プニコード

Punycode は、インターネットホスト名に使用される限定されたASCII文字サブセットを使用したUnicodeの表現です。Punycode を使用すると、Unicode 文字を含むホスト名は、文字、数字、ハイフンで構成される ASCII のサブセット (文字、数字、ハイフン (LDH) サブセットと呼ばれる) に変換されます。たとえば、München (ミュンヘンのドイツ語名) はMnchen-3yaとしてエンコードされます。

ドメイン ネーム システム(DNS) は技術的にはドメイン名ラベルの任意のオクテット シーケンスをサポートしていますが、DNS 標準ではホスト名に通常使用される ASCII の LDH サブセットの使用を推奨しており、DNS ドメイン名間の文字列比較では大文字と小文字を区別しないことを要求しています。Punycode 構文は、国際化ドメイン名(IDNA) などの Unicode 文字を含む文字列を、DNS で推奨される ASCII の LDH サブセットにエンコードする方法です。これはIETF の Request for Comments 3492で指定されています。 ^[1]

RFC 3492 に記載されているように、「Punycode は、 Bootstringと呼ばれるより一般的なアルゴリズムのインスタンスであり、Bootstringを使用すると、小さな '基本' コード ポイントのセットで構成された文字列で、より大きなセットから抽出されたコード ポイントの文字列を一意に表すことができます。」 Punycode は、Unicode テキストの特性に一致するように、一般的な Bootstring アルゴリズムのパラメータを定義します。 このセクションでは、文字列 "bücher" ( Bücherはドイツ語で本の意味) を例に、Punycode エンコードの手順を示します。この文字列は、ラベル "bcher-kva" に変換されます。

エンコードおよびデコードのアルゴリズムを単純にするために、エンコードされた値の一部が許容されない Unicode 値をエンコードすることを防ぐ試みは行われていません。ただし、デコード中にこれらをチェックして検出する必要があります。

Punycode は、すべてのスクリプトで動作し、動作中に文字列内の文字セットの範囲に適応することで自己最適化するように設計されています。文字列が 0 個以上の ASCII 文字と、その他の 1 つのスクリプト システムの文字のみで構成されている場合に合わせて最適化されていますが、任意の Unicode 文字列にも対応します。DNS で使用する場合、ドメイン名文字列はnameprepを使用して正規化され、(トップレベル ドメインの場合) Punycode 化される前に公式に登録された言語テーブルに対してフィルタリングされているものと想定され、DNS プロトコルによって、出力 Punycode 文字列の許容長さに制限が設けられることに注意してください。

まず、文字列内のすべてのASCII文字が入力から出力にコピーされ、他の文字はスキップされます。たとえば、「bücher」は「bcher」にコピーされます。文字がコピーされた場合、つまり入力に少なくとも 1 つの ASCII 文字があった場合は、出力に ASCII ハイフンが追加されます (たとえば、「bücher」→「bcher-」、ただし「ü」→「」)。

ハイフン自体は ASCII 文字であることに注意してください。したがって、入力にハイフンが含まれる場合、ハイフンは出力にコピーされます。これにより曖昧さは発生しません。出力にハイフンが含まれる場合、追加されたハイフンは常に最後のハイフンになります。これは ASCII 文字の終わりを示します。

非 ASCII 文字は、Unicode 値によって、最も小さいものから順にソートされます (文字が複数回出現する場合は、位置によってソートされます)。各文字は、1 つの数値としてエンコードされます。この 1 つの数値は、文字を挿入する場所と、挿入する文字の両方を定義します。

• iは、コードを挿入する結果のインデックスで、0 から始まります (先頭に挿入する場合)。^{[引用が必要]}
• n は挿入可能なポイントの数です (結果の現在の長さに 1 を加えた数)。
• j は挿入する Unicode コード ポイントから 127 を引いた値です。^{[引用が必要]}

エンコードされた数値はn × j + iです。nで割って余りを求めることで、デコーダーはjとi を判定できます。

文字列「bcher」には、文字を挿入できる場所が 6 箇所あります (最初の文字の前と最後の文字の後を含む)。最後の ASCII コード ポイント (127 = 0x7F、ASCII の終わり) とü (コード ポイント 252 = 0xFC、Unicode のLatin-1 Supplementを参照) の間には 124 個のコード ポイントがあります。ü は、bの後の位置 1 に挿入されます。したがって、エンコーダーは数値(6 × 124) + 1 = 745を追加し、デコーダーは⌊745 ÷ 6⌋ = 124および745 mod 6 = 1でこれらを取得できます。

