Что означает «нечувствительный к регистру» в RFC 3986 в отношении неанглийских символов?

В RFC 3986 указано, что компонент хоста URI нечувствителен к регистру. . Однако в нем не указано, что означает «без учета регистра» в отношении символов UCS или UTF-8.

Примеры, приведенные в RFC (например, «<HTTP://www.EXAMPLE.com/> эквивалентно <http://www.example.com/>»), позволяют нам сделать вывод, что «нечувствительный к регистру» означает, по крайней мере, что символы A-Z считаются эквивалентными символу 32 перед ними в наборе символов UTF-8. , то есть а-я. Однако не упоминается, как следует обрабатывать символы за пределами этого диапазона. Таким образом, учитывая незакодированное, ненормализованное зарегистрированное имя www.OLÉ.com, я вижу три возможных формы нормализации, разрешенных RFC:

  1. Нижний регистр для www.olé.com, затем процентное кодирование для www.ol%E9.com
  2. Только строчные символы A-Z для www.olÉ.com, а затем процентное кодирование для www.ol%C9.com
  3. Процентное кодирование до www.OL%C9.com, а затем строчными буквами непроцентно закодированные части до www.ol%C9.com, что дает тот же результат, что и 2.

Так вот вопрос: что правильно? Если это случай 1., что определяет, какие символы считаются прописными, а какие строчными (и какие символы не имеют регистра)?


uri utf-8 rfc3986 ucs
person Mark Slater    schedule 15.10.2011    source источник
comment
Почему вы используете процентное кодирование? Это недопустимое доменное имя (закодированное или не закодированное). Возможно, есть что-то в материале, касающемся punycode? (Например, выполняет ли punycode нормализацию регистра?)   -  person    schedule 16.10.2011
comment
RFC явно указывает, что процентное кодирование допустимо и что доменные имена, зарегистрированные в DNS, не являются единственным типом зарегистрированных имен, которые можно использовать.   -  person Mark Slater    schedule 16.10.2011
comment
RFC: когда зарегистрированное имя, отличное от ASCII, представляет собой интернационализированное доменное имя, предназначенное для разрешения через DNS, имя должно быть преобразовано в кодировку IDNA [RFC3490] перед поиском имени. Производители URI должны предоставлять эти зарегистрированные имена в кодировке IDNA, а не в процентном кодировании, если они хотят максимизировать совместимость с устаревшими преобразователями URI.   -  person Mihai Nita    schedule 03.06.2013
comment
RFC 3490 основан на NAMEPREP (RFC 3491) и PUNYCODE (RFC 3492), а NAMEPREP приводит вас к STRINGPREP (RFC 3454). А раздел 3.2 Свертывание регистра RFC 3454 дает вам ответ на вопрос, что означает нечувствительность к регистру в контексте IDN (международных доменных имен).   -  person Mihai Nita    schedule 03.06.2013
comment
@MihaiNita: Я думаю, ваши комментарии станут хорошим ответом.   -  person unor    schedule 05.01.2014
comment
Согласен: @MihaiNita, если ты сделаешь это ответом, я приму его.   -  person Mark Slater    schedule 08.01.2014
comment
@MihaiNita RFC 3490 (IDNA2003) был заменен RFC 5890 (IDNA2008). Последний устраняет этап NAMEPREP и просто запрещает использование всех символов верхнего регистра. RFC 5895 предлагает приложениям использовать стандартный алгоритм преобразования регистра Unicode для преобразования IDN в нижний регистр.   -  person nwellnhof    schedule 02.11.2015

Ответы (1)


arrow_upward
3
arrow_downward

Имена хостов, разрешенные DNS, всегда пишутся строчными буквами.

Однако невозможно использовать символы UTF-8 в именах хостов DNS (RFC 1123), обходной путь был введен в действие с «интернационализированными доменными именами». Этот обходной путь широко известен как punycode.

Punycode позволяет представлять символы, отличные от ASCII, символами ASCII.

символы, отличные от ASCII, представлены символами ASCII, разрешенными в метках имен хостов (буквы, цифры и дефисы).

-- https://www.ietf.org/rfc/rfc3492.txt

Что касается примера, который вы указали в своем вопросе (www.olé.com), доменное имя, которое будет разрешено, не www.ol%E9.com.

Если вы получаете знаки процента в своем доменном имени, это означает, что вы закодировали URL-адрес имени хоста, и это неправильно, по крайней мере, не для разрешения.

Например, правильно будет использовать тег a, который выглядит так:

<a href="//www.ol%C3%A9.com">Click Here</a>

Однако DNS-сервер будет разрешать не www.ol%C3%A9.com, а преобразованное доменное имя в виде punycode:

Пример

www.ol%C3%A9.com

становится

www.olé.com

что в punycode переводится как:

www.xn--ol-cja.com

Веб-браузеры обычно преобразуют символы верхнего регистра в версию нижнего регистра. Например, и www.olé.com, и www.olÉ.com преобразуются в одно и то же имя хоста DNS (www.xn--ol-cja.com), потому что www.olÉ.com было преобразовано в нижний регистр до www.olé.com.

Я рекомендую два инструмента для проверки доменных имен IDN, чтобы увидеть, как выглядит доменное имя после того, как оно пройдет перевод punycode:

Инструмент IDN Verisign гораздо строже. Попробуйте оба инструмента с www.olÉ.com в качестве входных данных, чтобы понять, что я имею в виду.

Правила для IDNA (интернационализированные доменные имена для приложений) сложны, но есть два основных RFC, на которые стоит обратить внимание:

  • Интернационализированные доменные имена для приложений (IDNA): история, объяснение и обоснование
    https://tools.ietf.org/html/rfc5894
  • Кодовые точки Unicode и интернационализированные доменные имена для приложений
    https://tools.ietf.org/html/rfc5892

rfc5894 section 3.1.3 указывает, что символы могут не допускается, если:

  • Символ представляет собой форму в верхнем регистре или какую-либо другую форму, которая отображается на другой символ путем складывания регистра Unicode.
person Tim Groeneveld    schedule 30.10.2015
comment
www.olé.com и www.olÉ.com имеют разные представления в Punycode. Но пользовательский агент (браузер) обычно преобразует имя хоста в нижний регистр, преобразовывая его. - person nwellnhof; 02.11.2015
comment
www.olÉ.com не представлен в punycode. - person Tim Groeneveld; 03.11.2015
comment
Но это так. Представление Punycode — www.xn--ol-lga.com. Однако зарегистрировать этот домен невозможно, потому что IDNA допускает имена только в нижнем регистре. Punycode позволяет кодировать произвольные целочисленные последовательности, но большинство онлайн-конвертеров выполняют некоторую предварительную обработку строк Unicode. Попробуйте использовать этот преобразователь, который не выполняет предварительную обработку входных данных. - person nwellnhof; 03.11.2015
comment
Извините, я хотел сказать, что www.olÉ.com не имеет действительного представления IDNA. - person Tim Groeneveld; 04.11.2015