HtmlParser.entityref实际上是匹配html实体引用的有效regex吗？

Question

这是代码从… Python2.7 HtmlParser

entityref = re.compile('&([a-zA-Z][-.a-zA-Z0-9]*)[^a-zA-Z0-9]')

以前，我认为它更像是这样的：

entityref = re.compile('&([a-zA-Z][-.a-zA-Z0-9]*);')

所以它让我惊讶地发现了一些来自陌生来源的奇怪数据。

我的用例不相关；是否有理由像HtmlParser?那样定义实体引用？

无关用例：应该有人怀疑，但我还是描述了我的用例。请注意，我不再试图解决我的用例了。我的问题是HtmlParser的实体是否有问题。

我的用例类似于这样：从Python中的字符串中剥离HTML

我刚才提到的输入数据如下：

r'''<foo bar="blah"> asda&Il_'d@m_'<foo rab="halb">'''

我用例的预期输出应该是r"""a&Il_'d@m_'"""。

编辑--我试图比较regex 到这个sgml引用，据我理解，实体引用应该以;结尾，但我不太熟悉这个主题，所以我想问一问。

Answer 1

reference end的语法生成如下：

[61] reference end =
  ( refc | ;
    RE ) ? (13) CR

这意味着以下内容被确认为_reference end_s：

• REFerence关闭分隔符(引用语法中的;)，正如您预期的那样
• 创纪录的结局
• Nothing (请注意在关闭括号后使用?元字符，这意味着REFC和RE都是可选的)

如果没有引用端，则引用结束于名称开始字符之后的第一个非名称字符，这是实体引用开放分隔符(ERO &)中输入的引用识别模式规则所要求的。

还请注意，ERO仅用于一般实体参考产品。