Väliviivojen yllättävän monimutkainen historia verkkotunnusten maailmassa

Oletko koskaan miettinyt, kuinka monta yhdysmerkkiä voi survia peräkkäin verkkotunnukseen? Minä mietin. Se alkoi huolettomasta kysymyksestä, mutta vei minut Internetin standardien parissa vuosikymmenten taakse — ja vastaus on paljon kiinnostavampi kuin voisi kuvitella.

Pika vastaus (Asia on mutkikas)

Teoriassa voitaisiin sulloa peräti 59 peräkkäistä yhdysmerkkiä verkkotunnukseen. Käytännössä? Se on monimutkaisempaa. Vastaus riippuu siitä, mitä RFC-dokumenttia siteerat, mitä TLD-rekisteriä katsot, ja ilmeisesti myös siitä, onko kukaan vaivautunut valvomaan sääntöjä viimeisen 25 vuoden aikana.

Pitkä erikoinen matka Internetin historiaan

Kerrataanpa. Jo vuonna 1978 varhaiset Internet-standardit kutsuivat yhdysmerkkiä "miinusmerkiksi" eikä väliviivaksi. RFC 608 määräsi, että isäntänimet saivat sisältää kirjaimia, numeroita ja miinusmerkin — vain kaksi todellista rajoitusta: ensimmäisen merkin piti olla kirjain, ja viimeinen merkki ei saanut olla miinusmerkki.

Vuonna 1981 tämä virallistettiin RFC 810:ssä, joka kuvasi verkkotunnus-syntaksia nykyään vanhanaikaiselta näyttävällä ohjelmointinotaatiolla: <name> ::= <let>[*[<let-or-digit-or-hyphen>]<let-or-digit>]. Suomeksi: aloita kirjaimella, lopeta kirjaimella tai numerolla, ja laita välissä mitä haluat.

RFC 952 vuodelta 1989 vei tämän eteenpäin hieman siistimmällä kielellä. Sitten tulivat vuoden 1987 RFC 1035, jota siteerataan usein "suositeltuna nimi-syntaksina". Se vahvisti: labelit pitää aloittaa kirjaimella, lopettaa kirjaimeen tai numeroon, ja sisäisesti voi käyttää vain kirjaimia, numeroita ja yhdysmerkkejä.

Huomaa jotain? Ei rajoitusta yhdysmerkkien määrälle.

IDN-käänne

Kaikki pysyi melko vakaana vuoteen 2010, kun kansainvälistetyt verkkotunnukset (IDN) astuivat kuvaan. Nämä käyttävät xn---etuliitettä mahdollistaakseen muut kuin ASCII-merkit. Täällä asiat alkavat kiinnostaa.

RFC 5891 esitteli uuden säännön: "Unicode-merkkijono EI SAA sisältää '--' (kahta peräkkäistä yhdysmerkkiä) kolmannessa ja neljännessä merkkipaikassa."

Miksi? Koska xn-- näyttää samoilta merkeiltä kuin -- paikoissa 3-4. Sääntö on olemassa sekaannusten estämiseksi. Jos verkkotunnuksesi alkaa xn:llä, olet turvassa. Muut? Kaksi yhdysmerkkiä paikoissa 3 ja 4 ovat kiellettyjä.

Joten teoreettisesti voitaisiin survia 59 peräkkäistä yhdysmerkkiä aloittamalla ne paikasta 4 ja päättämällä paikkaan 62. Jotain tyyliin abc---[…]---z.com pitäisi toimia.

Vai pitäisikö?

Todellisuus puree: TLD-rajoitukset

Tässä on juttu standardien kanssa — ne ovat vain suosituksia, kunnes joku alkaa valvomaan niitä. Jokainen Top Level Domain -rekisteri voi asettaa omat käytäntönsä, usein rajoittavammat kuin RFC:t.

