HTML字符实体从早期规范发展至今，写法上存在大量历史包袱。HTML5为了简化文档书写、降低学习成本，明确划定了一组标准化的实体名称，同时废弃了许多生僻的编号实体。理解这套标准，可以让我们在写页面时少记无用编码，也避免因为用了不被推荐的符号表达方式而引发解析异常。
为什么需要HTML5化的实体简化
在HTML4时代，字符实体既可以用名称（如<amp;），也可以用十进制或十六进制编号（如&）。这种自由度让初学者经常混淆，也造成团队代码风格不统一。HTML5工作组调研了实际网页中实体的使用频率，发现绝大多数页面只用到了不到一百个实体，其余数千个编号实体属于极少使用的冷门字符。
因此HTML5在附录中列出了“命名字符引用”标准表，明确推荐用少量有明确语义的实体名称来处理必须转义的场景。对于那些不在保留名单里的符号，规范鼓励开发者直接使用UTF-8编码原生字符，而不是塞一堆&#xxxx;。这样既缩减了文件体积，也提升了源码可读性。
必须保留的标准实体有哪些
在HTML5中，有五个字符如果出现在元素内容或属性里，具有特殊语法含义，必须被转义，对应标准实体如下：
| 字符 | 标准实体 | 说明 |
|---|---|---|
| < | <lt; | 起始标签记号，必须转义 |
| > | <gt; | 结束标签记号，建议转义 |
| & | <amp; | 实体起始记号，必须转义 |
| " | <quot; | 属性值边界，属性内必须转义 |
| ' | <apos; | 单引号，HTML5未强制但XML兼容可用 |
上面表格里展示的是最核心的五个标准实体。注意在HTML5里<apos;其实并不是必须使用的，因为单引号在普通文本内容中没有语法冲突，只有在特定属性包裹场景才可能用到。相较之下，<lt;和<amp;是无论如何都不能直接写原字符的，否则浏览器会把它们当成标签或实体起点。
旧式编号实体如何改写成标准写法
很多老项目里充斥着类似<、&这样的十进制编号。它们功能上没错，但维护者很难一眼看出代表什么。下面是一段典型的旧式代码：
<p>请用<div>包裹内容，并使用&符号连接参数</p>
这段代码的显示效果是“请用<div>包裹内容，并使用&符号连接参数”，但源码极其不直观。按照HTML5标准实体简化原则，应当改写为名称实体：
<p>请用<div>包裹内容，并使用<amp;符号连接参数</p>
改写后，任何熟悉HTML的人都能直接读懂意图。同时文件字符数减少，在团队协作时降低了沟通成本。如果项目已全面使用UTF-8，像版权符号©这类非语法冲突字符，甚至可以直接写原文，不必用<copy;或©。
常见误区与避坑建议
一个典型误区是认为“所有特殊符号都要实体化”。实际上，HTML5解析器基于UTF-8，绝大多数Unicode符号都能原生呈现。只有前述具有语法意义的少数字符才必须转义。另一个误区是混用大小写实体，HTML5标准实体名称区分大小写，写<LT;是无效的。
此外，不要在JavaScript字符串里错误套用HTML实体。JS引擎不解析HTML实体，如果在script标签内写<alert('<amp;')>，浏览器会先按HTML解析实体，再交给JS，这可能导致意料之外的结果。正确做法是在JS中用转义，在HTML文本区才用标准实体。
实践中的简化策略
对于一个新页面，推荐约定如下：文档声明为<!DOCTYPE html>并确保charset为UTF-8；在模板层提供过滤函数，仅对<、>、&、引号做标准实体转义；其余用户输入文本原样输出但服务端做编码校验。这样前端源码始终保持简洁。
如果要将旧系统HTML5化，可以写一个小脚本批量替换常见编号实体为标准名称。下面是用Node.js实现的简单示例：
// 将常见十进制编号替换为HTML5标准实体
const map = {
'<': '<',
'>': '>',
'&': '&',
'"': '"'
};
function simplify(htmlStr) {
return htmlStr.replace(/&#(60|62|38|34);/g, m => map[m]);
}
const oldHtml = '<p>使用<b>加粗</b>与&符号</p>';
console.log(simplify(oldHtml));
运行后会输出使用标准实体的字符串。借助这类工具，存量页面也能低成本完成HTML5化简化，让字符实体真正服务于可读性，而不是变成源码里的噪音。