Gli IRI sono validi come valori di attributo HTML?

Question

E 'HTML valido da usare IRI contenenti caratteri non-ASCII come valori degli attributi (ad esempio per href attributi) invece di URI? Ci sono differenze tra i sapori HTML (HTML e XHTML, 4 e 5)? Almeno RFC 3986 sembra implicare che non lo sia.

Mi rendo conto che probabilmente sarebbe più sicuro (per quanto riguarda il software vecchio e IRI-inconsapevole) utilizzare la codifica percentuale, ma sto cercando una risposta definitiva per quanto riguarda lo standard.

Finora, ho eseguito alcuni test con il W3C validator e i caratteri Unicode senza escape negli URI non attivano alcun avviso o errore con HTML 4/5 e XHTML 4/5 doctypes (ma ovviamente l'assenza di errori i messaggi non implicano l'assenza di errori).

Almeno Chrome supporta anche cruda UTF-8 IRI, ma li cento-sfugge prima di sparare una richiesta HTTP. Inoltre, il mio server web (lighttpd) sembra supportare i caratteri UTF-8 nella loro percentuale codificati come pure in forma non codificata in una richiesta HTTP.

Answer 1

HTML 4.01 è abbastanza semplice. Attributi diversi hanno regole diverse per quanto riguarda ciò che possono contenere, ma se abbiamo a che fare con l'attributo href su un elemento <a>, allora la HTML 4 spec, section B.2.1 Non-ASCII characters in URI attribute values dice:

... il seguente valore href è illegale:

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

HTML5 è diverso. Si dice IRIs are valid providing they comply with some additional conditions.

Un URL è un URL valido se almeno una delle seguenti condizioni vale:

• L'URL è un riferimento URI valido [RFC3986].

• L'URL è un riferimento IRI valido e non ha alcun componente di query. [RFC3987]

• L'URL è un riferimento IRI valido e il suo componente di query non contiene caratteri non ASCII non escape. [RFC3987]

• L'URL è un riferimento IRI valido e la codifica di carattere del documento dell'URL è UTF-8 o una codifica UTF-16. [RFC3987]

XHTML 1.x segue le stesse regole di HTML 4.01.

XHTML5 è lo stesso di HTML5.

Answer 2

In caso di dubbio, leggere le specifiche HTML ufficiali per le risposte definitive.

HTML 4 non supporta affatto IRI. Essi devono essere codificati come URI per RFC 3987 Section 3.1, o codificare non ASCII dati URI come UTF-8 con cento codifica per HTML4 Section B.2.1

HTML 5 supporta sia URI e IRI in tutti i luoghi in cui sono ammessi gli URL, per HTML5 Section 2.6.