RFC 3986 中关于非英文字符的“不区分大小写”是啥意思？

Posted 2023-02-21

【中文标题】RFC 3986 中关于非英文字符的“不区分大小写”是啥意思？

【英文标题】：What does 'case insensitive' mean in RFC 3986 with respect to non-English characters?RFC 3986 中关于非英文字符的“不区分大小写”是什么意思？

【发布时间】：2011-12-08 11:37:19

【问题描述】：

RFC 3986 指定 URI 的 host component 是“不区分大小写”的。但是，它没有具体说明“不区分大小写”在 UCS 或 UTF-8 字符方面的含义。

RFC 中给出的示例（例如“<HTTP://www.EXAMPLE.com/> 等同于<http://www.example.com/>”）允许我们推断“不区分大小写”至少意味着字符 AZ 被认为等同于它们前面的字符 32在 UTF-8 字符集中，即 az。但是，没有提到应该如何处理超出此范围的字符。因此，给定一个非编码、非规范化的注册名称 www.OLÉ.com，我看到了 RFC 允许的三种潜在的规范化形式：

小写为www.olé.com，然后百分号编码为www.ol%E9.com 仅小写的 A-Z 字符转换为 www.olÉ.com，然后百分比编码为 www.ol%C9.com 百分比编码为 www.OL%C9.com，然后将非百分比编码部分小写为 www.ol%C9.com，产生与 2 相同的结果。

所以问题是：哪个是正确的？如果是 case 1.，什么定义了哪些字符被认为是大写，哪些被认为是小写（以及哪些字符没有大小写）？

【问题讨论】：

你为什么要进行百分比编码？这不是一个有效的域名（编码或未编码）。也许在与punycode 相关的内容中有一些东西？ （例如，punycode 是否进行大小写规范化？）

RFC 明确规定百分比编码是有效的，并且在 DNS 中注册的域名不是唯一可以使用的注册名称。

RFC：“当一个非 ASCII 注册名称代表一个旨在通过 DNS 解析的国际化域名时，该名称必须在名称查找之前转换为 IDNA 编码 [RFC3490]。URI 生产者如果他们希望最大限度地与旧版 URI 解析器的互操作性，则应以 IDNA 编码而不是百分比编码提供这些注册名称。"

RFC 3490 建立在 NAMEPREP (RFC 3491) 和 PUNYCODE (RFC 3492) 之上，NAMEPREP 将您带到 STRINGPREP (RFC 3454)。 RFC 3454 第 3.2 节“大小写折叠”为您提供了有关 IDN（国际域名）上下文中“不区分大小写”的含义的答案。

@MihaiNita：我认为你的 cmets 会是一个很好的答案。

【参考方案1】：

DNS解析的主机名总是小写的。

它是not possible to have UTF-8 characters in DNS hostnames (RFC 1123)，但是，已经采用“国际化域名”的解决方法。此解决方法通常称为punycode。

Punycode 使非 ASCII 字符可以用 ASCII 字符表示。

非 ASCII 字符由主机名标签（字母、数字和连字符）中允许的 ASCII 字符表示。

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

至于您在问题中提供的示例 (www.olé.com)，将被解析的域名是 not www.ol%E9.com .

如果您的域名中有百分号，则表示您对主机名进行了 URL 编码，这是不正确的，至少在解析时不正确。

例如，具有如下所示的a 标记将正常工作：

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

但是，DNS服务器不会解析www.ol%C3%A9.com，而是将转换后的域名解析为punycode：

示例

www.ol%C3%A9.com

变成

www.olé.com

在 punycode 中翻译成：

www.xn--ol-cja.com

Web 浏览器通常会将大写字符转换为小写字符。例如，www.olé.com 和 www.olÉ.com 都转换为相同的 DNS 主机名 (www.xn--ol-cja.com)，因为 www.olÉ.com 被小写为 www.olé.com。

我推荐两个工具来检查 IDN 域名，看看域名经过 punycode 翻译后的样子：

威瑞信的 IDN 转换工具 (http://mct.verisign-grs.com/) Punycoder Punycode 到文本/Unicode https://www.punycoder.com/

威瑞信的 IDN 工具要严格得多。尝试使用 www.olÉ.com 作为输入的这两种工具，看看我的意思。

IDNA（应用程序的国际化域名）的规则很复杂，但有两个主要的 RFC 值得一看：

国际化应用域名 (IDNA)：背景、解释和原理https://www.rfc-editor.org/rfc/rfc5894 应用程序的 Unicode 代码点和国际化域名https://www.rfc-editor.org/rfc/rfc5892

rfc5894 section 3.1.3 指定在以下情况下可能不允许使用字符：

字符是大写形式或其他形式 通过 Unicode 大小写折叠映射到另一个字符。

【讨论】：

www.olé.com 和 www.olÉ.com 在 Punycode 中有不同的表示形式。但是用户代理（浏览器）通常会将主机名转换为小写。

www.olÉ.com 在 punycode 中没有表示形式。

但确实如此。 Punycode 表示为www.xn--ol-lga.com。但是，注册此域是不可能的，因为 IDNA 只允许小写名称。 Punycode 允许对任意整数序列进行编码，但大多数在线转换器将对 Unicode 字符串进行一些预处理。试试不预处理输入的this converter。

抱歉，我的意思是，www.olÉ.com 没有有效的 IDNA 表示。