Czy identyfikatory IRI są prawidłowe jako wartości atrybutów HTML?

Question

Czy prawidłowy kod HTML używa identyfikatorów IRI zawierających znaki spoza ASCII jako wartości atrybutów (np. Dla atrybutów href) zamiast identyfikatorów URI? Czy są jakieś różnice między smakami HTML (HTML i XHTML, 4 i 5)? Co najmniej RFC 3986 wydaje się sugerować, że tak nie jest.

Zdaję sobie sprawę, że prawdopodobnie będzie bezpieczniejsze (w przypadku starszych i nieświadomych oprogramowania IRI) stosowanie kodowania procentowego, ale szukam ostatecznej odpowiedzi w odniesieniu do standardu.

Do tej pory zrobiłem kilka testów z W3C validator, a nieodwzorowane znaki Unicode w identyfikatorach URI nie wyzwalają żadnych ostrzeżeń ani błędów z dokumentami typu 4/5 i XHTML 4/5 (ale oczywiście brak błędu wiadomości nie oznacza braku błędów).

Co najmniej chrome obsługuje również surowe IRI UTF-8, ale procent-ucieka je przed wystrzeleniem żądania HTTP. Również mój serwer WWW (lighttpd) wydaje się obsługiwać znaki UTF-8 w ich procencie zakodowanym, jak również w postaci nieskodowanej w żądaniu HTTP.

Answer 1

HTML 4.01 jest wystarczająco prosty. Różne atrybuty mają różne zasady co do czego mogą zawierać, ale jeśli mamy do czynienia z atrybutem href na elemencie <a>, wówczas HTML 4 spec, section B.2.1 Non-ASCII characters in URI attribute values mówi:

... następująca wartość href jest nielegalne:

<A href="http://foo.org/Håkon">...</A>

HTML5 jest inna. Mówi IRIs are valid providing they comply with some additional conditions.

URL jest prawidłowy adres URL, jeśli co najmniej jeden z następujących warunków posiada:

• URL jest prawidłowy odnośnik URI [RFC3986].

• Adres URL jest prawidłowym numerem referencyjnym IRI i nie zawiera składnika zapytania. [RFC3987]

• Adres URL to poprawne odwołanie IRI, a jego element zapytania nie zawiera znaków ASCII bez znaków kontrolnych. [RFC3987]

• Adres URL to poprawne odwołanie IRI, a kodowanie znaków dokumentu URL to UTF-8 lub kodowanie UTF-16. [RFC3987]

XHTML 1.x zastosowanie te same zasady jak HTML 4.01.

XHTML5 jest taki sam jak HTML5.

Answer 2

W razie wątpliwości należy przeczytać oficjalne specyfikacje HTML, aby uzyskać ostateczne odpowiedzi.

HTML 4 nie obsługuje w ogóle IRI. Muszą być kodowany jako URI za RFC 3987 Section 3.1 lub kodowania dla danych ASCII URI w UTF-8 procent kodowania za HTML4 Section B.2.1

HTML 5 wymaga URI i tęczówki we wszystkich miejscach, w których dozwolony URL, za HTML5 Section 2.6.