これらの数字は厳密に増加します。2番目以降に挿入された文字については、その数字と前の数字との差が書き込まれます。

数値はaからzまでの文字と0から9 までの数字を使用してエンコードされます。これは 36 進数ではなく、以下に説明するより複雑な方式で、数値を連結して区切ることなく使用できます。

Punycode では、これらの値を表すために一般化された可変長整数を使用します。たとえば、コード番号 745 を表すために「kva」が使用される方法は次のようになります。

リトルエンディアン順序の数値システムが使用され、これにより、個別の区切り文字のない可変長コードが可能になります。しきい値より小さい数字は、それが最上位の数字であり、したがって数字の終わりであることを示します。しきい値は、効率を高めるために、数字内の位置と以前の挿入に依存します。それに応じて、数字の重みが変わります。

この場合、36 個の記号を持つ数値システムが使用され、大文字と小文字を区別しない「a」から「z」は 10 進数の 0 から 25 に等しく、「0」から「9」は 10 進数の 26 から 35 に等しくなります。したがって、「kva」は 10 進数の文字列「10 21 0」に対応します。

この記号列をデコードするには、一連のしきい値が必要になります。この場合は (1, 1, 26, 26, ...) です。^[2]最下位桁の重み (または位取り) は常に 1 です。重みが 1 の 'k' (=10) は 10 に等しくなります。その後、次の桁の重みは最初のしきい値によって決まります。一般に、任意のnに対して、 ( n +1) 番目の桁の重みはw × (36 − t ) です。ここで、wは前の重み、tはn番目の桁のしきい値です。この場合、2 番目の記号の位の値は 36 から前のしきい値 1 を引いた 35 になります。したがって、最初の 2 つの記号「k」(=10) と「v」(=21) の合計は 10 × 1 + 21 × 35 です。2 番目の記号はしきい値 1 より小さくないため、さらに続きます。ただし、この例の 3 番目の記号は「a」(=0) であるため、その重みの計算は無視できます。したがって、「kva」は 10 進数 (10 × 1) + (21 × 35) = 745 を表します。

数字 745 は、10 + 21 × 35 + 0 (2 番目の数字には基数 35 が使用され、最上位の数字 0 は終止符として必要) としてエンコードされ、10 → 'k'、21 → 'v'、0 → 'a' となるため、「bücher」→「bcher-kva」となります。

閾値自体は、1から26までの範囲に抑えるアルゴリズムによって、エンコードされた各文字ごとに決定されます。^[3]大文字と小文字は、文字列の元の大文字と小文字に関する情報を提供するために使用できます。^[4]

特殊文字はエンコード アルゴリズムによってコード ポイントでソートされるため、「bücher」に 2 番目の特殊文字を挿入する場合、最初の可能性はコード「bcher-kvaa」の「büücher」、2 番目はコード「bcher-kvab」の「bücüher」などになります。コード「bcher-kvae」の「bücherü」の後には、コード「bcher-kvaf」の「ýbücher」(「bcher-jvab」でコード化された「übücher」とは異なります) など、ü に続く Unicode 文字 ý の挿入を表すコードが続きます。

非国際ドメイン名のハイフンがPunycodeデコードをトリガーするのを防ぐために、xn--国際化ドメイン名のPunycodeシーケンスの先頭に文字列が追加されます。これはACE（ASCII互換エンコーディング）と呼ばれます。^[5]

したがって、ドメイン名「bücher.tld」は URL では「xn--bcher-kva.tld」と表されます。

次の表は、さまざまな入力タイプのPunycodeエンコーディングの例を示しています。^[6]

• 絵文字ドメイン
• UTF-5
• UTF-6
• ウェブサイトのなりすまし

• IETF Punycode 標準
• ICU IDNAデモンストレーションICUがIDN操作を実行する方法のオンラインデモンストレーション
• Mozilla 開発者が、名前登録に対する効果的ななりすまし防止ポリシーを備えているとみなした TLD のリスト
• IE7 の IDN と Punycode
• シンプルなPunycodeコンバーター