Punycode
Vorlage:Linkbox Unicode Punycode ist ein im RFC 3492 standardisiertes Kodierungsverfahren zum Umwandeln von Unicode-Zeichenketten in sogenannte ACE-Zeichenketten, die nur noch aus alphanumerischen Zeichen bestehen, wie sie in Domains erlaubt sind. Punycode wurde entworfen, um Domainnamen aus Unicodezeichen eindeutig und umkehrbar durch ASCII-Zeichen darzustellen.
Motivation
Wichtigste Motivation für die Einführung von Punycode war die Tatsache, dass in dem etablierten Domain Name System nur Namen zugelassen sind, die aus den 26 lateinischen Buchstaben, den Ziffern 0 bis 9, sowie dem Bindestrich bestehen. Für die englische Sprache war dies ausreichend, doch die meisten anderen Sprachen enthalten weitere Zeichen – die deutsche Sprache beispielsweise die Umlautbuchstaben ä, ö und ü. Um beliebige Texte aus derartigen Sprachen verarbeiten zu können, wurde 2003 das Punycode-Verfahren eingeführt.
Soll ein Text an ein System übergeben werden, das nur ASCII beherrscht, so wird er zuvor per Punycode in ASCII umgesetzt. Zu beachten ist, dass sich in vielen Fällen der resultierende Text verlängert. Soll umgekehrt dieser Text aus dem ASCII-System entnommen werden, so wird er per Punycode in die ursprüngliche Form zurückübersetzt. Enthält ein Text keinerlei Sonderzeichen, so wird er durch dieses Verfahren nicht verändert.
Das Punycode-Konvertierungsverfahren wurde unter Wahrung folgender Gesichtspunkte festgelegt:
- Vollständigkeit: Jeder Name kann umgesetzt werden
- Eindeutigkeit: Jedem Namen ist genau eine Umsetzung zugeordnet
- Reversibilität: Jeder umgesetzte Name kann zurückkonvertiert werden
- Effizienz: Der umgesetzte Name ist nicht wesentlich länger als der Ausgangsname
- Einfachheit: Das Verfahren ist relativ einfach zu implementieren
- Lesbarkeit: Der umgesetzte Name bleibt im Wesentlichen lesbar, da die Zeichen
abisznicht verändert werden
Regeln der Umwandlung
| Zeichenkette | Codierung |
|---|---|
| abcdef | abcdef |
| abæcdöef | abcdef-qua4k |
| schön | schn-7qa |
| ยจฆฟคฏข | 22cdfh1b8fsa |
| ☺ | 74h |
Als Basiszeichen gelten im folgenden die Buchstaben a bis z und die Ziffern 0 bis 9 (Groß- und Kleinschreibung spielt keine Rolle). Zusammen mit dem Bindestrich „-“ als Trennzeichen stellen diese 37 Zeichen die einzig gültigen Zeichen in einem nach Punycode kodierten Text dar.
Enthält die zu konvertierende Zeichenkette
- nur Basiszeichen, so wird sie nicht verändert.
- sowohl Basiszeichen als auch Nicht-Basiszeichen, werden alle Basiszeichen unter Beibehaltung ihrer Reihenfolge aufgeführt und schließlich die kodierten Nicht-Basiszeichen durch „
-“ getrennt angehängt. - nur Nicht-Basiszeichen, so ist das Umwandlungsergebnis nur deren Codefolge, ohne Trennzeichen
Um die resultierende Zeichenkette möglichst kompakt zu gestalten, werden die Sonderzeichen nicht „eins-zu-eins“, sondern nach dem Punycode-Verfahren kodiert. Die Nicht-Basiszeichen werden zuerst nach ihrem Zahlenwert sortiert. Die Differenz zwischen den Werten der einzelnen Zeichen wird mit der jeweiligen Position in der ursprünglichen Zeichenkette zur Bildung einer Zahl verwendet. Diese Zahl wird anschließend durch die 37 Basiszeichen dargestellt und an den kodierten Text angehängt. Die Details zu diesem Verfahren sind in RFC 3492 festgelegt, wo auch eine Referenzimplementierung in der Programmiersprache C für die Kodierung und die Dekodierung, sowie zahlreiche Beispiele enthalten sind.
Bei der Bildung von Domainnamen nach dem Internationalizing Domain Names in Applications-Standard (IDNA) wird bei Vorhandensein von Nicht-Basiszeichen ein „xn--“ Präfix vorangestellt, und andernfalls (nur Basiszeichen) kommt Punycode nicht zur Anwendung.
Browser mit Punycode-Unterstützung
Da Punycode vor allem bei Umlautdomains für Websites auf Zustimmung stieß, wurde dessen Implementierung, obwohl im Prinzip keine Verbindung zum Web besteht, zunächst in Browsern durchgeführt. Browser mit Punycode-Unterstützung sind zum Beispiel:
- Firefox
- Internet Explorer ab Version 7 (Version 5 und 6 nur mittels Zusatzmodulen von Drittanbietern)
- Konqueror
- Mozilla Application Suite
- Opera
- Safari
- SeaMonkey ab Version 1.0
Weblinks
- RFC 3492 – Punycode: A Bootstring encoding of Unicode for Internationalized Domain Names in Applications (IDNA)
- Exemplarischer Punycode-Konverter