摘要

  • RFC 3536 把协议承载的编码八位字节、抽象字符、文字体系、语言，以及渲染器选择的字形区分开来；上一层的成功不能自动成为下一层的证据。
  • 这份 2003 年的术语表属于信息性文件，明确表示自身不具规范性且并不完整，并在 2011 年被 RFC 6365 取代；它留下的纪律是：可读的形状只证明一次呈现，不证明语言或含义。

设想一张跨境物流面单。收件人的姓名在仓库屏幕上没有乱码，笔画清楚，宽度也正好，于是系统把“国际化”标成绿色。可同一个画面，既可能来自正确的 UTF-8，也可能来自错误字符集碰巧映出的相似字形；可能保留了作者输入，也可能经过未记录的规范化和字体回退。仓库看到的是一个结果，不是这段文本的履历。

RFC 3536 于 2003 年 5 月发布，题为《IETF 国际化所用术语》。它不是编码标准，也不是互操作配置，而是一份信息性术语表。作者之所以编写它，是因为工程讨论正在用相近词语指代不同层次。他们没有掩饰边界：定义不具规范性，条目并不完备，一些概念仍有分歧，尤其是“语言”。当前冻结的 RFC Editor 勘误页没有列出勘误；没有勘误并不等于这套词汇已经穷尽争议。

网络最先交付的是比特和八位字节。字符集说明如何把八位字节解释为抽象字符；RFC 3536 将它描述为编码字符集与字符编码方案的组合，并要求使用 IANA 登记名称。RFC 3629 所描述的 UTF-8 解决的正是这种编码与解码。字符集标签并不会告诉接收端文本属于中文、阿拉伯语还是法语，也不会证明语法正确或意思清楚。

字符本身也不是屏幕上的图。抽象字符由名称和属性识别，不由某一种固定外观识别；字形则是渲染后的形式。字体、上下文、塑形规则与回退机制共同决定最终形状。一个字符可以有多个字形，不同字符序列也可能呈现得几乎相同。因而“我看见了熟悉的形状”无法逆推出“这些就是原始八位字节”。

文字体系与语言之间同样不是一对一关系。一个书写系统可以服务多种语言，一种语言也可以使用多种文字体系。脚本识别能帮助选择塑形规则，却不能替代语言声明。RFC 3066 以及后来更完整的 RFC 5646 为语言标签建立框架；标签是另一份元数据。即使标签语法正确，它仍可能由机器猜测、粒度过粗或标注错误，无法证明文章自然，更不能证明读者理解。

RFC 2277 早已把目标放在人身上：协议本身没有自然语言，协议中的文本字符串却要交给人使用。因此，接受非 ASCII 字节不等于完成国际化。输入、保存、比较、搜索、排序、视觉显示、语音合成、触觉输出以及最终的可理解性，都是后续的独立步骤。

规范化把“看起来一样”的局限暴露得最明显。Unicode 允许不同码点序列构成规范等价文本；Unicode 标准附录 #15 定义多种规范化形式，RFC 5198 后来又给出网络交换文本的准备格式。RFC 3536 强调的是责任位置：协议必须说明规范化在哪里发生。若入口、数据库与比较器各自暗中处理，外观相同的字符串可能成为不同键值，不同记录也可能在没有审计轨迹时被合并。

这里不重复既有 RFC 5137 文章的边界。RFC 5137 那一篇讨论 Unicode 转义如何进入码点、规范化标识符又如何制造账户歧义。本篇拥有的是更宽的表示链：八位字节如何成为字符，字符如何获得文字体系和语言上下文，渲染器又如何选出字形。标识符策略只是这条链的一种应用。

排序也能检验层次是否被混淆。校对次序依赖具体语言和文化约定，通常不能用码点数字顺序替代。即使使用相同文字体系，不同语言群体也可能期待不同索引顺序。数据库可以毫无错误地完成一次确定性排序，却给人呈现错误的目录。“查询成功”不是“语言顺序正确”的收据。

双向文本还会分离内存顺序与显示顺序。一张截图未必能还原源序列，光标移动、复制粘贴或屏幕阅读器可能暴露画面隐藏的结构。渲染也不限于视觉：RFC 3536 把听觉和触觉呈现都包括在内。屏幕字形正确时，发音仍可能错误，盲文输出也可能不可用。

文件的历史地位必须写准。RFC 3536 从来不是 Internet Standard。2011 年 9 月，经过 IETF 共识和公开评审的 RFC 6365 以 BCP 166 发布，并明确取代 RFC 3536。RFC 7997 后来又改变了 RFC 文档本身使用非 ASCII 字符的政策。这些演进说明术语和出版实践继续成熟，却不会把 2003 年的每个定义追认成规范。

RFC 3536 的安全章节只说“本文不讨论安全”。这句话不能被后人扩写成一套原文不存在的威胁模型。今天的运营者当然可以研究编码、方向和相似呈现带来的风险，但可靠的历史结论应当更窄：当系统把编码数据、抽象文本、语言语境和呈现结果压成一个状态时，可审计性就会消失。

完整证据链应当保留原始八位字节与字符集标签，记录解码结果，验证字符序列，注明规范化形式及执行位置，保存语言标签及来源，识别文字体系和方向片段，记录塑形引擎、请求字体和实际回退字体，检查视觉、听觉与触觉输出，声明排序规则，最后由目标受众验证能否理解。发光的字形只关闭其中一环。

来源