Punycode

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

Punycode ist ein im RFC 3492 standardisiertes Kodierungsverfahren zum Umwandeln von Unicode-Zeichenketten in ASCII-kompatible Zeichenketten, die aus den Zeichen a bis z, 0 bis 9 und dem Bindestrich bestehen. Punycode wurde entworfen, um internationalisierte Domainnamen aus Unicode-Zeichen eindeutig und umkehrbar durch ASCII-Zeichen darzustellen.

Motivation[Bearbeiten]

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 sowie das ß. Um beliebige Texte aus derartigen Sprachen verarbeiten zu können, wurde 2003 das Verfahren Internationalizing Domain Names in Applications eingeführt, das Punycode als Kodierungsverfahren einsetzt.

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 a bis z nicht verändert werden

Regeln der Umwandlung[Bearbeiten]

Beispiele
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. 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 einen Bindestrich 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 Standard Internationalizing Domain Names in Applications (IDNA) wird bei Vorhandensein von Nicht-Basiszeichen ein „xn--“ Präfix vorangestellt, und andernfalls (nur Basiszeichen) kommt Punycode nicht zur Anwendung.

Weblinks[Bearbeiten]