punycode如何区分类似的IRI？

Question

我一直在研究国际化资源标识符，但有一件事困扰着我。

我的理解是，对于域名中的每个标签（xyzzy.plugh.com都有三个标签xyzzy，plugh和com），执行以下过程：将其转换为ASCII表示形式，以便所有传统软件都可以正常处理它：

• 如果它仅由ASCII字符组成，则按原样复制。
• 否则：
  • 首先我们输出xn--后跟所有ASCII字符（跳过非ASCII）。
  • 然后，如果最终字符不是-，我们输出-将ASCII与非ASCII分开。
  • 最后，我们使用punycode对每个非ASCII字符进行编码，使它们看起来像是ASCII。

我的问题是：我们如何区分以下两个Unicode URI？

http://aa☃.net/
http://☃aa.net/

在我看来，这两个将编码为：

http://xn--aa-nfh.net/

仅仅是因为整个标签的测序信息已经丢失。

或者我在规范中遗漏了什么？

Answer 1

根据one punycode encoder，编码方式不同：

aa☃.net -> xn--aa-gsx.net
☃aa.net -> xn--aa-esx.net
                  ^
                  see here

relevant RFC 3492详细说明了为什么会这样。首先，它提供了引言中的线索：

  

唯一性：最多只有一个基本字符串代表给定的扩展字符串。

     

可逆性：可以从该基本字符串中恢复映射到基本字符串的任何扩展字符串。

这意味着每个基本/扩展字符串对必须存在可区分的一对一映射。

理解它如何区分这两种可能性需要理解解码器（将基本字符串转换为扩展的解码器，并具有所有Unicode荣耀）。

解码器从仅使用指向第一个aa.net的指针的基本字符串a开始，然后应用一系列增量，例如gsx或esx

delta实际上编码了两个的东西。第一个是要完成的非插入次数，第二个是实际插入次数。

因此，gsx（aa☃.net中的增量）会编码两个非插入（跳过aa），然后插入☃。 esx delta（对于☃aa.net）将编码零非插入，然后插入☃。

这就是将位置编码到基本字符串中的方式。