charset-utf8 和字符实体

Question

我提议将我的 windows-1252 XHTML 网页转换为 UTF-8。

我的编码中有以下字符实体：

• ' — 撇号，
• ► — 右指针，
• ◄ — 左指针。

如果我使用编辑器更改字符集并将页面保存为 UTF-8：

• 撇号作为字符实体保留；
• 指针被转换为代码中的符号（可能是因为实体在 UTF-8 中不受支持？）。

问题：

1. 如果我正确理解 UTF-8，您就不需要使用实体，可以直接在代码中输入字符。在哪种情况下，我可以将#39 替换为输入的撇号吗？

2. 编辑器将指针符号直接放入我的代码中是否正确，并且这些符号会在现代浏览器上可靠地显示，似乎没问题？据推测，如果我使用 UTF-8，我无论如何都无法恢复实体？

谢谢。

Answer 1

如果您从文字处理器复制/粘贴内容或代码是 XML 方言，请使用实体。使用文本编辑器中的宏一次性查找/替换常见的宏。这是一个简单的列表：

• 一半：½ => ½
• 急性口音：é => é
• 与号：& => &
• 撇号：' => '
• 反引号：' => `
• 反斜杠：\ => \
• 项目符号： • => •
• 美元符号：$ => $
• 美分符号：¢ => ¢
• 省略号：… => …
• Emdash: — => —
• Endash：- => –
• 左引号：“ => “
• 右引号：” => ”

参考文献

• XML Entity Names

Answer 2

实体有三个目的：编码无法使用所用字符编码的字符（与 UTF-8 无关），编码不方便在给定键盘上键入的字符，以及编码非法字符未转义。

► 应该总是产生 ► 无论是什么编码。如果没有，那就是其他地方的错误。

► 直接在源代码中在 UTF-8 中很好。您可以这样做或实体，这没有区别。

' 在大多数情况下都可以，但在某些情况下则不然。以下都是允许的：

<span title="Jon's example">This is Jon's example</span>

但必须编码为：

<span title='Jon&#x27;s example'>This is Jon's example</span>

因为否则它将被视为结束属性值的'。

Answer 3

这是字符集，不是图表集。

1) 它取决于撇号的使用位置，它也是一个有效的 ASCII 字符，因此取决于字符意图（无论是仅用于显示（在 DOMText 节点内）还是在代码中使用），您可能会也可能不会能够使用文字撇号。

2) 如果您的编辑器是现代编辑器，它将使用 utf 序列而不是 char 来显示文本。代码中使用的大多数序列只是普通的 ASCII（ASCII 是 utf8 的子集），因此这些字符将占用一个字节。其他字符可能以专门的方式占用两个、三个甚至四个字节。它们仍然会作为一个字符显示给你，但是字符和字节之间的关系已经不同了。

无论如何；因为所有有效的 ASCII 字符在 ASCII、utf8 甚至 windows-1252 中都是完全相同的。你不应该看到使用 utf8 的任何问题。而且您仍然可以使用数字和命名实体，因为它们是用那些有效字符编写的。您只是不必这样做。

附：所有现代浏览器都可以很好地处理 utf8。但我们对“现代”的定义可能会有所不同。