jak potwierdzić internationalized domain name

Question

Chcę potwierdzić adres domeny w PHP, które mogą być w formacie umiędzynarodowionego nazwy domeny jak w greckiej nazwy domeny = http: //παράδειγμα.δοκιμή Czy ich sposób, aby potwierdzić go za pomocą regularnych wyrażenie?

Answer 1

To są domeny idn, najpierw zamieniłbym je na domeny puny code i validate domen.

Ale jeśli naprawdę chcesz, aby sprawdzić poprawność przez regex

<?php 

$domain = 'παράδειγμα.gr'; 
$regex = '#^([\w-]+://?|www[\.])?([^\-\s\,\;\:\+\/\\\?\^\`\=\&\%\"\'\*\#\<\>]*)\.[a-z]{2,7}$#'; 
if (preg_match($regex, $domain)) { 
    echo "VALID"; 
} 

Ale to pozwolić uruchomić fałszywych possitives, bo to jest naprawdę skomplikowane, aby zweryfikować domenę IDN tryed, aby potwierdzić, że nie ma nieprawidłowe znaki są wewnątrz, ale lista NIE jest kompletna.

lepiej konwertować bevore kodu punny

$regex = '#^([\w-]+://?|www[\.])?[a-z0-9]+[a-z0-9\-\.]*[a-z0-9]+\.[a-z]{2,7}$#'; 
if (preg_match($regex, idn_to_ascii($domain))) { 
    echo "VALID"; 
} 

A jeśli dodatkowy chcą sprawdzić, czy domena może być rozwiązany spróbować:

$regex = '#^([\w-]+://?|www[\.])?[a-z0-9]+[a-z0-9\-\.]*[a-z0-9]+\.[a-z]{2,7}$#'; 
$punny_domain = idn_to_ascii($domain); 
if (preg_match($regex, $punny_domain)) { 
    if (gethostbyname($punny_domain) != $punny_domain) { 
     echo "VALID"; 
    } 
} 

Answer 2

Jest to tzw IDN domain. Klienci obsługujący domeny IDN normalizują je przy użyciu standardu IDNA2008 określonego w RFC 5890, a następnie zastępują pozostałe znaki Unicode przy użyciu kodowania Punycode zgodnie z definicją w RFC 3492 przed przesłaniem w celu rozpoznawania nazw DNS.

Zgodnie ze specyfikacją, każdy znak w zestawie znaków UTF-8 może być używany w domenie IDN, ale każdy organ domeny najwyższego poziomu może definiować prawidłowe znaki w zestawie znaków Unicode, więc trudno będzie uzyskać create and maintain a real regex.

Jeśli chcesz akceptować domeny IDN w swojej aplikacji, powinieneś wewnętrznie pracować z zakodowaną wersją. PHP extension intl daje dwie funkcje en- i dekodowania IDN domen

echo idn_to_ascii('täst.de'); 

xn--tst-qla.de

po kodowaniu, domena będzie przechodzić każdy traditional regex check

prosty sprawdzanie poprawności:

$url = "http://example.com/"; 
if (preg_match('/^(http|https|ftp):\/\/([A-Z0-9][A-Z0-9_-]*(?:\.[A-Z0-9][A-Z0-9_-]*)+):?(\d+)?\/?/i', $url)) { 
    echo 'OK'; 
} else { 
    echo 'Invalid URL.'; 
} 

EDIT:

Jeśli chcesz prawdziwego DNS verfification można użyć dns_get_record (PHP 5) lub gethostbyaddr

przykład

$domain = 'ελληνικά.idn.icann.org'; 
$idnDomain = idn_to_ascii($domain); 

if ($dnsResult = dns_get_record($idnDomain, DNS_ANY)) 
{ 
    echo $idnDomain , "\n"; 
    print_r($dnsResult); 
} 
else 
{ 
    echo "failed to lookup domain\n"; 
} 

