Punycode

Le Punycode est un système d'encodage qui permet de représenter des caractères non-ASCII (comme les accents, les caractères cyrilliques, chinois, arabes, etc.) en utilisant uniquement 37 caractères ASCII. Son utilisation principale est dans les noms de domaine internationalisés (IDN - Internationalized Domain Names).

Punycode a été développé pour résoudre un problème majeur : les noms de domaine traditionnels ne supportent que 37 caractères ASCII (26 lettres de a à z, 10 chiffres de 0 à 9 et le trait d'union -).

Avec l'expansion d'Internet à l'échelle mondiale, il est devenu nécessaire de permettre l'utilisation de caractères issus des alphabets étrangers dans les noms de domaine.

Punycode permet de convertir tout caractère Unicode en une séquence ASCII, rendant ainsi les noms de domaine internationaux compatibles avec l'infrastructure existante.

Punycode fonctionne en deux étapes principales :

— Séparation des caractères : Le nom de domaine est divisé en deux parties : les caractères ASCII (qui restent inchangés) et les caractères non-ASCII.

— Encodage des caractères non-ASCII : Les caractères non-ASCII sont convertis en une séquence de caractères ASCII en utilisant un algorithme spécifique (appelé Bootstring). Cette séquence est ensuite ajoutée à la fin du nom de domaine, précédée du préfixe xn--.

Punycode est basé sur l'algorithme Bootstring, un algorithme d'encodage général pour les chaînes Unicode. Le processus d'encodage (Unicode vers Punycode) est le suivant :

— La chaîne Unicode est scannée, les caractères ASCII (de codes 0 à 127) sont recopiés directement.

— Les caractères non-ASCII sont extraits, dédoublonnés, et triés par ordre de point de code Unicode croissant.

— Chaque caractère non-ASCII est encodé par un nombre définissant à la fois le caractère à insérer et son emplacement dans la chaine. Le nombre est ensuite codé dans un système proche (mais pas identique) de la base 36 avec des lettres et des chiffres.

— La séquence de lettres et de chiffres obtenue est ajoutée à la fin de la chaîne Punycode en construction, séparée des caractères précédents par un tiret -.

Les adresses en Punycode commencent toujours par le préfixe xn-- suivi d'une série de lettres et chiffres.

Punycode est actuellement la méthode standard pour encoder les noms de domaine internationaux.

La RFC 3492 décrit en détail le fonctionnement de l'encodage Punycode.

La longueur de l'encodage peut être significativement plus longue que le texte original.

Punycode est généralement sûr, mais il peut être utilisé pour créer des noms de domaine qui ressemblent à d'autres noms de domaine (attaques d'homoglyphes ou de phishing).

Les navigateurs modernes tentent de détecter et d'avertir les utilisateurs de ces risques potentiels.