UTF-7

✍ dations ◷ 2025-02-25 17:33:46 #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

  • 石莼纲见内文石莼纲是绿色大型藻类中的一纲,主要是以超结构的形态学和其他物种相区分。石莼属于此纲。其他较知名的物种还有软丝藻和伞藻等。 其它淡水种有刚毛藻属、根枝藻属和黑
  • 棕榈谷棕榈谷(Palmdale,又译棕榈岱尔或帕姆岱尔)是美国加利福尼亚州洛杉矶县北部的一个城市。棕榈谷位处莫哈维沙漠的羚羊谷(Antelope Valley)南部山脚下,面积272.2平方公里,市中心海拔81
  • 连续对称在数学里,连续对称是观察如运动等之某些对称性概念而自然产生出的观念,和由一个状态翻转至另一状态而不变的镜射对称相对。它大量地且成功地被公式化于数学的许多如拓扑群、李
  • 叶卡捷琳娜·巴甫洛夫娜女大公叶卡捷琳娜·巴甫洛夫娜女大公(俄语:Екатерина Павловна,1788年5月21日-1819年1月9日),沙皇保罗一世的第四女,1816年起为符腾堡王后(英语:List of consorts of Wür
  • 明惠明惠(みょうえ、1173年2月21日-1232年2月11日)是镰仓时代前期的华严宗僧。法讳高弁。也称作明惠上人・栂尾上人。父是平重国。母是汤浅宗重的四女。现在的和歌山县有田川町出身
  • 法裔马达加斯加人法裔马达加斯加人,是马达加斯加一个人数虽少但组织紧密的法国人社群,他们多是19世纪-20世纪法国殖民者的后裔,他们现在是马达加斯加少数族群之一。法国定居者为了殖民该岛的一
  • 让-巴蒂斯特·沙依诺让-巴蒂斯特·沙依诺(法语:Jean-Baptiste Chaigneau,1769年8月6日-1832年1月31日)越南名字为阮文胜(越南语:Nguyễn Văn Thắng/.mw-parser-output .han-nom{font-family:"Nom Na T
  • 尼尔·科林斯 尼尔·威廉·科林斯(英语:Neill William Collins,1983年9月2日-),出生在特奴,是一名苏格兰足球运动员,司职中后卫,出身格拉斯哥的女王公园,现效力英冠俱乐部谢菲尔德联。科林斯出生
  • 郑载成郑载成(韩语:정재성,1970年12月16日-),韩国男演员。
  • 傅晓岚傅晓岚(1967年8月17日-),湖南长沙人,是旅英华裔经济学家,牛津大学教授、牛津大学格林坦普顿学院研究员、牛津大学技术与管理发展研究中心(TMCD)主任以及英国社会科学院(英语:Academy of Social Sciences)院士。傅晓岚毕业于湖南师大附中,后来保送至华中科技大学,先后在湖南大学、兰卡斯特大学取得硕士、博士学位,并进入剑桥大学做博士后。2006年,傅晓岚从剑桥大学来到牛津大学,并且担任该校的高级研究员。2012年,傅晓岚成为牛津大学终身教授,这也是牛津大学社会科学领域第一位华人终