Android邮件中的Base64和Quoted-Printable编码

田海立@CSDN

2012-07-31

Email在网络上传输时，采用MIME(MultipurposeInternet Mail Extensions)。邮件传输只能传送US-ASCII字符，邮件中包含的其他字符必须通过一定的编码转换之后才能传输。对于Subject或/和附件名称为中文字符的邮件，有些邮件系统因为缺少编码（字符编码和传输编码）信息，导致乱码情况的发生。本文分析Android中Email系统的编码——Base64和Quoted-Printable。

邮件的Subject和附件名，用一种简短的格式指示传输编码和字符编码。字符编码是可以是UTF-8、GB2312等；传输编码常用的有BASE64和Quoted-Printable。本文主要看传输编码，关于字符编码的Unicode编码，可以参考《Unicode编码及其实现：UTF-16、UTF-8, and more》。

一、Base64编码

Base64编码在现在网络传输上应用广泛。Base64可以把要转换的内容，转换成可打印字符（包含字符表’A’~’Z’, ‘a’~’z’, ‘0’~’9’, ‘+’, ‘/’，共64个，以及’=’）。

字符表（64个字符，索引只需6bits，即最大0x3F）：

索引	对应字符	索引	对应字符	索引	对应字符	索引	对应字符
0	A	17	R	34	i	51	z
1	B	18	S	35	j	52	0
2	C	19	T	36	k	53	1
3	D	20	U	37	l	54	2
4	E	21	V	38	m	55	3
5	F	22	W	39	n	56	4
6	G	23	X	40	o	57	5
7	H	24	Y	41	p	58	6
8	I	25	Z	42	q	59	7
9	J	26	a	43	r	60	8
10	K	27	b	44	s	61	9
11	L	28	c	45	t	62	+
12	M	29	d	46	u	63	/
13	N	30	e	47	v	​	​
14	O	31	f	48	w	​	​
15	P	32	g	49	x	​	​
16	Q	33	h	50	y	​	​

具体转换规则为：

1． 3字符转换成4个字符；

3个8Bits的字符有24Bits，每6个Bits组成一个BASE64字符表的索引，通过索引找到转换后的字符。

亦即，a7..a0 b7..b0c7..c0 -> A7..A2A1A0B7..B4 B3..B0C7C6C5..C0

A7..A2 第一个字符在字符表中索引；

A1A0B7..B4 第二个字符在字符表中索引；

B3..B0C7C6 第三个字符在字符表中索引；

C5..C0 第四个字符在字符表中索引。

2． 转换后的内容，每76个字符加一个换行符；

3． 最后的不足3个字符的字符要进行特别处理

3.1 若剩余两个字符未处理，则：

这两个剩余的字符与0x00组成一个数据，得到三个字符的索引，最后一个字符用’=’。

亦即，a7..a0 b7..b00..0 -> A7..A2A1A0B7..B4 B3..B000

A7..A2 第一个字符在字符表中索引；

A1A0B7..B4 第二个字符在字符表中索引；

B3..B0 00 第三个字符在字符表中索引；

第四个字符：’=’。

3.2 若剩余一个字符未处理，则：

这个剩余的字符与0x0000组成一个数据，得到两个字符的索引，最后两个字符都用’=’。

亦即，a7..a0 0..00..0 -> A7..A2A1A0 0..0

A7..A2 第一个字符在字符表中索引；

A1A0 0..0 第二个字符在字符表中索引；

第三、第四个字符：‘=’，‘=’。

二、Quoted-Printable编码

Quoted-Printable编码比较简单，扫描要编码的内容，对每个字节进行处理：

• 如果是空格符（0x20），用‘_’替换；
• 如果是[33, 127)，并且不是特殊限制字符{=_?\"#$%&'(),.:;<>@[\\]^`{|}~}，直接用原始字符加入，不做处理；
• 其他字符，用‘=’加内码信息替换。

