UTF-7

✍ dations ◷ 2025-11-05 00:44:48 #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

  • 老约瑟·肯尼迪老约瑟夫·帕特里克·“乔”·肯尼迪(Joseph Patrick "Joe" Kennedy, Sr.,1888年9月6日波士顿 - 1969年11月18日。马萨诸塞州海厄尼斯),美国商人、政治家,美国民主党成员,曾任美国
  • 1976年库比契克车祸身亡案阴谋论儒塞利诺·库比契克(葡萄牙语:Juscelino Kubitschek de Oliveira (JK);1902年9月12日-1976年8月22日),捷克裔巴西政治家,于1956年至1961年期间担任巴西总统。他出身于米纳斯吉拉斯,
  • 福开森福开森(英语:John Calvin Ferguson,1866年-1945年),美国教育家,文物专家,慈善家,社会活动家。中华民国初期总统府政治顾问。1866年出生于加拿大安大略纳帕尼,父为教会牧师。自幼随家移
  • 伊沙克帕夏伊沙克帕夏(土耳其语:İshak Paşa;-1497年),奥斯曼帝国将领、官员,曾出任帝国宰相“大维齐尔”。伊沙克帕夏出身德夫希尔梅,出生于基督教家庭,少年时被奥斯曼帝国政府征募,是经过专门
  • 保罗·路斯沙巴吉那保罗·路斯沙巴吉那(英语:Paul Rusesabagina,1954年6月15日-)曾是一名卢旺达的商人,他曾任Mille Collines酒店的经理。他在卢旺达大屠杀中,身为胡图族的他,利用自己酒店经理的身份,保
  • 艾娃·马克斯阿曼达·艾娃·科齐(英语:Amanda Ava Koci,1994年2月16日-),艺名艾娃·马克斯(Ava Max),是一名阿尔巴尼亚裔美国歌手和词曲作家。她的单曲Sweet but Psycho在多个国家的流行乐排行榜
  • 海南关木通海南关木通(学名:)又名假青黄藤,是马兜铃科关木通属的植物。分布于中国大陆的海南、广西、云南以及越南,生长于海拔800米至1,200米的地区,多生在山谷林中,目前尚未由人工引种栽培。
  • 两亩地 (印度电影)《两亩地》(印地语:Do Bigha Zamin)是印度1953年1月1日上映的印地语电影,导演兼制片人比马尔·罗伊(Bimal Roy,1955年上译翻译为“比·洛埃”),Balraj Sahni(英语:Balraj Sahni)与Nirup
  • 阿尔弗莱德 (伊森堡-比丁根)古斯塔夫·阿尔弗莱德(Gustav Alfred;1841年12月31日-1922年5月3日),出生于比丁根。伊森堡-比丁根亲王。伊森堡-比丁根亲王恩斯特·卡西米尔一世的孙子,其其幼子古斯塔夫王子的长
  • 拉斯·卢卡斯·迈拉斯·卢卡斯·“拉塞”·迈(德语:Lars Lukas „Lasse“ Mai,2000年3月31日-)是一位德国足球运动员,自2014起效力于拜仁慕尼黑,现时代表二队参加德丙联赛,于场上司职后卫。迈于2014