Resumo

  • RFC 3987 criou uma conversão determinística entre IRI e URI, mas não prometeu recuperar toda grafia Unicode original no caminho inverso.
  • Preservar a origem era necessário porque transporte, exibição, comparação e acesso respondiam a perguntas diferentes.

A RFC 3987, de janeiro de 2005, apresentou o IRI como sequência de caracteres Unicode. Status, erratas e Datatracker mostram por que ele nasceu como elemento complementar, sem redefinir a URI: um mapeamento bem definido permitiria interoperar com software restrito ao repertório antigo.

O mapeamento de IRI para URI é determinístico e idempotente. A conversão inversa tem uma garantia mais estreita: o IRI produzido pode voltar à URI de entrada, salvo diferenças previstas de escapes. Ele pode não reproduzir o IRI original. Uma viagem que preserva a forma de transporte não prova que preservou a forma autoral.

Essa assimetria aparece em qualquer sistema que guarda apenas o valor “canônico”. Se o banco retém a URI resultante, perde a informação sobre caracteres que o usuário digitou, a codificação que o contêiner entregou e transformações feitas antes da persistência. O endereço ainda pode funcionar, mas uma auditoria não consegue separar intenção, compatibilidade e reconstrução posterior.

A RFC 3986, com status, erratas e histórico, estabeleceu que comparação de URI depende do propósito. A RFC 3987 acrescentou caracteres e codificações. Comparar diretamente os bytes de UTF-8 e UTF-16 produz uma diferença mesmo quando os pontos de código são os mesmos. A comparação simples precisa de uma forma comum de codificação e então avança caractere por caractere.

Nesse modo, mapear primeiro para URI é proibido. A conversão pode criar equivalências espúrias que não pertencem à pergunta de identidade. Um formato derivado para compatibilidade não deve ganhar autoridade sobre a sequência que o originou. Por isso a RFC recomenda não modificar em trânsito um IRI que possa funcionar como identificador.

A normalização é distribuída, não abolida. Na criação, NFC reduz aliases. Ao converter papel ou uma codificação não Unicode conhecida, NFC prepara a sequência. Se a entrada já usa UTF-8 ou UTF-16, o passo de mapeamento não a normaliza de novo. Um terceiro que desconhece o tratamento do proprietário não deve reescrever arbitrariamente um IRI existente.

A RFC 5198, seu status, suas erratas e seu registro descrevem NFC para texto Unicode de rede e a estabilidade planejada das sequências normalizadas atribuídas. Essa disciplina melhora intercâmbio. Ela não transforma uma biblioteca intermediária na proprietária do identificador.

O alinhamento de percent-encoding é uma derivação com escopo declarado. Para testar uma equivalência local, a aplicação pode converter as duas formas, eliminar diferenças de escape e padronizar a caixa dos dígitos hexadecimais. Se o valor seguir adiante, a forma original precisa permanecer disponível. Uma chave de cache explica uma busca; não substitui o registro recebido.

Também não existe dedução segura de “nomes diferentes, recursos diferentes”. Um mesmo operador pode publicar o mesmo conteúdo sob várias IRIs. Nem o sucesso de acesso comprova que o nome foi registrado por uma autoridade, preservado por todos os intermediários ou autorizado para o usuário.

No componente de host, o IDNA posterior fornece recibos próprios. A RFC 5890, com status, erratas e histórico, separa U-label, A-label, registro e consulta. A RFC 5891, com status, erratas e histórico, define a validação e a simetria entre as formas. A etiqueta legível não é a prova de uma entrada DNS.

A RFC 5895, seu status, suas erratas e seu histórico, coloca mapeamentos amigáveis antes do protocolo. Teclado, voz, colagem, locale e expectativas culturais mudam a transformação adequada. O documento rejeita a ideia de um algoritmo universal.

O legado de RFC 3987 é uma regra de proveniência. Guarde o que chegou, como foi codificado e que conversão produziu cada forma. Diga para qual finalidade a comparação foi feita. Só depois registre a regra do esquema, a validação do nome, a resolução e o resultado da aplicação. O identificador internacionalizado ganhou uma forma humana; a preservação da forma original impediu que a conveniência da máquina reescrevesse silenciosamente essa história.

Fontes