三、Email Subject和附件名的表达格式

有了Base64和Quoted-Printable的编码方式，要有一定的格式指示采用的哪种传输编码，同时还要指定编码的字符所采用的字符编码方式。

Email的Subject和附件名的表达格式：<prefix><charset>?<encodeMode>?<encodedContent><suffix>

其中，

• <prefix> 固定为“=?”；
• <charset> 为字符编码格式；
• <encodeMode> 为传输编码格式：B代表Base64；Q代表Quote-Printable
• <encodedContent> 为用encodeMode 编码过的字符编码为charset的字符串
• <suffix> 固定为“?=”

比如要把“吕晶晶jj9.jpg”作为Subject或者附件名称通过Email传输。编码过程如下：

3.1．UTF-8编码

E59095 E699B6 E699B6 6A6A392E6A7067
吕     晶     晶     j j 9 . j p g

3.2．Base64编码

E59095 E699B6 E699B6 6A6A39 2E6A7067  3Bytes
E59095 -> 111001011001000010010101     二进制
       -> 111001 011001 000010 010101  6Bits(二进制)
       -> 57     25    2      21      索引(十进制)
       -> '5'    'Z'   'C'    'V'     编码后的字符
E699B6 -> 111001101001100110110110     二进制
       -> 111001 101001 100110 110110  6Bits(二进制)
       -> 57     41    38     54      索引(十进制)
       -> '5'    'p'   'm'    '2'     编码后的字符
E699B6 -> 111001101001100110110110     二进制
       -> 111001 101001 100110 110110  6Bits(二进制)
       -> 57     41    38     54     索引(十进制)
       -> '5'    'p'   'm'    '2'     编码后的字符
6A6A39 -> 011010100110101000111001     二进制
       -> 011010 100110 101000 111001  6Bits(二进制)
       -> 26     38    40     57      索引(十进制)
       -> 'a'    'm'   'o'    '5'     编码后的字符
2E6A70 -> 001011100110101001110000     二进制
       -> 001011 100110 101001 110000  6Bits(二进制)
       -> 11     38    41     48      索引(十进制)
       -> 'L'    'm'   'p'    'w'     编码后的字符
670000 -> 011001110000000000000000     二进制
       -> 011001 110000 000000 000000  6Bits(二进制)
       -> 25     48                    索引(十进制)
       -> 'Z'    'w'   '='    '='     编码后的字符

编码过程：

• 把要编码的内容（“吕晶晶jj9.jpg”UTF-8编码的内容）按照3个字节一组分组[Line#1]；
• 每6bits拆分，得到在字符表中的索引[Line#3&4;Line#7&8; Line#11&12; Line#15&16; Line#19&20]；
• 通过索引查表，得到编码后的字符[Line#5; Line#9; Line#13; Line#7; Line#21]；
• 对未最后一个字节做处理[Line#22~#25]。

所以，得到Base64编码[Line#5;Line#9; Line#13; Line#7; Line#21]：

5ZCV5pm25pm2amo5LmpwZw==

3.3. 最终Base64编码结果

再按格式，加上前缀、字符编码、传输编码及后缀，得到：

=?UTF-8?B?5ZCV5pm25pm2amo5LmpwZw==?=

3.4. Quoted-Printable编码结果

如果传输编码用Quoted-Printable编码，可以得到：

=?UTF-8?Q?=E5=90=95=E6=99=B6=E6=99=B6jj9.jpg?=

编码过程比较简单，读者可参照第二部分的Quoted-Printable编码自行分析。

四、Android中Email相关的实现

Android原生Email的实现中，对Base64、Quoted-Printable的编码和解码是采用第三方开源包mime4j实现的。具体来说，对所有Base64/Quoted-Printable编码过的字段是可以解码的，但是在发送邮件时，只是对Subject进行了编码，对附件名称没有进行编码。这也导致了中文附件名称乱码问题。

