在 a[href] 中处理 HTML 实体的规范

Question

我正在寻找有关处理标签href属性中HTML 实体的规范<a>。到目前为止，没有运气（我可能正在寻找太具体的东西）。

详细：

我正在尝试修复的错误是cheerio项目的一部分。

某些实体不需要末尾有分号。其中之一是&curren。无论如何，当源链接到/test/example.jsp?item=123&currentSize=S&currentQty=1.

浏览器（至少是 Chrome）可以很好地处理这个问题。我仍然没有弄清楚为什么。

Answer 1

关于 HTML 直到并包括 HTML 4.01，请参阅@Quentin 的回答。

对于任何形式的 XHTML，包括 XHTML 序列化中的 HTML5，都&currentSize=包含格式良好的错误，因此文档的任何显示都会中止（当文档被作为真正的 XHTML 处理时）。

在 HTML5 的 HTML 序列化中，解析字符引用有一些棘手的特殊规则。它们暗示在文本内容中，&currentSize=将被解析为好像它是写的&curr;entSize=，即作为¤entSize=。但是在属性值中，如在 中<a href="...">，则在某些条件下，引用不被识别，因为它没有以分号终止。

具体来说，那里描述的条件是：“如果字符引用作为属性的一部分被使用，并且匹配的最后一个字符不是“;” (U+003B) 字符，并且下一个字符是“=”(U+003D) 字符或在 ASCII 数字、大写 ASCII 字母或小写 ASCII 字母范围内，然后，由于历史原因，所有在 U+0026 AMPERSAND 字符 (&) 之后匹配的必须未被消耗，并且不返回任何内容。” 所以 no&foobar=将在属性值中被识别，即使foobar是定义的名称

原因是作者在属性值中广泛写入 URL 而没有转义&，浏览器已经适应了这一点。