Punycode/IDN转换工具 - 中文域名与xn-- 编码互转

4290 字
21 分钟
Punycode/IDN转换工具 - 中文域名与xn-- 编码互转

三个场景,其实是同一个问题#

第一个场景在注册商后台。你挑好了一个中文域名,填进搜索框,页面提示「请输入域名(英文、数字、连字符)」,或者跳出一行 xn--kivx9u.net 让你确认。你想确认一下这两个是不是同一个东西,又怕点错。

第二个场景在 DNS 面板。解析记录列表里主机名一栏写着 xn--fiq228c.xn--fiqs8s,你没见过这串东西,不知道它对应哪个域名,也不敢动。

第三个场景在代码里。浏览器地址栏明明显示的是「中文.中国」,但抓包看请求头、看网关日志、看证书信息,全是 xn-- 开头的一串。有人以为是编码转了,或者被谁改写了。

这三个场景的共同点是:同一个域名有两副面孔,一副给人看,一副给机器用,而你需要一个能随时对照的地方。星点 Punycode / IDN 域名转换工具 做的就是这件小事:Unicode 域名与 ASCII/Punycode 形式双向互转,可以粘一整条 URL 让它自己把主机名挑出来,全部在浏览器本地完成,输入的域名不会发到任何服务器。

IDN 与 Punycode 是什么关系#

这几个词经常被混着叫,先拆开。

IDN(Internationalized Domain Name,国际化域名)是一个”目标”:让域名可以用中文、日文、德文的变音字母等非 ASCII 字符表示。

Punycode(RFC 3492)是一个”手段”:把一串 Unicode 字符编码成只含 a-z、0-9、- 的 ASCII 字符串。它只管一个标签(label,也就是点与点之间那一段),不管点怎么分隔、整条域名多长。

xn-- 是一个前缀标记(ACE prefix)。编码结果前面加上它,就表示”这一段是 Punycode 编码过的”,形如 xn--kivx9u。

真正约束”什么算合法域名”的是另一套东西:IDNA(RFC 5890 / 5891)规定了 U-label 与 A-label 的对应关系、归一化、禁用码点、脚本混用、双向文字等规则;UTS#46 是浏览器等实现常用的兼容性映射规范,负责把全角字母、大小写、各种变体先”抹平”再转。

层面名称例子谁会看到
人看的写法U-label中文.中国地址栏、宣传物料、名片
机器用的写法A-labelxn--fiq228c.xn--fiqs8sDNS、证书、日志、CDN 后台
编码算法Punycodefiq228c只在实现层出现
域名级规范IDNA / UTS#46归一化、映射、禁用字符注册局、浏览器

为什么非要有 A-label 这一层?因为域名系统成型得比 Unicode 早,链路上一堆老设备、老网关、老协议只认 ASCII 字节。于是标准做法是:对外传输、存储、比较的一律用 ASCII 形式,只在展示给用户的时候才转回 Unicode。A-label 在设计上还有个巧思——原标签里的 ASCII 字符会原样留在最前面,后面接 - 和编码段,所以 münchen 变成 mnchen-3ya,你还能认出这是哪个词。

转换示例:几组能直接对照的结果#

下面这些结果可以直接拿去核对(星点.net 只是拿品牌名当示例串,不代表任何注册状态):

星点.net → xn--kivx9u.net
星点.公司 → xn--kivx9u.xn--55qx5d
中文.中国 → xn--fiq228c.xn--fiqs8s
例子.测试 → xn--fsqu00a.xn--0zwm56d
www.星点.net → www.xn--kivx9u.net
bücher.de → xn--bcher-kva.de
münchen.de → xn--mnchen-3ya.de

几点值得注意:

  • xn-- 只加在需要编码的那一段上。www 是纯 ASCII,原样保留;星点 编码成 xn--kivx9u;两段之间用普通的点连接。所以一条中文域名常常是”一半 ASCII 一半 xn—“的样子。
  • 编码段没法肉眼推算。 它不是查表,而是把码点排序后做变长整数编码,星点 对应 kivx9u,换个词就完全不同。所以不要试图”猜”或者”改一位凑一凑”。
  • 多一个字,整段都会变。 同一个前缀、后面跟不同的字,编码段不是简单拼接关系。想判断两个 xn-- 是不是同一个域名,只能解回去看。
  • 例子.测试 是工具自带的默认样例,只用来演示格式,不是真实可访问的站点。

工具怎么用#

界面很朴素,四个动作就能走完:

