Den förvånansvärt komplexa historien bakom bindestreck i domännamn

Har du någonsin funderat på hur många bindestreck man kan klämma in i ett domännamn? Det gjorde jag. Det som började som en slentrianmässig fråga ledde mig ner i ett kaninhål fyllt med decennier av internetstandarder — och svaret är betydligt mer fascinerande än du kanske tror.

En snabb åsikt (det är inte enkelt)

I teorin kan du använda upp till 59 bindestreck i rad i ett domännamn. Men i praktiken? Det är mer komplicerat. Svaret beror på vilken RFC du kollar, vilken TLD-registry det handlar om, och uppenbarligen även på om någon brytt sig om att faktiskt tillämpa reglerna under de senaste 25 åren.

En lång resa genom internethistorien

Låt oss spola tillbaka. Redan 1978 beskrev de tidiga internetstandarderna bindestrecket som "minus" snarare än bindestreck. RFC 608 specificerade att värdnamn kunde använda bokstäver, siffror och minustecknet — med bara två egentliga begränsningar: första tecknet måste vara en bokstav, och sista tecknet fick INTE vara ett minustecken.

År 1981 formaliserades detta i RFC 810, som beskrev domännamnssyntax med det som idag ser ut som forntida programmeringsnotation: <name> ::= <let>[*[<let-or-digit-or-hyphen>]<let-or-digit>]. Översatt: börja med en bokstav, sluta med en bokstav eller siffra, och placera vad du vill däremellan.

RFC 952 från 1989 förde detta vidare med lite renare språk. Sedan kom RFC 1035 år 1987, som ofta citeras som standarden för "föredragen namn-syntax". Den bekräftade: etiketter måste börja med en bokstav, sluta med en bokstav eller siffra, och får endast innehålla bokstäver, siffror och bindestreck internt.

Lägg märke till vad som saknas? Ingen begränsning av antalet bindestreck.

IDN-komplikationen

Allt var relativt stabilt fram till 2010, när Internationalized Domain Names (IDN) dök upp. Dessa använder prefixet xn-- för att möjliggöra tecken utanför ASCII. Här blir det intressant.

RFC 5891 införde en ny regel: "Unicode-strängen FÅR INTE innehålla '--' (två bindestreck i rad) i tredje och fjärde teckenpositionen."

Varför? För att xn-- ser ut som -- i position 3-4. Regeln finns för att undvika förvirring. Om ditt domännamn börjar med xn är du säker. Alla andra? Två bindestreck i position 3 och 4 är förbjudna.

Så teoretiskt sett kan du ha upp till 59 bindestreck i rad genom att börja dem vid position 4 och avsluta vid position 62. Något som abc---[…]---z.com borde fungera.

Eller?

Verkligheten: TLD-begränsningar

Här är grejen med standarder — de är bara rekommendationer tills någon faktiskt tillämpar dem. Varje toppdomänregistry kan sätta sina egna regler, ofta mer restriktiva än RFC:erna.

Vissa registryn förbjuder specifika ord. Vissa nekar IDN-registreringar helt. Vissa förhindrar imitation av publika suffix.

Och sedan har vi SydSudans .ss-registry, som enligt uppgift inte tillåter några bindestreck alls. Noll. Inget. Inte ens ett enda.

Nominet, som administrerar .uk, har inga bindestrecksbegränsningar i sig, men de tillåter inte xn---domäner.

Generellt sett kommer de flesta registryn låta dig registrera domäner med flera bindestreck — men "de flesta" är inte "alla."

Anomalierna: Domäner som inte borde existera

Här blir det roligt. Internet bygger på massor av äldre system, gränsfall och "tillräckligt nära"-implementeringar. Någon bestämde sig för att gräva lite och hittade hundratals domännamn som bryter mot moderna regler.

Några höjdpunkter från researchen:

• 0-------------------------------------------------------------0.com — skapad 1999, nu nere
• 0-------------------------------------------------------------5.com — skapad 2001, fortfarande aktiv
• a-------------------------------------------------------------a.com — 61 bindestreck. Ja, sextioett. Det maximala möjliga. Webbplatsen fungerar fortfarande och ser ut som om den inte uppdaterats sedan 2000.

Du läste rätt. En domän med 61 bindestreck i rad pekar fortfarande på en aktiv webbplats 2024.

Det finns även zz--icann-monitoring.uk, registrerad 2024 — långt efter att IDN-reglerna etablerades. Men eftersom Nominet inte tillåter xn---domäner följer denna teknisk sett reglerna.

Andra anmärkningsvärda exempel inkluderar domäner som ser ut som slumpmässigt genererade strängar, möjligen använda för kommando- och kontrollservrar. Mönstren är fascinerande om man gillar den typen av saker.

Vad betyder detta för dig?

Ärligt? Antagligen ingenting. De flesta domänregistratorer kommer ändå att förhindra att du registrerar något absurt. Men att förstå dessa regler är viktigt om du:

• Bygger domänvalidering i dina applikationer
• Arbetar med internationaliserade domäner och behöver förstå xn---undantaget
• Granskar befintlig infrastruktur för合规igkeitsproblem
• Bara är nyfiken på hur internet faktiskt fungerar under huven

Internets standarder är levande dokument, utvecklade över decennier av människor som löste verkliga problem vid tillfället. Bindestrecksreglerna speglar en balans mellan flexibilitet och tydlighet — och som de flesta mänskliga system har de ackumulerat sin beskärda del av egenheter längs vägen.

Nästa gång du väljer domännamn, kanske håll dig till något enkelt och minnesvärt. Men nu vet du: om du verkligen ville kunde du teknisk sett registrera hello------------------------------------------world.com.

Du borde förmodligen inte göra det. Men du kunde.

Vilken är den wildaste domänen du någonsin stött på? Skriv i kommentarerna — jag är genuint nyfiken på vilka andra anomalier som lurar där ute.