UTF-7

✍ dations ◷ 2025-06-30 08:03:16 #UTF-7

UTF-7(全称:7比特Unicode转换格式)是一种可变长度字符编码方式,用以将Unicode字符以ASCII编码的字符串来呈现,可以应用在电子邮件传输之类的应用。

SMTP为基本的电子邮件传输标准之一,其指明了传输格式为US-ASCII,并且不允许超过ASCII所定义的字符范围以外的比特值,也就是说八比特的字符串将无法正常的被传输。MIME(RFC 2045 ~ 2049)扩展了网络邮件以支持不同的媒体类型以及字符集,包含UTF-8与UTF-16的字符集皆可被指定使用。但由于MIME并未明确将Unicode定义为可支持的字符集,并且也没有说明其应如何编码,这使得既有的SMTP传输架构下仍旧无法保证可正确的处理8位资料。base64编码也有其问题,例如甚至连纯英文的US-ASCII字符也可能会变成不可辨认;至于像是UTF-8与quoted-printable的编码结合,则需要6~9个比特来为非ASCII的字符(Unicode的基本多文种平面中定义的字符)进行编码,至于在基本多文种平面(BMP)以外的字原则需要多达12位的长度才能完成编码。

UTF-7首次被提出是在一个实验性的通信协议里(RFC 1642,A Mail-Safe Transformation Format of Unicode),这份RFC(Request for Comments)提案后来因RFC 2152的提出而被取代(RFC 2152本身为新闻型(informational)的文案)。在RFC 2152当中明确的指出该份RFC本身不为互联网的标准做出任何明确的定义(明列于文案前头的Status of this Memo)。尽管这份RFC 2152在IANA(Internet Assigned Numbers Authority)的字符集列表里被引述为UTF-7,然而UTF-7本身并非Unicode的标准之一,即使在目前最新的Unicode 5.0里也仅列出UTF-8、UTF-16和UTF-32。

如同引言所提到的,由于在过去SMTP的传输仅能接受7比特的字符,而当时Unicode并无法直接满足既有的SMTP传输限制,在这样地背景下UTF-7被提出。严格来说UTF-7不能算是Unicode所定义的字符集之一,较精确的来说,UTF-7是提供了一种将Unicode转换为7比特US-ASCII字符的转换方式。

有些字符本身可以直接以单一的ASCII字符来呈现。第一个组群被称作“direct characters”,其中包含了62个数字与英文字母,以及包含了九个符号字符:' ( ) , - . / : ?。这些“direct characters”被认为可以很安全的直接在文件里呈现。另一个主要的组群称作“optional direct characters”,其中包含了所有可被打印的字符,这些字符在U+0020~U+007E之间,除了~ +和空白字符以外。这些“optional direct characters”的使用虽可减少空间的使用也可增加人的可阅读性,但却会因为一些不良设计的邮件网关而会产生一些错误,导致必须使用额外的转义字符。

空白字符、Tab字符、以及换行字符一般虽也可直接是为单一的ASCII字符来使用,然而,若是邮件中有使用了编码过的字符串,则必须特别注意这些字符有无被使用在其他地方。而加号字符+的一种编码方式是+-

其他的字符则必须被编码成UTF-16然后转换为修改的Base64。这些区块的开头会以+符号来标示,结尾则以任何不在Base64里定义的字符来标示。若是在Base64区块之后使用-(连字暨减号)标示为结束的话,则解码器会从下个字符继续解码,反之则用此字符当非Base64的区块的开头继续解码。

首先必须先决定哪些字符呈现为ASCII格式,哪些字符呈现在Unicode区块。简单的编码器可以假设所有的字符皆可以很安全的被直接编码。然而要将原本属于Unicode区块的字符视为ASCII来加以编码的代价是需要额外的2⅔字符。

Unicode序列一旦被认定后,其必须以下面的程序来加以编码,并以适当的符号加以标注:

