IRI 作为 HTML 属性值是否有效？

Question

使用包含非 ASCII 字符的 IRI 作为属性值（例如 href 属性）而不是 URI 是否有效？ HTML 风格（HTML 和 XHTML，4 和 5）之间有什么区别吗？至少RFC 3986 似乎暗示它不是。

我意识到使用百分比编码可能会更安全（对于较旧且不支持 IRI 的软件），但我正在寻找有关标准的明确答案。

到目前为止，我已经对 W3C validator 进行了一些测试，并且 URI 中未转义的 unicode 字符不会触发 HTML 4/5 和 XHTML 4/5 文档类型的任何警告或错误（但当然没有错误消息并不意味着没有错误）。

至少 chrome 还支持原始 UTF-8 IRI，但在触发 HTTP 请求之前会对其进行百分比转义。此外，我的网络服务器 (lighttpd) 似乎支持 UTF-8 字符的百分比编码以及 HTTP 请求中的未编码形式。

Answer 1

HTML 4.01 很简单。不同的属性对于它们可以包含的内容有不同的规则，但是如果我们正在处理 <a> 元素上的 href 属性，那么 HTML 4 spec, section B.2.1 Non-ASCII characters in URI attribute values 会说：

...下面的href值是非法的：

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

HTML5 是不同的。它说IRIs are valid providing they comply with some additional conditions.

如果至少满足以下条件之一，则 URL 是有效的 URL 持有：

• URL 是有效的 URI 参考 [RFC3986]。

• 该 URL 是有效的 IRI 引用，它没有查询组件。 [RFC3987]

• URL 是有效的 IRI 引用，其查询组件不包含未转义的非 ASCII 字符。 [RFC3987]

• URL 是有效的 IRI 引用，并且 URL 文档的字符编码是 UTF-8 或 UTF-16 编码。 [RFC3987]

XHTML 1.x 遵循与 HTML 4.01 相同的规则。

XHTML5 与 HTML5 相同。

Answer 2

如有疑问，请阅读官方 HTML 规范以获得明确的答案。

HTML 4 根本不支持 IRI。它们必须按照 RFC 3987 Section 3.1 编码为 URI，或者将非 ASCII URI 数据编码为 UTF-8，按照 HTML4 Section B.2.1 进行百分比编码

根据HTML5 Section 2.6，HTML 5 在所有允许 URL 的地方都支持 URI 和 IRI。