  1. 选方向:→ ASCII (Punycode) 把中文域名转成 xn--,→ Unicode 把 xn-- 转回中文;
  2. 把域名粘进左侧输入框。默认样例是 例子.测试,右侧实时出结果;
  3. 如果手上是一整条链接,打开「从 URL 提取主机名」开关,再粘整条 URL;
  4. 点「复制」,或者点「交换」把结果挪到输入框并自动翻转方向,做一次往返验证。

「从 URL 提取主机名」这个开关值得单独说一句。 打开之后,工具会把提取到的主机名回显出来,形如「已提取主机名:xn--kivx9u.net」,然后再对这一段做转换。这样你能一眼确认它到底抓了什么、转了什么,而不是对着一个结果猜。

它按两种方式提取:

  • 输入里带 :// 时,走标准 URL 解析,取 hostname。注意浏览器和标准解析器本身会先做一次 IDNA 转换,所以带协议头的中文 URL 提取出来通常已经是 xn-- 形式,端口号会被正确剥离;
  • 不带 :// 时,按 /、?、# 切第一段。比如 星点.net/path?q=1 会提取出 星点.net,路径和参数不会跑进转换里。

如果还想看得更细——协议、主机名、端口、路径、每个查询参数分别是什么,用 URL 解析工具 会更直观,两个工具配合着用能省不少来回。

为什么浏览器显示中文,代码里却是 xn—#

这不是”哪里出了 bug”,而是每一层各自按自己的规矩办事。同一条中文域名,在不同位置上会以不同形式出现:

  • 地址栏:按 UTS#46 转成 A-label 去查询,显示时再转回 U-label。为了防钓鱼,浏览器遇到”混合书写系统”的域名会改用 xn-- 形式显示,这是故意的;
  • HTTP 请求:Host 头按规范应该是 ASCII,实际发出去的就是 A-label;
  • HTTPS 证书:证书里的 SAN 一般以 A-label 形式签发,用中文域名申请证书时,后台多半也会提示会转成 xn--;
  • 日志与监控:网关、WAF、DNS 面板、告警系统里出现的绝大多数是 A-label,因为它们的匹配逻辑天然按字节走;
  • 复制粘贴:从地址栏复制出来的到底是 Unicode 还是 xn--,不同浏览器、不同版本并不一致,别把它当成可靠依据。

所以当”两边对不上”时,正确动作是先做一次双向转换,确认它们指向同一个域名,而不是去怀疑某一侧被改写。这也是为什么很多平台在填写域名的地方会同时显示两种形式——它们知道用户需要这个对照。

六个常见错误#

1. 把路径和查询参数一起粘进去#

最常见的翻车方式。粘的是 https://星点.net/app?q=中文,没开”从 URL 提取主机名”,工具会把整串当成一个标签去编码,输出一段莫名其妙的东西,里面还带着 https:// 和 /app 的痕迹。

原因很简单:Punycode 处理的是标签,标签里不该有点、斜杠、问号。处理办法就是打开「从 URL 提取主机名」,或者先用 URL 解析工具 把 hostname 单独拿出来。带端口的 星点.net:8443 也是一样,端口不是域名的一部分。

2. 非法字符:能转出来,不等于能用#

下划线、全角句号、全角字母这类字符,在 Punycode 这一层是可以编码的——它们被当成标签里的普通码点编进去。于是 星点_net 会输出 xn--_net-pg0iy65c,星点。net 会输出 xn--net-7y3by99zjkn。

这两个结果语法上都成立,但都不是合法域名。 下划线在 IDNA 里不允许;全角句号 。 不是点分隔符,它会连带前后的字一起算作同标签内容,编出来的东西指向的根本不是你以为的那个域名。注册商和 DNS 都会拒绝这类结果。

这类问题工具不会拦,因为它只做 Punycode 与标签级检查,不背 IDNA 的码点表。粘之前把中文标点、全角符号换成半角,是最省事的做法。

3. 空标签:连续点、开头点、结尾点#

星点..net(两个点连着)、.星点.net(开头一个点)、星点.net.(结尾一个点)都会报”域名包含空标签”。

前两个是明显的手滑。第三个容易被误解——结尾那个点在 DNS 里是有含义的,表示”绝对域名 / 根”,dig 的输出经常带。但转换工具处理的是域名主体,不是区域文件里那一行,所以粘之前把尾点去掉。

4. 超长标签#

单个标签的 ASCII 形式上限是 63 个字符(RFC 1035),整条域名上限 253。中文一个字在 UTF-8 里占 3 字节,但这里该看的是转换后的 ASCII 长度:像 星点编码工具在线测试域名 这 12 个字,转出来是 xn--h6qw6dexd6uah4t9jnkhmuugllsi2ph1a623i,41 个字符。也就是说,一个标签写到十几个汉字时就要留神,二十个字左右基本会顶到上限。

