Punycode

什么是 Punycode？

Punycode 是 RFC 3492 定义的一种编码语法，用于将 Unicode 字符串转换为 DNS 支持的有限 ASCII 字符集。它是国际化域名（IDN）的技术基础，让任何语言的域名都能使用现有 DNS 基础设施。

Punycode 解决的问题

域名系统在 20 世纪 80 年代设计时只考虑了 ASCII 字符。DNS 标签只能包含：

• 小写字母（a-z）
• 数字（0-9）
• 连字符（-）

这一限制排除了数十亿主要不使用拉丁字母的互联网用户。Punycode 通过把任意 Unicode 字符串编码为有效 ASCII，弥合了这一差距。

Punycode 编码如何工作

Punycode 使用一种巧妙的算法，在保留 ASCII 字符的同时，将非 ASCII 字符编码为紧凑的 ASCII 表示形式。

编码过程

1. 分离字符：将 ASCII 字符与非 ASCII 字符分开

2. 复制 ASCII：保留所有 ASCII 字符原本的位置

3. 编码非 ASCII：使用通用的可变长度整数编码

4. 添加前缀：添加 “xn--” 以表示 Punycode 编码

示例

“xn--”前缀

“xn--”前缀称为 ACE（ASCII 兼容编码）前缀。它向 DNS 解析器和应用程序表明，该标签包含经过 Punycode 编码的内容。这个前缀：

• 始终使用小写
• 不会出现在普通 ASCII 域名中
• 会触发兼容软件进行 Unicode 解码

实际使用 Punycode

浏览器处理

现代浏览器会自动处理 Punycode：

User types: 中文.com
Browser sends: xn--fiq228c.com (to DNS)
Browser displays: 中文.com (in address bar)

开发者实现

const punycode = require('punycode/');

// Encode to Punycode
const encoded = punycode.toASCII('münchen.de');
// Result: xn--mnchen-3ya.de

// Decode from Punycode
const decoded = punycode.toUnicode('xn--mnchen-3ya.de');
// Result: münchen.de

domain = 'münchen.de'
encoded = domain.encode('idna').decode('ascii')
# Result: xn--mnchen-3ya.de

URL 处理

处理包含 IDN 的 URL 时：

// URL API handles Punycode automatically
const url = new URL('https://中文.com/path');
console.log(url.hostname); // xn--fiq228c.com
console.log(url.href); // https://xn--fiq228c.com/path

安全影响

Punycode 可以表示任意 Unicode 字符，因此会带来安全风险：

视觉欺骗

攻击者可以注册外观与合法网站相同的域名：

аррlе.com (Cyrillic 'а' and 'р')
apple.com (Latin letters)

在某些字体中，两者显示相同，但实际是不同的域名。

浏览器保护

为防止欺骗，浏览器会实施以下保护：

1. 混合文字检测：对可疑的混合文字域名显示 Punycode

2. 易混淆字符检测：标记使用外观类似 ASCII 字符的域名

3. 白名单：仅对知名 TLD 允许显示 Unicode

在 API 中使用 Punycode

构建域名工具时：

function normalizeDomain(input) {
  const punycode = require('punycode/');
  // Convert to lowercase Punycode for internal use
  return punycode.toASCII(input.toLowerCase());
}

Punycode 对大多数用户是透明的，但对于构建国际化 Web 应用的开发者却是必备知识。