由於歷史原因,Internet 上有些郵件系統只支援 7Bit 的傳輸
而亞洲語系 CJK (Chinese/Japanese/Korean) 的編碼是 8Bit 的
當在電子郵件中發送 CJK 時, 如果通過這些只支援 7Bit 字元的郵件系統
便會將 CJK 的第八位元的 1 全部變成 0。
以 “中文” 兩字為例,十六進位為 A4A4A4E5
當最 HSB 被清掉時就會變成 24242465
也就是 “$$$e”。
(telnet 也存在這樣子的問題。所以我們會在 telnet 後面加上參數 “-8” )
除了 CJK 郵件外,使用電子郵件傳送圖片、程式、 壓縮文件等也會發生這個問題。
所以在電子郵件中一般採用各種郵件編碼方式來解決這個問題,
將 8Bit 按照一定的規則進行編碼, 便可以完整地通過只支援 7Bit 位元的郵件系統。
常見的郵件編碼有 UU 與 MIME:
而 MIME (Multipurpose Internet Mail Extentions) 一般翻譯成「多媒體傳送模式」
顧名思義,它標榜的就是可以傳送多媒體型式的檔案
可以在一封mail中附加各種型式檔案一起送出。
MIME 定義兩種編碼方法:Base64 與QP(Quote-Printable), 兩者使用時機不同,QP 的規則是對於資料中的7bits無須重複 encode, 僅8bits資料轉成 7bits。
QP編碼適用於非 US-ASCII 的文字內容, 例如 CJK,而Base64的編碼規則,是將整個檔案重新編碼, 編成7bits,它是用於傳送binary檔案時使用。
由於編碼的方式不同,會影響編碼之後的檔案大小。
有些較懶惰的軟體便都一律採用 Base64 編碼了。
含有 MIME 編碼的文件,查看它的 header ,一般都含有:
“This is a multi-part message in MIME format.”
這樣的句子。
UU 是指 Unix 之間傳送二進制文件,就是 Unix to Unix。 使用 uuencode 將檔案編成 7Bit ASCII 檔案,把它寄出, 收信人收到後,可以用 uudecode 將這份資料還原為原來的檔案。
begin 644 remotefile
…….
..略…
…….
end
Content-Transfer-Encoding: quoted-printable
QP編碼的方式,是將一個字元用二個16進位法的數值表示, 然後前面再加個「=」字元(等號):
% echo “中文” | mmencode -q
=A4=A4=A4=E5
% echo “=A4=A4=A4=E5” | mmencode -q -u
中文
Content-Transfer-Encoding: BASE64
BASE64 的算法很簡單,它將 character stream 順序放入一個 24 位的緩衝區
缺字的地方補零。
然後將緩衝區截斷成 4 個部分,高位在先, 每個部分 6 位,用下面的64個字符重新表示:
“ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/”
如果輸入只有一個或兩個 byte,那麼輸出將用等號 “=” 補足。
還可以隔斷附加的信息造成編碼的混亂。這就是 BASE64。
% echo “中文” | mmencode
pKSk5Qo=
% echo “pKSk5Qo=” | mmencode -u
中文
以 “中文” 兩字為例,整理一下以上的編碼會出現的狀況:
uuencode:%I*2DY0KQ
QP:=A4=A4=A4=E5
BASE64:pKSk5Qo=
以及其他語言性的轉碼可能出現的狀況:
GB2312:笢恅(iconv -t GB2312)
Unicode:U+4E2D U+6587
UCS-2:N-e(iconv -t UCS-2)
UTF-7:+Ti1lhw(iconv -t UTF-7)
UTF-8:銝剜??(iconv -t UTF-8)
UTF-16:??N-e?(iconv -t UTF16)
UTF-32:??N-e?(iconv -t UTF32)
CNS11643:1-4463 1-4546
CCCII:213034 214258