的实体抛出验证错误，
还是将它们视为文本？

您好，感谢您阅读我的帖子。

Apache Commons StringEscapeUtils.escapeHtml3() 和 StringEscapeUtils.escapeHtml4() 函数特别允许将字符串中带有尖音符（如 é、à...）的字符转换为具有 &name; 格式的字符实体引用。其中 name 是区分大小写的字母数字字符串。

如何使用数字字符引用获取给定字符串的转义字符串（&#nnnn; 或 &#xhhhh; 其中 nnnn 是十进制形式的代码点，hhhh 是十六进制形式的代码点）？

我实际上需要为一个不知道 & eacute; 和 & agrave; 等实体的 XML 文档转义字符串。等等

此致。

我有许多脚本可以获取外部数据并更新部分 xml 文件。

我在我的 python 脚本中使用 lxml，它以十进制表示法保存字符引用，例如：

而其他脚本使用十六进制形式：<record text="&#x41f;&#x440;&#x438;&#x432;&#x435;&#x442;">因此即使没有实际更改，git 也会对这些文件进行无穷无尽的更改。

如何告诉 lxmlП在 python 脚本中以十六进制形式 () 保存字符引用？

我正在使用 xml 阅读器来解析一些 xml，我想知道是否可以让它在字符实体引用中作为纯文本读取，而不是将其转换为实际字符。因此，如果我在节点上调用 ReadInnerXml()：

我会得到“不要'转换这个”，而不是我目前得到的“不要转换这个”。这是必要的，因为任何字符或字符实体引用都应按原样返回，因为它们是遗留内容。

任何帮助表示赞赏！

如果使用 lxml 读取并输出以下字符串，则元音变音将转换为实体。

输出：

<r><s>Die H&#228;user haben D&#228;cher.</s></r>

预期输出：

<r><s>Die Häuser haben Dächer.</s></r>

变音符号只是一个例子。我通常想禁用实体转换，而是保留原始输入符号。

我可以禁用实体转换吗？有没有一种安全的方法来重新转换实体？

我想测试我的 PHP/Symfony 项目生成的这个非常简单的页面

（它是法语，所以它需要 感叹号前面的硬空格。）

我认为一个同样简单的测试，例如

会做的伎俩，但我失败了。

进一步调查表明

返回

那么，我如何帮助assertSelectorTextContains()（更一般地说，PHPUnit）理解两个字符串实际上是相同的？（或者至少是等价的？）

是否可以使用 shell 脚本解码字符串？例如，解码这个字符串

会给我们“星巴克”。我使用https://coderstoolbox.net/string/#!encoding=xml&action=encode&charset=none进行解码。有什么方法可以使用 Shell 脚本或 python 进行解码吗？请帮我。