punycode如何區分類似的IRI？

Question

我一直在尋找國際化的資源標識符，有一件事情讓我煩惱。

我的理解是，對於一個域名每個標籤（xyzzy.plugh.com有三個標籤，xyzzy，plugh和com），執行下面的過程把它翻譯成ASCII表示，使得它可以被所有的傳統處理好軟件：

• 如果它僅由ASCII字符組成，則按原樣複製。
• 否則：
  • 首先我們輸出xn--後跟所有的ASCII字符（跳過非ASCII）。
  • 然後，如果最後一個字符不是-，我們輸出-將ASCII與非ASCII分開。
  • 最後，我們使用punycode對每個非ASCII字符進行編碼，以使它們顯示爲ASCII。

我的問題，然後就是：我們如何在以下兩個Unicode URI的區別？

http://aa☃.net/ 
http://☃aa.net/ 

在我看來，那這些都將編碼爲：

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

僅僅是因爲測序信息已經丟失了標籤作爲一個整體。

或者我錯過了規範中的某些東西？

Answer 1

據one punycode encoder，有不同的編碼：

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

的relevant RFC 3492細節爲什麼是這樣的情況。首先，它在介紹中提供了線索：

唯一性：最多隻有一個基本字符串表示給定的擴展字符串。

可逆性：映射到基本字符串的任何擴展字符串都可以從該基本字符串中恢復。

這意味着必須有可微一個一對一映射爲每個單獨的基本/擴展串對。

理解它如何區分這兩種可能性需要理解解碼器（將基本字符串變成擴展的字符串，並帶有所有Unicode的榮耀）。

解碼器開始通過與僅僅是基本的字符串aa.net的指針第一a開始，然後施加一系列增量的，如gsx或esx。

三角洲實際編碼兩個東西。第一個是非插入數量，第二個是實際插入。

所以，gsx（在aa☃.net增量）將編碼兩個非插入隨後的☃插入（跳過aa）。 esx delta（對於☃aa.net）將編碼零非插入，然後插入☃。

這就是位置編碼到基本字符串中的方式。