PRECIS (preparation, enforcement, and comparison of
internationalized strings), décrit dans le RFC 7564, est un cadre général pour
l'internationalisation d'identificateurs sur
l'Internet. Il expose un certain nombre de règles, parmi lesquelles
les développeurs de protocoles Internet et
d'applications vont pouvoir choisir, au lieu de partir de zéro à
chaque fois. Ce nouveau et court RFC donne des
indications aux concepteurs de nouveaux profils PRECIS sur les
correspondances (mappings) à effectuer (par exemple, mais pas uniquement, entre des caractères
majuscules et minuscules). Il n'est pas normatif :
l'internationalisation est quelque chose de compliqué et il n'est
pas facile d'obtenir un consensus. L'utilisateur indique un
identificateur, en quoi peut-on le transformer ?
Au départ de cet identificateur, on trouve une saisie par
l'utilisateur (clavier physique ou clavier virtuel), ou bien une
sélection par ce même utilisateur (copier/coller depuis du texte,
choix d'un signet, choix parmi les
résultats d'un moteur de recherche...) À ce
stade, l'utilisateur ne tient pas compte de certaines
caractéristiques du texte, qu'il considère non pertinentes. C'est
ainsi qu'il va ignorer la casse, ou bien la
largeur du caractère (pour les caractères qui ont une version
étroite et une version large comme le point
d'exclamation, qui existe en U+0021, « ! » et U+FF01,
« ！ ») Il est donc souhaitable d'avoir une phase de
correspondance (mapping)
entre cette saisie ou cette sélection et le moment où
l'identificateur est passé au programme. C'est lors que cette
phase qu'on va, par exemple, tout mettre en minuscules, et
remplacer les caractères larges par leur version étroite.
Pour le cas des noms de
domaine (IDN), cette correspondance est déjà
traitée dans le RFC 5895. Pour les autres
identificateurs, le cadre PRECIS (PReparation, Enforcement, and Comparison of
Internationalized Strings), dans le RFC 7564, s'en charge. Mais il ne traite qu'une partie des
correspondances souhaitables (comme la
casse) et il était donc souhaitable de
l'étendre. C'est ce que fait ce nouveau RFC.
La section 2 de notre court RFC spécifie ces correspondances
supplémentaires. Par exemple, les délimiteurs (comme le
point). Chaque protocole et format a ses
propres délimiteurs (@ pour le courrier
électronique, / dans les
URL, etc). L'idée est de faire correspondre les
caractères qui ressemblent au(x)
délimiteur(s) du protocole vers le caractère canonique. Ainsi, si
un protocole utilise le point (U+002E) come
délimiteur, et que le texte saisi par l'utilisateur contient un
point idéographique (U+3002, alias « 。 »), il est logique
de remplacer ces points par le point « officiel » du protocole.
Après la correspondance des délimiteurs, les « correspondances
spéciales ». Le terme désigne des règles qui sont différentes des
règles par défaut de PRECIS. Par exemple, supprimer les
caractères de contrôle (pas les transformer en un autre caractère,
non, les supprimer franchement) ou bien transformer des espaces
différents du caractère espace d'ASCII en
espaces ASCII (U+0020). C'est ce que font des protocoles comme
EAP (RFC 3748) ou les
ACL d'IMAP (RFC 4314).
Autre cas rigolo, celui où le changement de
casse dépend de la
locale, c'est-à-dire en
général de la langue utilisée. L'exemple le
plus fameux, toujours mentionné dans les discussions Unicode,
vient du turc où la minuscule du I (U+0049)
n'est pas i (U+0069) mais ı (U+0131, et encore, la règle
exacte est un peu plus compliquée). Comme PRECIS est conçu pour
des protocoles Internet, qui ne connaissent pas la langue, les
applications (qui, elles, connaissent souvent la langue de leur
utilisateur) doivent traiter ce cas, avant de passer l'information
sur l'Internet (voir aussi l'annexe B et C, pour des cas spéciaux
dans le cas spécial).
L'annexe A de notre RFC résume dans un tableau ces
correspondances selon divers protocoles
(IDN, iSCSI,
EAP, etc).