超过上限时工具直接报错,不会截断成”能过校验的假结果”——这一点很重要,因为截断后的标签可能恰好是另一个已存在的域名。

5. 大小写与 xn— 前缀#

DNS 本身大小写不敏感,XN--KIVX9U.NET 和 xn--kivx9u.net 是同一个域名。工具在 → ASCII 方向统一输出小写,XN--KIVX9U.NET 进来、xn--kivx9u.net 出去。

→ Unicode 方向则只处理 xn-- 开头的标签,其余标签原样返回,所以 星点.NET 会得到 星点.NET,后缀的大小写保留着。这不是错误,只是两个方向的分工不同。

还有一个细节:已经是 xn-- 的标签在 → ASCII 方向不会再被解码校验,只做小写化。所以别拿它当”这个 A-label 是否合法”的检查器用。

6. 把”能解出来”当成”这域名有效”#

→ Unicode 方向对任何 xn-- 开头的串都会尝试解码,能解出码点就返回,不判断这些码点组成的词是否合法、是否被禁用、是否混合了多种书写系统。xn--notvaliddd.net 这种随手编的串,也能解出一串汉字来。

反过来说:解码成功只说明”这串 ASCII 符合 Punycode 语法”,不说明它对应一个真实注册、可以访问的域名。验证域名是否存在,得去查 DNS 或注册局,转换工具帮不上。

边界:只实现 Punycode 与标签校验,不等于完整 IDNA#

这一节是全文最该认真看的部分,因为它决定了你什么时候能信这个结果、什么时候不能。

它做的检查:

  • 拆分标签,任何空标签直接报错;
  • 每个标签的 ASCII 形式超过 63 字符报错;
  • 标签不能以连字符开头或结尾;
  • 无法编码的输入(比如编码过程溢出)明确报错,不静默替换。

它没做的事:

  • 不做 UTS#46 映射。 全角 ABC.com 不会被映射成 abc.com,而是老老实实编码成 xn--ph7ccd.com——一个完全不同的域名。同样,NFC 归一化、各种兼容字符的折叠,也都不做;
  • 不做 IDNA2008 的码点校验。 禁用码点、上下文规则(CONTEXTJ / CONTEXTO)、标签第 3、4 位为连字符的限制,都不在检查范围内;
  • 不做双向文字(bidi)规则检查,阿拉伯文、希伯来文与拉丁字母混排的标签不会被拦;
  • 不做脚本混用检测,这是同形异义攻击的主要入口;
  • 不校验整条域名的总长度,只管单个标签的 63;
  • 不做”这个域名是否已注册、是否可访问”的任何判断。

关于同形异义(homograph),说清楚一点:西里尔字母 а(U+0430)和拉丁字母 a(U+0061)在多数字体下几乎一模一样,用西里尔字母拼出的 аpple.com 在不少场合能以假乱真。浏览器对”混合书写系统”的域名会显示成 xn-- 形式来提醒,但同一书写系统内部的形近字、以及用户根本不看地址栏的情况,它拦不住。这类风险的完整防护需要专门的库、注册局的黑名单、以及产品层面的展示策略,不是一次编码转换能解决的。

所以:做域名展示、日志排查、配置对照,这个工具够用;做安全敏感的判断——登录页域名校验、支付前的链接核对、证书与预期域名比对、反钓鱼过滤——请用成熟的 IDNA/UTS46 实现(服务端一般是语言生态里的 idna 类库,或 ICU),并按 A-label 做比较。

