問題タブ [idn]

デコードできない IDNA でエンコードされた文字列がいくつかあります。Python では、u"xn--grohandel-shop-2fb".decode("idna")「IDNA はラウンドトリップしません」というエラーが表示されます。についても同じです"xn--sottmqqo5-lgbe9b7no0hmz9u"。

私は困惑しており、エラーをグーグルで調べてもまったく役に立ちません。

私は IDN ホモグラフ攻撃について読んでいましたが、ブラウザーが punycode のみのドメインでエンコードするか、URL の残りの部分 (パスとクエリ) が含まれているかについて正確に述べられていることがわかりませんでした。だから私の質問は、人気のあるブラウザー (FF、IE、Chrome、Safari、Opera) の 1 つが、残りの URL (正確には IRI) を punycode でエンコードすることですか?

私はフォームの1つを書き直して、国際ドメインを処理できるようにしていますが、それを始める前に、IDNを処理する機能をテストすると思いました。

私の考えは、誰かがhttp：//清华大学.cnのようなドメインに入ると、それをpunycodeとしてデータベースに保存するというものでした。これを念頭に置いて、Java IDNハンドラーを見つけ、次のテストコードを記述しました。

ただし、これを実行するとエラーが発生します。

禁止されているコードポイントが入力に見つかりましたhttp：//æ̧...å�žå¤§å¦

これは.toAscii回線上で発生します。私は何を逃しましたか？

最近、いくつかのフォームを再構築して、次のような国際ドメインを受け入れるようにしました

http://例子.测试

次に、これらをpunycodeとして保存します。ただし、この前に、ColdfusionsisValid()メソッドを使用してドメインが有効かどうかを確認するための検証コードを実行していました。

punycode ではisValid()、ドメインが次のような場合に関数が失敗するという問題があります。

http://例子.测</p>

または、それが punycode を使用して変換されるCreateObject( "java", "java.net.IDN" ).toASCII(sURL);と、特定のケースでは次のようになります。

xn--http://133ab--xn328sdf

(例を作りましたが、場合によっては http:// の前に文字があります)

現在、IDN と「通常の」ドメインを検証するために Java ライブラリ、Coldfusion ライブラリ、または正規表現を使用する方法はありますか?

IDN ドメインの SSL 証明書が発行された場合、CN フィールドの値は、ドメイン名のリテラル UTF-8 文字列またはエスケープされた punycode バージョンである必要がありますか?

X509v3 Subject Alternative Name DNS エントリについてはどうですか?それらは同じ形式になりますか?

サンプルの crt ファイルや、SSL を使用している IDN へのリンクを確認できますか?

これに関する規範的な仕様はありますか？

http://exämple.se/pathまたはの行に沿ってIDNURLを取得しようとしているhttps://äxämple.se/anotherpath?foo=bar&baf=basので、次のようにそのコンポーネントを取得します。

私が最初に思ったのは「使うだけparse_url！」でした。そうですね、IDNドメインを実行しないことを除けば、運がありません。

次に、私は自分の正規表現のトリックをたくさん試しましたが、どういうわけか有用な出力を得ることができませんでした（それらのいくつかはある程度は機能していますが、それでも痛々しいほど欠けています。

最後に、他のさまざまな人々の正規表現パターンを試しましたが、どれも私にとって正しく機能していないようでした（正しく機能する=有用なものをキャプチャし、URL全体を「プロトコル」部分としてキャプチャし、他のほとんどの人は何もキャプチャしないか、明らかに機能していました私が試したものと同じです）。

そしてもちろん、なぜ私はこれをしているのですか？idn_to_asciiURLをつなぎ合わせてデータベースに保存する前に、ドメイン名で実行したいと思います。

だから、私はここで何が間違っているのですか？私のアプローチは完全に間違っていますpreg_matchか、それとも私の問題を解決する魔法の呼び出しがありますか？

ParseIDNUrl編集：できれば、他の誰かが書いたコードのブロブをダウンロードすることを含まないソリューションが欲しいです（たとえば、 100kBで計量するような名前のカスタムクラス）

www.äöü.comなどのドメインを使用している場合、ユーザーのブラウザでwww.xn--4ca0bs.comとして表示されないようにする方法はありますか?

www.xn--4ca0bs.comなどのドメインは、平均的なインターネット ユーザーに多くの混乱を引き起こしていると思います。

š 文字を含む inštrukcije という名前のドメインがあります。

IDN トランスレータを使用して、次のように翻訳しました: xn--intrukcije-19b.si

このドメインに新しい WordPress をインストールしました: http://xn--intrukcije-19b.si/

ページをナビゲートしようとすると、次のようになります。

要求された URL /pages/ はこのサーバーで見つかりませんでした。

おそらくドメインに問題があると思います-私はそれをinštrukcijeにバルカン文字で持っているので、MySQLでテーブルwp_optionsエントリのsiteurlをhttp://inštrukcije.siからhttp://xn--intrukcije-19b.siに変更しました（これは私はドメインに使用します...）

しかし、ページはまだ機能していません...

他に何が間違っている可能性がありますか？

IM /メールタイプのシナリオ：

ユーザーは好きなものを入力して、それを仲間に送信します。URLを入力する場合は、受信者がクリックできるようにします。これは、文字列内の文字のシーケンスが有効なURIであることを識別し、それからハイパーリンクを作成する必要があることを意味します。

ユーザー入力を解析し、ユーザーが国際化ドメイン名を文字列の一部として入力したかどうかを検出するのに役立つライブラリはありますか？

例：

ちょっとこのロシアのマクドナルドのサイトмакдональдс.рфはかっこいいです-それをチェックしてください！

URIの解析や、punycode / Unicode変換の実行について話しているのではないことに注意してください。これを実行する前に、まずこれをURIとして識別できるようにする必要があります...

次のコードは機能しません。

UNICODE URL の処理方法がわかりません。

何か案は？

ありがとう。