我们将使用£† (0x00A3) (0x2020)字符序列来作为以下的示例。

首先消息必须被拆分到纯文字与Unicode区块,紧接着Unicode区块必须以下面的程序来进行解译(使用上面提到的示例):

UTF-7由于允许将相同来源的字符串从base64的模式被平移,而显得安全性薄弱。现今的邮件与传输方式由于都已支持UTF-8,UTF-7则已走入历史而很少再被使用。即便如此,现今的应用软件仍应更加考量支持更安全的编码方式。

然而,除了邮件传输之外,仍有不少传输是采用UTF-7编码来进行传输。近期较著名的安全漏洞发生于Google的搜索漏洞,该漏洞肇因于不当的使用UTF-7编码于网址信息上,远程的攻击将可读取或修改网页内容。

有些可应用于电信电报领域的UTF-6和UTF-5提案已经被提出,然而,截至2006年止,这些提案尚未被正式的制定出来。

这些提案与Punycode并无相关。

相关

  • 心血管病心血管疾病(英语:cardiovascular disease,簡稱CVD)指的是关于心脏或血管的疾病,又称为循环系统疾病、循环系统疾病。常见的心血管疾病包括冠状动脉症候群、中风、高血压性心脏病(
  • 蹄兔目 Hyracoidea蹄兔目动物外形像兔,上门齿弯曲不断生长,类似兔形目动物,但后足第一和第三趾有蹄,中趾有爪。妊娠期长达7-8个月。体长25-50厘米,体重约4-5千克,草食性,背部有香腺。其中岩蹄兔属和
  • 彼得·芬奇彼得·芬奇(英语:Peter Finch,1916年9月28日-1977年1月14日)是一名出生在英国的澳大利亚演员。1976年凭借影片《电视台风云》(Network)获得奥斯卡最佳男主角奖和金球奖最佳男主角奖
  • 约翰·兰登约翰·兰登(John Langdon,1741年6月26日-1819年9月18日),是一名来自新罕布什尔州朴茨茅斯的一名政治家,他也代表新罕布什尔州担任前两届的联邦参议员。兰登早期支持美国独立战争,并
  • 恒等函数恒等函数(英语:Identity function)是数学中对于传回和其输入值相同的函数的称呼。换句话说,恒等函数为函数 f ( x )  
  • 思草纸《思草纸》(琉球语:おもろさうし,汉字表记:思ろ草紙,罗马字:),琉球第二尚氏王朝时期的一部祝词集,也被琉球学学者当作是历史上最早的一部琉歌集,1531年至1623年间由琉球国朝廷主持,编纂
  • 2019年欧洲联盟(脱离)法令 (直布罗陀)《2019年欧洲联盟(脱离)法令》(英语:),俗称《废除法令》,是直布罗陀议会一条有关英国脱欧的法令。法令由直布罗陀首席部长费比安·皮卡多(英语:Fabian Picardo)提出,将适用于直布罗陀的
  • 笹野惠笹野惠(日语:笹野 恵),日本女编剧。出身于福岛县。毕业于早稻田大学。※粗体字表示说明剧本统筹。
  • 富冈美沙子富冈美沙子(日语:冨岡 美沙子,1988年8月13日-),日本女性配音员。出身于高知县。身高156cm。O型血。高中毕业后前往东京,青二塾东京校第28期出身。2008年4月至2011年12月31日属于青
  • 光环:无限《光环:无限》(英语:,又名《光环6》)是一款即将推出的第一人称射击游戏,由343 Industries开发并由Xbox游戏工作室在Microsoft Windows、Xbox One和即将推出的Xbox Series X/S平台上发行。该游戏是“光环系列”的第六部主要作品。游戏设在《光环5:守护者》(2015年)之后,继续士官长的故事。原计划于2020年11月10日随Xbox Series X与Xbox Series S新主机同时发售,但343 Industries在2020年8月宣布本作将延期至202