Wynik:

xn--hxargifdar.idn.icann.org 
Array 
(
    [0] => Array 
    (
     [host] => xn--hxargifdar.idn.icann.org 
     [class] => IN 
     [ttl] => 21456 
     [type] => A 
     [ip] => 199.7.85.10 
    ) 
    [1] => Array 
    (
     [host] => xn--hxargifdar.idn.icann.org 
     [class] => IN 
     [ttl] => 21600 
     [type] => AAAA 
     [ipv6] => 2620::2830:230:0:0:0:10 
    ) 
) 

Answer 3

Jeśli chcesz stworzyć swój własny libirary, trzeba użyć tabeli dozwolonych codepoints (IANA — Repository of IDN Practices, IDN Character Validation Guidance, IDNA Parameters) oraz tabelę właściwości skryptów Unicode (UNIDATA/Scripts.txt).

Gmail przyjmuje specyfikację "Unileode Consortium" "H ighly Restricted" (Protecting Gmail in a global world). Następujące kombinacje skryptów Unicode są dozwolone.

• pojedynczy skrypt
• łaciński + Han + hiragana + katakana
• łaciński + Han + bopomofo
• łaciński + Han + hangyl

może trzeba zapłacić attension szczególnej właściwości skryptu wartości (Common, Inherited, Unknown), ponieważ niektóre znaki mają wiele właściwości lub są niepoprawne.

Na przykład U + 3099 (ŁĄCZENIE KATAKANA-HIRAGANA Z GWARANCJĄ DŹWIĘKU WIZOWEGO) ma dwa dokumenty ("Katakana" i "Hiragana"), a funkcja PCRE klasyfikuje je jako "Odziedziczone". Innym przykładem jest U + x2A708. Althogh właściwą własnością skryptu U + 2A708 (połączenie U + 30C8 KATAKANA LETTER TO i U + 30E2 KATAKANA LIST MO) jest "Katakana", Specyfikacja Unicode błędnie klasyfikuje ją jako "Han". Może być konieczne rozważenie IDN homograph attack. Google Chrome IDN policy przyjmuje the blacklist chars.

Moja rekomendacja to użycie Zend \ Validator \ Nazwa hosta. Ta biblioteka używa języka the table of permitted code points w języku japońskim i chińskim.

Jeśli używasz Symfony, rozważ uaktualnienie aplikacji do wersji 2.5, która przyjmuje egulias/email-validatornd (Manual). Potrzebujesz dodatkowej weryfikacji, czy łańcuch jest dobrze uformowaną sekwencją bajtów. Zobacz mój numer report a>, aby uzyskać szczegółowe informacje.

Nie zapomnij o iniekcji XSS i SQL. Następujący adres jest prawidłowym adresem e-mail opartym na RFC5322.

// From Japanese tutorial 
// http://blog.tokumaru.org/2013/11/xsssqlrfc5322.html 
"><script>alert('or/**/1=1#')</script>"@example.jp 

myślę, że to wątpliwe za korzystanie idn_to_ascii walidacji od idn_to_ascii przechodzi prawie wszystkie znaki.

for ($i = 0; $i < 0x110000; ++$i) { 
    $c = utf8_chr($i); 

    if ($c !== '' && false !== idn_to_ascii($c)) { 
     $number = strtoupper(dechex($i)); 
     $length = strlen($number); 

     if ($i < 0x10000) { 
      $number = str_repeat('0', 4 - $length).$number; 
     } 

