Entités HTML et références de caractères
Les références de caractères HTML (communément appelées entités HTML) représentent des caractères dans le balisage HTML à l'aide de noms mnémotechniques prédéfinis ou de points de code Unicode numériques. Les références nommées existent pour un ensemble fini et faisant autorité de 2,125 caractères canoniques définis par le WHATWG HTML Living Standard, tandis que les références numériques décimales (&#[dec];) et hexadécimales (&#x[hex];) peuvent représenter toute valeur scalaire Unicode valide. Utilisez les références de caractères pour échapper en toute sécurité les délimiteurs sensibles à la syntaxe (&, <, >, ", ') ou pour spécifier des caractères lorsque l'encodage source est contraint.
Entités HTML courantes et référence rapide pour développeurs
Les références de caractères HTML les plus utilisées pour le développement web, la typographie, les formules mathématiques et les symboles monétaires. Cliquez sur n'importe quel format de code pour le copier instantanément dans le presse-papiers.
Caractères sensibles à la syntaxe et échappement sensible au contexte
HTML définit cinq caractères délimiteurs réservés qui déclenchent des changements d'état de l'analyseur : & (introducteur d'entité), < (ouverture de balise), > (fermeture de balise), " (délimiteur d'attribut) et ' (délimiteur d'attribut). Échapper ces caractères est essentiel pour prévenir les ambiguïtés d'analyse et les vulnérabilités de type Cross-Site Scripting (XSS). L'obligation d'échappement dépend strictement du contexte d'analyse.
| Car. | Entité nommée | Décimal | Hex | Unicode | Pourquoi l'échapper et risque d'analyse |
|---|---|---|---|---|---|
| & |
U+0026
|
Initiates character references. An unescaped & followed by text resembling an entity name (e.g. ©) will be parsed as a character reference unexpectedly. | |||
| < |
U+003C
|
Initiates HTML tag open syntax. In text content, a raw < causes the HTML tokenizer to enter tag-open state. | |||
| > |
U+003E
|
Closes HTML tags. In modern HTML text content, raw > does not open or break tags, but escaping prevents ambiguous delimiter interpretation. | |||
| " |
U+0022
|
Terminates double-quoted attribute values prematurely. Safe as literal character in text content. | |||
| ' |
U+0027
|
Terminates single-quoted attribute values prematurely. Safe as literal character in text content. |
Exigences d'échappement dépendantes du contexte
La spécification HTML établit des contraintes d'échappement différentes selon l'emplacement du caractère dans le modèle objet du document :
Contenu textuel HTML
Dans le texte du corps d'éléments HTML standard (ex. paragraphes, spans, titres) :
- & → Doit être échappé en
&pour éviter l'analyse involontaire d'entités. - < → Doit être échappé en
<pour éviter que le texte suivant ne soit interprété comme un nouveau nom de balise. - > → Recommandé en
>, bien que techniquement permis sauf s'il est précédé de deux tirets ou d'un balisage fermant. - " et ' → Sûrs sans échappement dans le texte du corps.
Attributs entre guillemets doubles
Dans des valeurs d'attribut entre guillemets doubles (ex. title="...", href="...") :
- " → Doit être échappé en
"(termine prématurément la valeur d'attribut sinon). - & → Doit être échappé en
&lorsqu'il est suivi d'un caractère de nom ou d'un dièse. - < et > → Sûrs entre guillemets, mais l'échappement est recommandé par cohérence.
- ' → Sûr sans échappement entre guillemets doubles.
Attributs entre guillemets simples
Dans des valeurs d'attribut entre guillemets simples (ex. title='...') :
- ' → Doit être échappé en
'ou'(termine prématurément la valeur d'attribut sinon). - & → Doit être échappé en
&. - " → Sûr sans échappement entre guillemets simples.
- < et > → Sûrs entre guillemets, échappement recommandé.
Attributs sans guillemets (dangereux)
Dans des attributs sans guillemets (ex. class=main) :
- Espaces, tabulations, sauts de ligne → Strictement interdits (brise la tokenisation).
- " ' = < > ` & → Doivent tous être strictement échappés ou évités.
