IDN主机标签中允许哪些Unicode字符？

Question

我目前正在开发一个“正确”的URI验证器，目前这一切都归结为主机名验证;其余的并不是那么棘手。

我坚持使用IDN主机名标签（即包含Unicode;此时已经解码了可能的punycode编码字符串）。

我的第一个想法基本上是一个不支持IDN的TLD正则表达式，而那些支持IDN的正则表达式。这可能基于Mozilla’s list of IDN-enabled TLDs。分别， ^[a-zA-Z0-9\-]+$和^[a-zA-Z0-9\-\p{L}]+$。但是，这不是一个理想的情况，因为每个IDN注册商都可以决定允许哪些字符。

我正在寻找的是各种TLD中允许的Unicode字符的正确，一致，最新的数据表。现在看起来我必须在俄罗斯和中国的注册网站上找到所有数据（这很难）。

所以在我尝试自己收集所有这些数据之前，我想知道这样的列表是否已经存在。或者有更好的方法，最佳/常见的做法等？ （我希望验证尽可能严格。）

Answer 1

IANA在https://www.iana.org/assignments/idna-tables-6.3.0/idna-tables-6.3.0.xhtml#idna-tables-properties

维护所有代码点及其状态的列表

所有标记为PVALID的都可以安全使用。标记为CONTEXTO或CONTEXTJ的标准有更多规则要遵循。阅读RFC5892（IDNA）和RFC6452（更改几个字符的状态）以获取所有血腥细节。

Answer 2

你不能将所有Unicode域转换为punycode并验证吗？由于DNS无论如何都不支持真正的UTF-8字符，这可能是最好的解决方案。