【每日一步】電子郵件技術(shù)基礎(chǔ)之四mime郵件的編碼方式及常用字符集編碼

1、1.MIME1.MIME郵件的編碼方式郵件的編碼方式由于每個II碼字符只占用一個字節(jié)（8個bit位），且最高bit位總為0，即II碼字符中的有真正意義的信息只是后面的7個低bit位，而傳統(tǒng)的SMTP協(xié)議又是基于II碼字符設(shè)計的，因此，一些基于傳統(tǒng)SMTP協(xié)議設(shè)計的SMTP服務(wù)器在處理郵件內(nèi)容時只取出每個字節(jié)中的7個低bit位進(jìn)行處理，而將最高bit位忽略不計。顯然，這樣的SMTP服務(wù)器在處理包含有非II碼字符的郵件內(nèi)容時，會出現(xiàn)嚴(yán)重的問

2、題，這就限制了郵件中只能出現(xiàn)英文的II碼字符，而不能出現(xiàn)中文字符或二進(jìn)制數(shù)據(jù)。為了能夠在郵件內(nèi)容中包含中文、圖像或聲音等非II字符的數(shù)據(jù)，人們想到了采用某種編碼方式將非II字符的數(shù)據(jù)轉(zhuǎn)換成可打印的II字符后再發(fā)送，郵件閱讀程序則按照相應(yīng)的解碼方式從郵件中還原出原始數(shù)據(jù)即可，比較常用的兩種郵件編碼方式為BASE64和Quotedprintable。后來的擴(kuò)展SMTP協(xié)議允許直接在郵件中傳遞二進(jìn)制數(shù)據(jù)，而不用對它們進(jìn)行郵件編碼，人們將這種沒

3、有進(jìn)行郵件編碼的二進(jìn)制數(shù)據(jù)的郵件內(nèi)容稱為8bit編碼，為了與此相區(qū)別，人們將沒有進(jìn)行郵件編碼的純II碼字符的郵件稱為7bit編碼。MIME消息體的郵件編碼方式通過MIME消息頭中的ContentTransferEncoding頭字段指定，每種郵件編碼方式的介紹如下：—7Bit7Bit指消息體內(nèi)容全部是沒有經(jīng)過編碼的II字符?！?Bit8Bit指消息體內(nèi)容是沒有經(jīng)過編碼的原始數(shù)據(jù)，且其中包含有非II字符的數(shù)據(jù)?，F(xiàn)在的郵件服務(wù)器基本上都支持

4、8Bit編碼，使用支持8Bit編碼的郵件服務(wù)器可以簡化郵件的處理過程?！狟ASE64BASE64Base64是將二進(jìn)制數(shù)據(jù)轉(zhuǎn)換成可打印的II字符的一種最常見的編碼方式，它的基本原理是將一組連續(xù)的字節(jié)數(shù)據(jù)按6個bit位進(jìn)行分組，然后對每組數(shù)據(jù)用一個II字符來表示。6個bit位最多能表示26＝64個數(shù)值，因此可以使用64個II字符來對應(yīng)這64個數(shù)值，這64個II字符為：“ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghi

5、jklmnopqrstuvwxyz0123456789“其中每個字符表示的數(shù)值就是該字符在上面的排列中的索引號，索引號從0開始編號。假設(shè)在內(nèi)存中有如下三個連續(xù)的字節(jié)數(shù)據(jù)：[01100001][01100010][01100011]將它們按6個bit位進(jìn)行分組后的形式如下：[011000][010110][001001][100011]2.2.常用字符集編碼常用字符集編碼—IIIIII碼是7位編碼，編碼范圍是0x000x7F。II字符集包

6、括英文字母、阿拉伯?dāng)?shù)字和標(biāo)點符號等字符。其中0x000x20和0x7F共33個控制字符。只支持II碼的系統(tǒng)會忽略每個字節(jié)的最高位，只認(rèn)為低7位是有效位。HZ字符編碼就是早期為了在只支持7位II系統(tǒng)中傳輸中文而設(shè)計的編碼。早期很多郵件系統(tǒng)也只支持II編碼，為了傳輸中文郵件必須使用BASE64或者其他編碼方式?！狦B2312GB2312GB2312是基于區(qū)位碼設(shè)計的，區(qū)位碼把編碼表分為94個區(qū)，每個區(qū)對應(yīng)94個位，每個字符的區(qū)號和位號組合起

7、來就是該漢字的區(qū)位碼。區(qū)位碼一般用10進(jìn)制數(shù)來表示，如1601就表示16區(qū)1位，對應(yīng)的字符是“啊”。在區(qū)位碼的區(qū)號和位號上分別加上0xA0就得到了GB2312編碼。區(qū)位碼中0109區(qū)是符號、數(shù)字區(qū)，1687區(qū)是漢字區(qū)，1015和8894是未定義的空白區(qū)。它將收錄的漢字分成兩級：第一級是常用漢字計3755個，置于1655區(qū)，按漢語拼音字母筆形順序排列；第二級漢字是次常用漢字計3008個，置于5687區(qū)，按部首筆畫順序排列。一級漢字是按照拼

8、音排序的，這個就可以得到某個拼音在一級漢字區(qū)位中的范圍，很多根據(jù)漢字可以得到拼音的程序就是根據(jù)這個原理編寫的。GB2312字符集中除常用簡體漢字字符外還包括希臘字母、日文平假名及片假名字母、俄語西里爾字母等字符，未收錄繁體中文漢字和一些生僻字?？梢杂梅斌w漢字測試某些系統(tǒng)是不是只支持GB2312編碼。GB2312的編碼范圍是0xA1A10x7E7E，去掉未定義的區(qū)域之后可以理解為實際編碼范圍是0xA1A10xF7FE。EUCCN可以理解為

9、GB2312的別名，和GB2312完全相同。區(qū)位碼更應(yīng)該認(rèn)為是字符集的定義，定義了所收錄的字符和字符位置，而GB2312及EUCCN是實際計算機(jī)環(huán)境中支持這種字符集的編碼。HZ和ISO2022CN是對應(yīng)區(qū)位碼字符集的另外兩種編碼，都是用7位編碼空間來支持漢字。區(qū)位碼和GB2312編碼的關(guān)系有點像Unicode和UTF8。—GBKGBKGBK編碼是GB2312編碼的超集，向下完全兼容GB2312，同時GBK收錄了Unicode基本多文種平