- Bonne pratique : mettez toujours toutes les valeurs d'attributs HTML entre guillemets doubles. N'utilisez jamais d'attributs sans guillemets pour du contenu dynamique.
Répertoire des références de caractères HTML
Répertoire faisant autorité et conforme aux standards de toutes les 2,125 références de caractères nommées canoniques du WHATWG, avec leurs représentations numériques exactes décimales (&#[dec];) et hexadécimales (&#x[hex];). Cliquez sur une valeur pour la copier dans le presse-papiers.
| Car. | Référence nommée | Code décimal | Code hexadécimal | Point de code | Catégorie | Copier |
|---|---|---|---|---|---|---|
| Æ |
|
Symbols | ||||
| & |
|
Common | ||||
| Á |
|
Symbols | ||||
| Ă |
|
Symbols | ||||
| Â |
|
Symbols | ||||
| А |
|
Symbols | ||||
| 𝔄 |
|
Symbols | ||||
| À |
|
Symbols | ||||
| Α |
|
Greek | ||||
| Ā |
|
Symbols | ||||
| ⩓ |
|
Math | ||||
| Ą |
|
Symbols | ||||
| 𝔸 |
|
Symbols | ||||
| |
|
Symbols | ||||
| Å |
|
Symbols | ||||
| 𝒜 |
|
Symbols | ||||
| ≔ |
|
Math | ||||
| Ã |
|
Symbols | ||||
| Ä |
|
Symbols | ||||
| ∖ |
|
Math | ||||
| ⫧ |
|
Math | ||||
| ⌆ |
|
Symbols | ||||
| Б |
|
Symbols | ||||
| ∵ |
|
Math | ||||
| ℬ |
|
Symbols | ||||
| Β |
|
Greek | ||||
| 𝔅 |
|
Symbols | ||||
| 𝔹 |
|
Symbols | ||||
| ˘ |
|
Symbols | ||||
| ℬ |
|
Symbols | ||||
| ≎ |
|
Math | ||||
| Ч |
|
Symbols | ||||
| © |
|
Common | ||||
| Ć |
|
Symbols | ||||
| ⋒ |
|
Math | ||||
| ⅅ |
|
Symbols | ||||
| ℭ |
|
Symbols | ||||
| Č |
|
Symbols | ||||
| Ç |
|
Symbols | ||||
| Ĉ |
|
Symbols | ||||
| ∰ |
|
Math | ||||
| Ċ |
|
Symbols | ||||
| ¸ |
|
Symbols | ||||
| · |
|
Symbols | ||||
| ℭ |
|
Symbols | ||||
| Χ |
|
Greek | ||||
| ⊙ |
|
Math | ||||
| ⊖ |
|
Math | ||||
| ⊕ |
|
Math | ||||
| ⊗ |
|
Math |
Références nommées vs codes numériques (décimal et hexadécimal)
HTML fournit trois syntaxes distinctes pour référencer des caractères : les références nommées mnémotechniques, les références décimales en base 10 et les références hexadécimales en base 16. Comprendre les capacités et les limites de chaque format est essentiel pour l'ingénierie web moderne.
| Car. | Nom du caractère | Référence nommée | Référence décimale | Référence hexadécimale | Point de code |
|---|---|---|---|---|---|
| © | Copyright Sign |
U+00A9
|
|||
| & | Ampersand |
U+0026
|
|||
| € | Euro Sign |
U+20AC
|
|||
| 😀 | Grinning Face (No named entity) | Aucune (numérique uniquement) |
U+1F600
|
Références de caractères nommées
Syntaxe : &[nom]; (ex. ©, &)
- Vocabulaire fini : il existe exactement 2,125 noms canoniques dans la spécification du WHATWG. Aucune autre entité nommée n'est valide.
- Sensibilité à la casse stricte : les noms de caractères respectent la casse.
Ε(Ε) produit la lettre grecque majuscule Epsilon (U+0395), tandis queε(ε) produit la lettre grecque minuscule epsilon (U+03B5). - Lisibilité : hautement mnémotechnique et facile à lire et à auditer pour les humains dans les gabarits sources.
- Limitation des émojis : les émojis modernes (comme 😀 U+1F600 ou ❤️ U+2764) ont zéro référence nommée. Écrire
&grinning;ou&heart;sera rendu littéralement comme du texte cassé.
