看中文域名 谈国际域名

在发现我国 CNNIC ROOT 根证书已经悄无声息混进微软 Windows 操作系统受信任的根证书颁发机构和 Firefox 火狐浏览器受信任证书列表中的事实之后（敏感话题，不再过多谈及，只是希望某机构不要做出 MITM 的劣行），我逛了逛 CNNIC 的网站，发现他们在忙着推广"英文/数字.中国"域名的推广。这令我又想起了中文域名这个话题，以及当年 3721 和 CNNIC 的一些变故。当然，那些年的那些破事儿不值得一提，值得一提的一个话题是浏览器对国际域名（IDN）的支持，和其中涉及到的技术。

 

在看了一些".中国"域名的例子后，发现新华网（http://www.xinhuanet.com）已经注册并使用了中文域名"新华网.中国"。于是我使用 IE10 浏览器访问了 http://新华网.中国 。

 

 

IE10 浏览器在检测到国际域名后，会在地址栏的右侧显示一个"字/A"的图标，点击该图标后，我们可以看到该国际域名的详细信息：

 

 

由上图可见，当前使用的字符集为哈尼，该国际域名的国家为中国，母语的域名为"新华网.中国"，编码后的域名为"xn--xkrr14bows.xn--fiqs8s". 我们能在地址栏中正常显示母语地址，是因为我的系统安装了中文语言。

 

通过上面的简述解释，不难会意出，国际域名指的是浏览器地址栏中以非 ASCII 字符集或字母显示的 Web 地址。这允许各个国家的网站使用本地语言和字符集显示其地址。其实微软从 IE7 开始，就已经能够由浏览器处理国际域名了。所谓"处理"，就是指浏览器将用户输入的非英文的域名转换为编码后的英文格式。好，这里就涉及到一个问题，为什么要编码转换？

 

我们知道，域名是访问网站的捷径，因为网站的 IP 地址太难于记忆，而简短且富有语义的域名字符，更加便于记忆和使用。可是要访问到具体的网站，还是得知道该网站的 IP 地址，那么就需要一个中间机构，能将域名转换为对应的 IP 地址。这个中间结构就是 DNS 域名服务器，而转换的过程我们称之为"解析"。域名服务器上记录了注册的域名和网站 IP 地址的对应关系，所以，访问网站时，键入的是域名，可域名服务器已经通过查询自己记录的域名-IP映射关系，对用户透明地将域名转化为了 IP 地址，于是用户最终访问到了这个网站。（实际的中间过程会比这里简述的复杂，可以解释得更为详细）

 

DNS最早于1983年由 Paul Mockapetris 发明，原始的技术规范在 RFC 882 中发布。1987年发布的第1034和1035号草案修正了DNS技术规范，并废除了之前的第882和883号草案。在此之后对因特网标准草案的修改基本上没有涉及到DNS技术规范部分的改动。互联网域名一开始就是以英文 ACSII 字符（的子集）命名和提供注册的，2008年，ICANN（一个国际互联网组织，负责 IP 地址空间分配、协议标识符指派、通用顶级域名及国家和地区顶级域名系统管理、根服务器系统管理）通过一项决议，允许使用其它语言作为互联网顶级域名的字符。但是通用标准的 DNS 域名解析系统从设计到今天，都不能解析非英文 ASCII 字符，这就是为什么要在国际域名开放注册和投入使用后，要将国际域名编码转换为 ASCII 字符的原因。简言之，就是为了与 DNS 系统兼容。（其实还有一个重要原因，是为了防范IDN homograph attack, 即国际域名同形异义字欺骗攻击，又称 IDN 欺骗，本文不赘述。）

 

既然国际域名已经开始使用，浏览器提供这种编码转换功能，将国际域名中各个国家不同文字形成的域名转换成特定的用一些 ASCII 英文字符表示的域名，是理所应当的，这样，用户便不再需要安装一些加载项和工具栏来进行转换，就能直接访问国际域名。世界上有这么多的国家和语言文字系统，将他们各自语言文字的域名转换为英文后，还得确保都是唯一的，就得运用同一种编码规则，而且这种编码既然是用于互联网的域名解析系统的，就得使转换后的编码不至于太长，且能够抵御 IDN 欺骗。现在，这种统一的编码已经存在，它就是 Punycode.

 

Punycode 是一个根据 RFC 3492 制定的编码系统，主要用于把域名从地方语言所采用的 Unicode 编码转换成为可用于 DNS 系统的编码。该编码根据由 IANA 提供的域名相异字表制定，它可以在 Unicode 序列和 ASCII 字符串之间进行唯一和可逆的转换，转换过程中，Unicode 序列中的 ASCII 字符保持不变，国际化字符则用字母和数字表示。它可以防止 IDN 欺骗。

 

简单地看看 Punycode 的一个例子，新华网.cn 的 Punycode 就是 xn--xkrr14bows.cn, "新华网"三个字从中文转化为 xn--xkrr14bows，而分隔符"."不变，英文字母"cn"也不变。如果后缀不是".cn", 而是".中国"，那么分隔符"."仍不变，"中国"编码为 xn--fiqs8s。既然 DNS 处理的仍旧是不包含国际字符的 Punycode，国际字符是通过浏览器转换成 Punycode 的，那我们访问 http://xn--xkrr14bows.xn--fiqs8s 等同于访问 http://新华网.中国。注意，国际字符命名的域名和转换后的 Punycode 这两者是一回事儿，是同一个域名，而新华网的英文域名 http://www.xinhuanet.com 是另一个注册的域名，只不过这两个域名都指向新华网网站服务器。根据 Punycode 编码规则，英文和数字不变，因此新华网的英文网址经过 Punycode 编码后，仍是它本身。

 

可能有聪明的朋友会问到，为什么不升级 DNS 服务器的 DNS 程序，让它能直接处理不同语言文字的国际域名呢？其实这不是一个技术问题，而是现实生活中，有太多的域名服务器，他们都同时在支持国际互联网这个超级大的生产环境，如果要升级，就得同时升级所有的 DNS 服务器，才能确保直接解析国际域名的功能可用，如果升级了一部分，就会导致新的服务问题。就像是 Windows 操作系统的新版本始终得保留一些对旧有系统中程序的兼容性。要彻底淘汰一个东西，可能需要通过很多版本对某一功能进行演化之后，让这个功能与多年前大不同，并且几乎没有人再用多年前的那套东西后，才能淘汰。这样的例子还有很多，例如虽然现有的 IPv4 地址都已经分配完了，没有新地址空间了，但是大家都迁移到 IPv6 还需要很长的时间，没有人能确切地说，什么时候才能彻底淘汰 IPv4 的应用。因此，发明 Punycode 并且让浏览器来讲国际域名转换为 Punycode 是成本低且高度兼容的做法，因此被实施。

 

好了，说到这里，您应该知道了，国际域名其实还是转换为了 ASCII 字符中的一些英文字母、数字和部分符号。国际域名的使用同样需要向域名注册机构申请注册，其实域名注册机构那里和 DNS 系统中保存的不是国际字符，而是 Punycode。现代浏览器大多都支持将国际字符按照规则转化为 Punycode 后再发送给 DNS 服务器查询。而域名中的"."点分隔符只是起到分隔符的作用，如果您键入的是中文分隔符句号"。"，一样不影响。如果您可以正常访问 http://新华网.中国，或者http://新华网。中国，说明您的浏览器至少是支持将中文转化为 Punycode 的，不妨试试~