信息图:地址栏里协议、域名、路径三段各自负责什么
阅读口径

本文只讲编码与显示的对应关系,不针对具体名字,也不提供任何链接。

汉字怎么进域名

域名系统的协议层只认 ASCII 字符。汉字要作为域名使用,必须先按一套固定的编码规则转成 ASCII 形式,转换结果统一以 xn-- 开头。这套规则把 Unicode 字符映射成可传输的字符串,浏览器和输入法在背后完成,用户不必手动操作。所以“中文域名”在显示层是汉字,在请求层是编码,两层看到的并不是同一个东西,只是互相能对上。这套编码不是加密,任何人都能还原,所以它不提供任何隐藏效果,只解决传输问题。转码是确定性的,同一个汉字永远得到同一串字符,这让比对成为可能。

为什么有时显示汉字有时显示编码

显示方式由浏览器决定:多数浏览器会把能正确解码的 xn-- 还原成汉字,方便阅读;遇到混排、同形字或解码失败,就原样显示编码。复制地址时也会分裂:有的应用复制的是屏幕上的显示文本,有的复制的是编码后的形式。两者粘到同一个输入框里,看起来就像两个不同的地址,其实指向同一个名字,只是其中一份还没被还原。有些输入框会自动把粘贴的汉字转成编码,另一些原样保留,这也是同一地址在两处显示不同的原因。地址栏显示什么,取决于浏览器版本和语言设置,换台设备也可能看到不同结果。

同形字为什么是风险点

不同汉字在视觉上可能极像,转成编码后却是完全不同的字符串;某些拉丁字母与汉字在特定字体下也难以分辨。所以“看着一样”在编码层可能差得很远。核对的办法不是盯着看,而是把地址复制出来,比较 xn-- 后面那一段是否逐字符一致。长度、字符数、连字符位置,都是可以数的,比“我觉得像”可靠。同形字的问题不在于技术,而在于信任:你信任的是屏幕上那个形状,而解析用的是形状背后的码位。比较时不要用截图,截图会把字体差异一起带进来。

可执行检查单

  1. 01复制地址时确认拿到的是显示文本还是编码形式。
  2. 02比较两个中文域名时逐字符比对,不要凭视觉印象下结论。
  3. 03看到 xn-- 不必紧张,它只是转码结果,任何中文域名都会带上。

一个常见问题

xn-- 开头的地址一定是假的吗?

不一定。任何中文域名在编码层都以它开头,这是正常现象。判断真假要看注册信息与页面自称的主体,而不是看有没有这五个字符——把它当成危险信号,是把正常机制误读成了异常。真正需要警惕的是同一串汉字配了不同的编码,或者编码相同而显示不同。把正常机制当成警报,反而会让人忽略真正的异常。

两层怎么对齐

把地址粘到纯文本里看编码形式,再用两种输入方式各打一遍,比对结果是否一致。两次一致,说明你面对的是同一个名字;不一致,说明中间有一层在改写。这个方法不需要任何工具,只需要一个不自动纠错的输入框。如果两次比对结果不同,先检查是不是其中一个被输入法改写,再怀疑别的。这个方法对混排写法尤其有用,因为汉字部分最容易在复制中被改写。