Références numériques décimales
Syntaxe : &#[décimal]; (ex. ©, €)
- Couverture Unicode totale : peut représenter n'importe laquelle des 1,112,064 valeurs scalaires Unicode (de U+0000 à U+10FFFF, substituts U+D800..U+DFFF exclus).
- Prise en charge universelle des analyseurs : reconnu par 100 % des analyseurs HTML, XML, SVG et SGML sans nécessiter de catalogues d'entités externes ni de DTD.
- Conversion en base 10 : nécessite de convertir les points de code Unicode hexadécimaux en décimal (ex. U+20AC → 8364).
- Piège hérité de Windows-1252 : dans les anciens documents SGML/HTML 4, les nombres 128–159 servaient souvent aux caractères Windows-1252 (ex.
€pour €). Les analyseurs HTML5 modernes remappent automatiquement ces points de contrôle, mais les auteurs conformes au standard doivent utiliser les vrais points de code Unicode (ex.€).
Références numériques hexadécimales
Syntaxe : &#x[hex]; ou &#X[hex]; (ex. ©, €)
- Alignement Unicode direct : correspond directement aux points de code Unicode sans conversion mathématique (ex. U+20AC →
€). - Préférées pour les outils de développement : comme les spécifications Unicode, les tables de polices et les IDE référencent les caractères en hexadécimal (U+XXXX), les références hexadécimales réduisent la charge cognitive et les erreurs de conversion.
- 'x' et chiffres insensibles à la casse : l'indicateur initial peut être
xouX, et les chiffres hexadécimauxa-fouA-Fsont analysés de façon équivalente par les agents utilisateurs conformes. - Zéros de tête optionnels :
A,AetAs'évaluent tous en 'A' (U+0041).
Séquences d'entités multi-points de code (les 93 références composées)
Une idée reçue courante chez les ingénieurs logiciels est que chaque référence nommée HTML correspond exactement à un point de code Unicode. En réalité, le WHATWG HTML Living Standard définit exactement 93 références de caractères nommées qui s'étendent en séquences de deux points de code Unicode distincts.
Comment les analyseurs HTML traitent les séquences composées
Quand un tokenizer conforme à HTML5 rencontre une entité nommée comme ≂̸, l'état de référence de caractère nommé correspond à la chaîne complète et émet deux valeurs scalaires Unicode distinctes : U+2242 (Asymptotically Equal To) immédiatement suivi de U+0338 (Combining Long Solidus Overlay).
| Car. | Référence nommée | Séquence de points de code Unicode | Code décimal composé | Code hexadécimal composé |
|---|---|---|---|---|
| ≂̸ | ≂̸ |
U+2242 U+0338 |
≂̸ |
≂̸ |
| =⃥ | =⃥ |
U+003D U+20E5 |
=⃥ |
=⃥ |
| ∩︀ | ∩︀ |
U+2229 U+FE00 |
∩︀ |
∩︀ |
| ≡⃥ | ⪈ |
U+2265 U+0338 |
≱ |
≱ |
| ≤⃥ | ⪇ |
U+2264 U+0338 |
≰ |
≰ |
Implications techniques critiques :
Une syntaxe d'entité numérique HTML (&#[dec];) n'accepte qu'une seule valeur scalaire entière. Pour représenter numériquement une entité multi-points de code, vous devez concaténer deux références numériques adjacentes (ex. ≂̸).
En JavaScript, C# et Java, les séquences composées peuvent comprendre 2 ou 3 unités de code 16 bits (surtout en combinaison avec des paires de substitution). Utilisez toujours Array.from(str) ou des itérateurs sensibles à Unicode plutôt que str.length pour compter les caractères.
La plupart des références composées associent un opérateur ou symbole mathématique de base à un signe diacritique combinant (comme U+0338 Combining Long Solidus Overlay). Les moteurs modernes de rendu de polices (HarfBuzz, DirectWrite, CoreText) les façonnent en un seul glyphe visuel.
Bonnes pratiques : rédaction directe en UTF-8 contre échappement de caractères
En ingénierie web moderne, quand faut-il écrire des caractères Unicode directement, et quand faut-il utiliser des références de caractères HTML ? Suivre les directives fondées sur les standards évite le gonflement du code source, améliore la maintenabilité et élimine les vulnérabilités de sécurité.