Jotkut rekisterit kieltävät tietyt sanat. Jotkut eivät hyväksy IDN-rekisteröintejä lainkaan. Jotkut estävät julkisten suffiksien impersonaation.

Ja sitten on Etelä-Sudanin .ss-rekisteri, joka raportoidusti kieltäytyy sallimasta yhtään yhdysmerkkiä. Nolla. Ei yhtään. Ei edes yhtä ainoaa.

Nominet, joka hallinnoi .uk-päätettä, ei sinällään rajoita yhdysmerkkejä, mutta ei salli xn---verkkotunnuksia.

Yleisesti ottaen useimmat rekisterit sallivat moniyhdysmerkkiset verkkotunnukset — mutta "useimmat" ei ole "kaikki".

Poikkeamat: Verkkotunnuksia, joita ei pitäisi olla olemassa

Tässä kohtaa homma alkaa kiinnostaa oikeasti. Internet toimii valtavalla määrällä perintöjärjestelmiä, reunatapauksia ja "riittävän hyvä" toteutuksia. Joku päätti kaivaa ja löysi satoja verkkotunnuksia, jotka rikkovat nykysääntöjä.

Huomioita tutkimuksesta:

• 0-------------------------------------------------------------0.com — luotu 1999, nyt poissa
• 0-------------------------------------------------------------5.com — luotu 2001, yhä toiminnassa
• a-------------------------------------------------------------a.com — 61 yhdysmerkkiä. Oikeasti. Kuusikymmentäyksi. Maksimimäärä mahdollista. Tämä verkkosivusto toimii yhä ja näyttää siltä ksei sitä ei olisi päivitetty vuoden 2000 jälkeen.

Oikeasti. Verkkotunnus 61 peräkkäisellä yhdysmerkillä vastaa toimivaa verkkosivustoa vuonna 2024.

Löytyy myös zz--icann-monitoring.uk, rekisteröity 2024 — kauan sen jälkeen kun IDN-säännöt vahvistettiin. Mutta koska Nominet ei salli xn---verkkotunnuksia, tämä on teknisesti sääntöjen mukainen.

Muita maininnan arvoisia ovat verkkotunnukset, jotka vaikuttavat satunnaisesti generoiduilta merkkijonoilta, mahdollisesti käytetyiltä komento- ja ohjauspalvelimilta. Kaavat ovat kiehtovia, jos tykkää sellaisista jutuista.

Mitä tämä tarkoittaa sinulle?

Rehellisesti? Todennäköisesti ei mitään. Useimmat verkkotunnusrekisteröijät estävät sinua rekisteröimästä mitään naurettavaa muutenkaan. Mutta näiden sääntöjen ymmärtäminen on tärkeää, jos:

• Rakennat verkkotunnusvalidointeja sovelluksiisi
• Työskentelet kansainvälistettyjen verkkotunnusten parissa ja tarvitset ymmärrystä xn---poikkeuksesta
• Tarkastat olemassa olevaa infrastruktuuria compliance-ongelmien varalta
• Olet vain utelias siitä, miten Internet todella toimii pinnan alla

Internetin standardit ovat eläviä dokumentteja, vuosikymmenten aikana kehittyneitä ihmisten ratkaistessa todellisia ongelmia kulloinkin. Yhdysmerkkisäännöt heijastavat tasapainoa joustavuuden ja selkeyden välillä — ja kuten useimmat inhimilliset järjestelmät, ne ovat keränneet omat erikoisuutensa matkan varrella.

Seuraavan kerran kun valitset verkkotunnusta, ehkä pysyttelet yksinkertaisessa ja muistettavassa. Mutta nyt tiedät: jos oikeasti haluaisit, voisit teknisesti rekisteröidä hello------------------------------------------world.com.

Et luultavasti pitäisi. Mutta voisit.

Mikä on oudoin verkkotunnus, jonka olet koskaan kohdannut? Laita se kommentteihin — olen vilpittömästi utelias, mitä muita anomalioita siellä on lymyilemässä.