传输编码和解码的使用都是通过com.android.email.mail.internet.MimeUtility，调用org.apache.james.mime4j.decoder.DecoderUtil或org.apache.james.mime4j.codec.EncoderUtil实现的。

4.1 解码

com.android.email.mail.internet.MimeUtility中与解码相关的有下面几个static的方法：

public static StringunfoldAndDecode(String s);
public static Stringunfold(String s);
public static Stringdecode(String s);

unfoldAndDecode包含了unfold和decode两个操作过程。unfold去掉编码过内容的CRLF；decode是真正的解码实现。

decode调用org.apache.james.mime4j.decoder.DecoderUtil#decodeEncodedWords()

decodeEncodedWords()通过判定传输编码，选择通过decodeB()进行Base64解码；还是通过decodeQ()进行Quoted-Printable解码。

4.2 编码

com.android.email.mail.internet.MimeUtility中与编码相关的，有下面几个static的方法：

public static StringfoldAndEncode(String s);
public static StringfoldAndEncode2(String s, int usedCharacters)
public static Stringfold(String s, int usedCharacters)

foldAndEncode没有做任何操作，foldAndEncode2才真正实现了编码。foldAndEncode2通过org.apache.james.mime4j.codec.EncoderUtil#encodeIfNecessary实现。

4.2.1 是否需要编码

编码过后，会增加字串的长度，并不是非要编码不可的。EncoderUtil #hasToBeEncoded()通过对原始字串的分析，判定是否一定要编码。

• 如果字串中只包含一般可打印字符，没必要编码；
• 如果字串中包含控制字符、大于127的字符，一定要进行编码。

4.2.2 编码的选择

编码的选择包括字符编码的选择和传输编码的选择。

字符编码的选择通过EncoderUtil#determineCharset()进行。

• 如果要编码的字串中的字符中UnicodeCodePoint有大于0xFF，进行UTF-8编码；
• 如果要编码的字串中的字符中UnicodeCodePoint有大于0x7F，进行ISO-8859-1编码；
• 否则，进行US-ASCII编码。

传输编码的选择通过EncoderUtil#determineEncoding ()进行。

determineEncoding查看要编码的字串中的需要Quoted-Printable编码的字符所占的比例，只有需要编码的比例低于30%时，才采用Quoted-Printable编码，不然一律采用Base64编码。

4.2.3 编码的实现

通过encodeB()进行Base64编码；还是通过encodeQ()进行Quoted-Printable编码。

4.3 通过加编码信息解决问题

Android Email的实现中，对

• 接收到邮件的Subject和附件名称以及其他字段，都进行了解码操作；
• 发送/保存邮件时，只是对Subject进行了编码，对附件名称没有进行编码。

所以，在接收到Android Email客户端发送的带有中文附件的邮件，会发生附件名是乱码的问题。解决方式是在发送或保存邮件地方，对附件名称进行本文前段论述的编码。

五、仍然未决的问题

4.4 的解决方式，能够解决新发送邮件的问题，但是对于存量的已经存在的邮件，它们的附件名称还是乱码。而且没有经过编码的邮件用别的邮件客户端（比如Outlook）接收，能够正确解析出附件的名称，这也说明即便没有进行编码和指定编码格式，客户端也是可以解码的。只是笔者通过试验，还是没搞懂具体怎么隐含编码/解码的。如果有知道如何实现的，望读者不吝赐教！

下面是通过Android Email客户端发送附件名称为“吕晶晶jj9.jpg”，接收到的附件名称，不知道是如何编/解码的？

发送的UTF-8名称

E59095 E699B6 E699B6 6A6A392E6A7067
吕     晶     晶     j j 9 . j p g

接收到的名称（这是什么样的编码？下面的十六进制编码是从收到的邮件的附件名里抓取到的，有谁知道其编码原则，望不吝赐教！）

C3A5C290C295 C3A6C299C2B6 C3A6C299C2B6 6A6A392E6A7067
吕           晶           晶           j j 9 . j p g