Rédaction directe en UTF-8 (pratique standard)
Tout document HTML moderne devrait commencer par <meta charset="utf-8">. Quand UTF-8 est actif, vous devriez écrire les caractères natifs directement dans vos gabarits :
<p>© 2026 CopyCharacter. All rights reserved. Price: €19.99</p>
<p>© 2026 CopyCharacter. All rights reserved. Price: €19.99</p>
- Charge utile réduite : les octets UTF-8 bruts consomment moins de bande passante que les chaînes d'entités de 6–8 octets (ex.
€occupe 3 octets en UTF-8 contre 6 octets pour€ou 8 octets pour€). - Ergonomie développeur : le texte international en français, espagnol, arabe, japonais ou allemand reste naturellement lisible sans traduction mentale.
- Prise en charge Unicode complète : les émojis et symboles régionaux sont nativement pris en charge.
Quand les références de caractères SONT obligatoires
Les références de caractères sont strictement nécessaires dans quatre scénarios précis :
-
Délimiteurs de syntaxe :
&,<et>bruts dans le contenu textuel, ou guillemets (",') à l'intérieur de valeurs d'attribut appariées. -
Caractères invisibles / non imprimants : espace insécable (
), antiliant sans chasse (‌) et liant sans chasse (‍). Les écrire bruts peut entraîner leur suppression accidentelle ou leur reformatage par les linters d'IDE, minificateurs et formateurs de code. -
Glyphes ambigus : caractères visuellement indiscernables des caractères ASCII (ex. point d'interrogation grec
?/;contre point-virgule;, ou petit 'a' cyrillique contre 'a' latin). - Environnements restreints à l'ASCII : transport de courrier SMTP hérité 7 bits, outils SGML anciens ou systèmes incapables de traiter des flux UTF-8 multi-octets.
Le piège des entités sans point-virgule et la corruption d'URL
Particularité historique du WHATWG
Le WHATWG HTML Living Standard documente 106 entités nommées héritées qui permettaient historiquement d'omettre le point-virgule final (ex. &, ©, >, <, ", ®). Elles n'existent que pour la rétrocompatibilité avec les pages web cassées des années 1990.
<a href="search.php?category=books©=true">View Books</a>
search.php?category=books©=true ← Clé de paramètre corrompue en glyphe de copyright !
<a href="search.php?category=books&copy=true">View Books</a>
Encodeur et décodeur d'entités HTML par lots
Besoin d'encoder des documents entiers, d'assainir des saisies utilisateur ou de décoder des entités HTML obfuscées en texte UTF-8 brut ? Utilisez l'encodeur d'entités HTML en ligne et gratuit de CopyCharacter. Convertissez instantanément avec des options pour les entités nommées, codes décimaux (&#[dec];) ou codes hexadécimaux (&#x[hex];).
Conformité aux standards et provenance des données
Chaque référence de caractères, chaque correspondance de point de code et chaque comportement d'analyseur documenté sur cette page dérive directement des spécifications officielles maintenues par le Web Hypertext Application Technology Working Group (WHATWG), le World Wide Web Consortium (W3C) et le Unicode Consortium.
00289ceb64acb3071f854c90e80c72f519bb2c3af5e8801f2e60468637cd911f
Citations normatives :
- WHATWG HTML Living Standard §13.5 Named character references — https://html.spec.whatwg.org/multipage/named-characters.html#named-character-references. L'autorité définitive sur les références de caractères nommées valides, les états du tokenizer de l'analyseur et les algorithmes de consommation des références de caractères.
- W3C Recommendation: HTML 5.2 §8.1.4 Character references — https://www.w3.org/TR/html52/syntax.html#character-references. Détaille les règles de syntaxe des références de caractères numériques décimales, numériques hexadécimales et nommées.
- Le Consortium Unicode : The Unicode Standard, Version 18.0 — Le chapitre 3 (Conformance) établit la validité des valeurs scalaires Unicode (U+0000..U+D7FF et U+E000..U+10FFFF) et les interdictions aux bornes des substituts.