     $idn = $c.'example.com'; 

     echo 'U+'.$number.' '; 
     echo ' '.$idn.' '. idn_to_ascii($idn); 
     echo PHP_EOL; 
    } 
} 

function utf8_chr($code_point) { 

    if ($code_point < 0 || 0x10FFFF < $code_point || (0xD800 <= $code_point && $code_point <= 0xDFFF)) { 
     return ''; 
    } 

    if ($code_point < 0x80) { 
     $hex[0] = $code_point; 
     $ret = chr($hex[0]); 
    } else if ($code_point < 0x800) { 
     $hex[0] = 0x1C0 | $code_point >> 6; 
     $hex[1] = 0x80 | $code_point & 0x3F; 
     $ret = chr($hex[0]).chr($hex[1]); 
    } else if ($code_point < 0x10000) { 
     $hex[0] = 0xE0 | $code_point >> 12; 
     $hex[1] = 0x80 | $code_point >> 6 & 0x3F; 
     $hex[2] = 0x80 | $code_point & 0x3F; 
     $ret = chr($hex[0]).chr($hex[1]).chr($hex[2]); 
    } else { 
     $hex[0] = 0xF0 | $code_point >> 18; 
     $hex[1] = 0x80 | $code_point >> 12 & 0x3F; 
     $hex[2] = 0x80 | $code_point >> 6 & 0x3F; 
     $hex[3] = 0x80 | $code_point & 0x3F; 
     $ret = chr($hex[0]).chr($hex[1]).chr($hex[2]).chr($hex[3]); 
    } 

    return $ret; 
} 

Aby sprawdzić poprawność domeny za pomocą właściwości skryptu Unicode, należy użyć funkcji PCRE.

Poniższy kod pokazuje, w jaki sposób uzyskać nazwę właściwości skryptu Unicode. Jeśli chcesz sprawdzić w Perpicterze skryptu Unicode w JavaScript, użyj mathiasbynens/unicode-data.

function get_unicode_script_name($c) { 

    // http://php.net/manual/regexp.reference.unicode.php 
    $names = [ 
    'Arabic', 'Armenian', 'Avestan', 'Balinese', 'Bamum', 'Batak', 'Bengali', 
    'Bopomofo', 'Brahmi', 'Braille', 'Buginese', 'Buhid', 'Canadian_Aboriginal', 
    'Carian', 'Chakma', 'Cham', 'Cherokee', 'Common', 'Coptic', 'Cuneiform', 
    'Cypriot', 'Cyrillic', 'Deseret', 'Devanagari', 'Egyptian_Hieroglyphs', 
    'Ethiopic', 'Georgian', 'Glagolitic', 'Gothic', 'Greek', 'Gujarati', 
    'Gurmukhi', 'Han', 'Hangul', 'Hanunoo', 'Hebrew', 'Hiragana', 'Imperial_Aramaic', 
    'Inherited', 'Inscriptional_Pahlavi', 'Inscriptional_Parthian', 'Javanese', 
    'Kaithi', 'Kannada', 'Katakana', 'Kayah_Li', 'Kharoshthi', 'Khmer', 'Lao', 'Latin', 
    'Lepcha', 'Limbu', 'Linear_B', 'Lisu', 'Lycian', 'Lydian', 'Malayalam', 'Mandaic', 
    'Meetei_Mayek', 'Meroitic_Cursive', 'Meroitic_Hieroglyphs', 'Miao', 'Mongolian', 
    'Myanmar', 'New_Tai_Lue', 'Nko', 'Ogham', 'Old_Italic', 'Old_Persian', 
    'Old_South_Arabian', 'Old_Turkic', 'Ol_Chiki', 'Oriya', 'Osmanya', 'Phags_Pa', 
    'Phoenician', 'Rejang', 'Runic', 'Samaritan', 'Saurashtra', 'Sharada', 'Shavian', 
    'Sinhala', 'Sora_Sompeng', 'Sundanese', 'Syloti_Nagri', 'Syriac', 'Tagalog', 
    'Tagbanwa', 'Tai_Le', 'Tai_Tham', 'Tai_Viet', 'Takri', 'Tamil', 'Telugu', 'Thaana', 
    'Thai', 'Tibetan', 'Tifinagh', 'Ugaritic', 'Vai', 'Yi' 
    ]; 

    $ret = []; 

    foreach ($names as $name) { 

    $pattern = '/\p{'.$name.'}/u'; 

    if (preg_match($pattern, $c)) { 
     return $name; 
    } 
    } 

    return ''; 
}