Вокруг трубок миллионы шпаргалок, которые перечисляют на разных уровнях понимания символьные объекты, определенные различными версиями и спецификациями HTML. Я не хочу доверять какому-либо конкретному из них, поэтому я полагаю, что выкину это здесь и посмотрю, не отправит ли кто-нибудь более авторитетный ответ.

Итак, давайте предположим, что я хочу сопоставить любые и все ссылки на символы и сущности с помощью регулярного выражения. Я бы начал с/&(?:#(?:x[0-9a-f]+|[0-9]+)|[a-z]{???,???});/i, Но что бы вошло в???s? Я могу думать о сущностях длиной в два символа, напримерlt а такжеgt, но есть ли однобуквенные сущности в каких-либо спецификациях HTML? Точно так же, какая самая длинная сущность? Наконец, теare только три синтаксиса для выражения литеральных символов в HTML помимо простого их непосредственного ввода, не так ли?

Ура!