utf-8 - 对于非英语字符， 'case insensitive' 在 RFC 3986 中意味着什么？

Question

RFC 3986 指定 host component URI 的“不区分大小写”。但是，它没有指定“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/ > 相当于 <http://www.example.com/ >”)允许我们推断“不区分大小写”至少意味着字符 A-Z 被视为等同于它们前面的字符 32 UTF-8 字符集中，即 a-z。但是，没有提及应如何处理此范围之外的字符。因此，给定一个非编码、非规范化的注册名称 www.OLÉ.com ，我看到 RFC 允许的三种潜在的标准化形式:

1. 小写为 www.olé.com然后百分号编码为www.ol%E9.com
2. 仅将 A-Z 字符小写为 www.olÉ.com然后百分号编码为www.ol%C9.com
3. 将百分比编码为 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？如果是情况 1，什么定义了哪些字符被视为大写，哪些字符被视为小写(以及哪些字符没有大小写)？

Answer 1

由 DNS 解析的主机名始终为小写。

是not possible to have UTF-8 characters in DNS hostnames (RFC 1123)但是，已经针对“国际化域名”制定了解决方法。此解决方法通常称为 punycode .

Punycode 使非 ASCII 字符可以用 ASCII 字符表示。

non-ASCII characters are represented by ASCII characters that are allowed in host name labels (letters, digits, and hyphens).

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

就您在问题中提供的示例 (www.olé.com) 而言，将解析的域名不是www.ol%E9.com。

如果您的域名中出现百分号，则意味着您对主机名进行了 URL 编码，但这是不正确的，至少对于解析而言是不正确的。

例如，拥有如下所示的 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

变成了

www.olé.com

在 punycode 中翻译为:

www.xn--ol-cja.com

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

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

• Verisign 的 IDN 转换工具 ( http://mct.verisign-grs.com/ )
• Punycoder Punycode 到文本/Unicode https://www.punycoder.com/

Verisign 的 IDN 工具更加严格。尝试使用 www.olÉ.com 作为输入来了解我的意思。

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

• 国际化域名申请 (IDNA):背景、说明和基本原理
  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:

• The character is an uppercase form or some other form that is mapped to another character by Unicode case folding.