常见问题(FAQ)#

xn-- 是什么,能自己手写吗? `xn--` 是 ACE 前缀,表示后面这段是 Punycode 编码结果。它本身不携带信息,真正的编码在 `xn--` 之后。不建议手写:编码段是把码点排序后做变长整数编码的结果,改一个字符就是完全不同的域名,很容易写出语法合法但指向别处的串。要 `xn--` 形式,就用工具转。
中文域名注册之后,为什么到处都显示成 xn--? 因为存储和传输用的是 ASCII 形式。DNS、证书、CDN、日志、邮件系统这一整条链路,历史上都建立在"域名只含 ASCII"的前提上,A-label 就是为此准备的兼容表示。注册商后台、解析面板显示 `xn--` 属于正常现象,不是你的域名被改了。
转出来的 xn-- 域名能直接粘到浏览器里访问吗? 能,浏览器会把它转回 Unicode 再显示。但要注意两点:一是域名必须真实存在且解析正常,转换成功不代表能访问;二是部分浏览器对混合书写系统的域名会一直显示 `xn--` 形式,这是防钓鱼策略,不是你输错了。
为什么全角字母 ABC 没有转成 abc? 因为工具只做 Punycode 编码,不做 UTS#46 映射。UTS#46 会把全角字母、大小写等变体先折叠到标准形式再编码,而这里直接按码点编码,于是 `ABC` 变成了一个独立的 `xn--` 标签。粘之前先把全角转半角,结果才对得上。
转出来的结果和 DNS 面板里的不一样,是哪个错了? 多数情况是大小写、尾点、或者你把整条 URL 而不是主机名喂给了工具。先确认三点:有没有把路径和参数带进去、有没有多余的点、大小写是否只是显示差异。如果还是不放心,把面板里那串 `xn--` 粘进来选 `→ Unicode`,能还原成你认识的中文域名就说明是同一个。
这个工具能做 IDNA 合规校验、能防钓鱼吗? 不能。它实现的是 Punycode 编码解码加标签级检查(空标签、63 字符上限、首尾连字符),不做 UTS#46 映射、不做 IDNA2008 码点与上下文规则、不做 bidi 和脚本混用检查,同形异义相关的提示也不完备。安全敏感场景请使用专用 IDNA 库,并按 A-label 做严格比较。
输入的域名会被上传吗? 不会。转换全部在浏览器本地完成,不产生网络请求,关掉页面数据就没了。

总结#

中文域名这件事,说到底就是一句话:给人看的是 Unicode,给机器用的是 xn--,两者之间靠 Punycode 编码,靠 IDNA 约束合法性。 记住这句,注册后台的 xn-- 提示、DNS 面板里那串陌生字符、日志和地址栏对不上的问题,就都能自己对照出来了。

用的时候留意三件事:转换的是主机名,不是整条 URL;粘之前把全角符号和中文标点换成半角;看到结果能转出来,不等于它是合法域名,更不等于它存在。

星点 Punycode / IDN 域名转换工具 把双向转换、URL 主机名提取和回显、标签级错误提示放在一个页面里,边界也写在明处:只做 Punycode 与标签校验,不做完整 IDNA 规范化。排查和对照够用,安全判断另请高明。

立即体验:访问 Punycode / IDN 域名转换工具

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

相关文章 智能推荐
1
Hex十六进制编码解码工具 - 文本与十六进制在线互转
编码工具 Hex 十六进制编码解码工具使用指南:讲清一个字节为什么对应两位十六进制、UTF-8 文本怎么变成字节(含中文 3 字节实例),以及协议调试、抓包看字节、写测试数据、识别文件头时的实际用法;说明大小写、分隔符、0x 前缀三个选项的差异,非 UTF-8 时按字节展示与 BOM/NUL 提示的含义,附对比表与常见错误。
2
Unicode编码解码工具 - 码点、\u转义与UTF-16/UTF-8互转
编码工具 在线 Unicode 编码解码工具说明:文本与码点(U+4F60)、Unicode 转义(\u4F60)双向转换,码点支持 U+、\u、十进制三种格式与可选分隔符,并逐字符展示 UTF-16 代码单元与 UTF-8 字节。含代理对计算、emoji 非 BMP 示例、孤立代理项与长度误判等常见坑,浏览器本地处理。
3
Base64编码解码工具 - 在线Base64/Base64URL/Data URL互转(本地处理)
编码工具 在线 Base64 编码解码工具:标准 Base64(+ /)与 URL 安全 Base64URL(- _)双字母表互转,填充可选、可忽略排版空白、自动识别 Data URL 并拆出 MIME,解码结果非 UTF-8 时按 Hex 展示原始字节。含长度膨胀、填充规则、中文乱码与「+ 变空格」排查,浏览器本地处理,不上传数据。
4
HTML实体编码解码工具 - &、<等字符实体在线转换
编码工具 在线 HTML 实体编码解码工具:命名实体、十进制与十六进制数字实体双向转换,支持关键字符或扩展非 ASCII、单引号策略与未知实体处理。讲清五个关键字符为什么要转义、实体编码为什么不能当 XSS 防护,以及重复编码、script 上下文等常见坑,浏览器本地处理。
5
Base32编码解码工具 - RFC 4648 在线转换(A-Z 2-7)
编码工具 在线 Base32 编码解码工具:按 RFC 4648 标准字母表 A-Z 与 2-7 双向转换,支持输出大小写、填充保留或移除、忽略空格换行,解码严格校验非法字符与末组填充位。含 Base32/Base64/Hex 对比、TOTP 密钥场景与常见报错排查,浏览器本地处理不上传。
随机文章 随机推荐
公告
🎉 已升级 2.0 版本,欢迎使用。
分类
标签
站点统计
文章
247
分类
31
标签
973
总字数
633,901
运行时长
0 天
最后活动
0 天前

目录