邮件乱码问题

找到了 http://netlab.cse.yzu.edu.tw/~statue/freebsd/zh-tut/mail-code.html （郵件亂碼？）

好奇的看了一阵子....

发现有一个 “7bit”的东东, 哈哈, 请看出问题邮件的信头

X-Mailer: osCommerce Mailer
Content-Type: text/plain; charset="gb2312"
Content-Transfer-Encoding: 7bit
X-CC-AnitVirus: Version 1.0

 

文章有提到base64, 这个我是天天见， 因为每个邮件好像都有这个东东耶..好啦..开始行到..

 

登录服务器:

grep "7bit" * -R

 

includes/classes/email.php://      $this->build_params['text_encoding'] = '7bit';
includes/classes/email.php: *                            "7bit", "quoted-printable" or "base64" (all without quotes).
includes/classes/email.php: *                            7bit is EXPRESSLY NOT RECOMMENDED. Default is quoted-printable
includes/classes/email.php: *                            "7bit", "quoted-printable" or "base64" (all without quotes).
includes/classes/email.php: *                            Default is 7bit

 

看到了吧...$this->build_params['text_encoding'] = '7bit'; 把7bit改成base64, 测试， 哇哈哈， 成功了耶， 脚好了一半^^

 

看看现在的信头:

MIME-Version: 1.0
X-Mailer: osCommerce Mailer
Content-Type: text/plain; charset="gb2312"
Content-Transfer-Encoding: base64
X-CC-AnitVirus: Version 1.0

 

 

总结:

 

一句话: Email 里面的 Encoding 跟 Charset是完全两个不同的概念

---------------------------------------可以说完全看不懂的说------------------------------------

由於歷史原因，Internet 上有些郵件系統只支援 7Bit 的字元傳輸， 而漢字的內碼是 8Bit 的，當在電子郵件中發送中文時， 如果經過這些只支援 7Bit 字元的郵件系統，便會將漢字內碼的第八位元的 1 全部變成 0。

以 "中文" 兩字為例，HEX 為 A4A4A4E5， 當最高位元被清掉時就會變成 24242465，也就是 "$$$e"。 telnet 也存在這樣子的問題。

除了中文郵件外，使用電子郵件傳送圖片、程式、 壓縮文件等也會發生這個問題。所以在電子郵件中一般採用各種郵件編碼方式來解決這個問題， 將 8Bit 按照一定的規則進行編碼，便可以完好地通過只支持 7Bit 字元的郵件系統。

常見的郵件編碼有 UU 與 MIME，而 MIME (Multipurpose Internet Mail Extentions) 一般翻譯成「多媒體傳送模式」， 顧名思義，它標榜的就是可以傳送多媒體型式的檔案，可以在一封mail中附加各種型式檔案一起送出。

MIME 定義兩種編碼方法：Base64 與QP(Quote-Printable)， 兩者使用時機不同，QP 的規則是對於資料中的7bits無須重複encode，僅8bits資料轉成7bits。QP編碼適用於非US-ASCII的文字內容，例如中文檔案，而Base64的編碼規則，是將整個檔案重新編碼，編成7bits，它是用於傳送binary檔案時使用。 由於編碼的方式不同，會影響編碼之後的檔案大小。有些較懶惰的軟體便都一律採用Base64編碼了。

含有 MIME 編碼的文件，您查看它的源始碼，一般都含有： "This is a multi-part message in MIME format." 這樣的句子。

以下以 mmencode (又稱為 mimencode) 作為 QP 與 BASE64 的範例， 安裝 converters/mmencode。

RFC 2045 - Multipurpose Internet Mail Extensions (MIME) Part One: Format of Internet Message Bodies

RFC 2046 - Multipurpose Internet Mail Extensions (MIME) Part Two: Media Types

RFC 2047 - MIME (Multipurpose Internet Mail Extensions) Part Three: Message Header Extensions for Non-ASCII Text

12.4.1. UU 編碼 (uuencode與uudecode)

UU 是指 Unix 之間傳送二進制文件，就是 Unix to Unix。 使用 uuencode 將檔案編成7位元ASCII檔案，把它寄出， 收信人收到後，可以用 uudecode 將這份資料還原為原來的檔案。

uuencode 的第一個參數是要加碼的檔案，也就是您信件的內容。第二個參數是希望收信人解開後檔案叫什麼名字。

% echo "中文" > infile
% uuencode infile remotefile
begin 644 remotefile
%I*2DY0KQ
`
end
% uuencode infile remotefile | mail statue
% mail
Mail version 8.1 6/6/93.  Type ? for help.
"/var/mail/statue": 1 message 1 new
>N  1 statue                Fri Dec 21 13:12  16/390
&
Message 1:
From statue Fri Dec 21 13:12:19 2001
Date: Fri, 21 Dec 2001 13:12:19 +0800 (CST)
From: statue <statuei>
To: statue

begin 644 remotefile
%I*2DY0KQ
`
end
& s mail1
"mail1" [New file]
& q
% uudecode mail1
% cat remotefile
中文

12.4.2. QP - Quote-Printable

Content-Transfer-Encoding: quoted-printable

QP編碼的方式，是將一個字元用二個16進位法的數值表示，然後前面再加個「=」字元（等號）：

% echo "中文" | mmencode -q
=A4=A4=A4=E5
% echo "=A4=A4=A4=E5" | mmencode -q -u
中文

或是用 perl 來將 QP 解碼：

while(defined($line = <STDIN>)) {
  $line =~ s/=([0-9A-Fa-f][0-9A-Fa-f])/chr hex $1/ge;
  $line =~ s/[

]+$//;
  print STDOUT $line;
}

用 perl 來將文字編成 QP 碼：

while(defined($line = <STDIN>)) {
  $line =~ s/([=x00-x1Fx80-xFF])/sprintf("=%02X",ord($1))/ge;
  print STDOUT $line;
}

12.4.3. BASE64

Content-Transfer-Encoding: BASE64

BASE64 的算法很簡單，它將字符流順序放入一個 24 位的緩衝區，缺字符的地方補零。然後將緩衝區截斷成 4 個部分，高位在先， 每個部分 6 位，用下面的64個字符重新表示： "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/"。如果輸入只有一個或兩個字節，那麼輸出將用等號 "=" 補足。還可以隔斷附加的信息造成編碼的混亂。這就是BASE64。

% echo "中文" | mmencode
pKSk5Qo=
% echo "pKSk5Qo=" | mmencode -u
中文

12.4.4. 其他亂碼？

以 "中文" 兩字為例，整理一下以上的編碼會出現的狀況：

uuencode：%I*2DY0KQ
QP：=A4=A4=A4=E5
BASE64：pKSk5Qo=

以及其他語言性的轉碼可能出現的狀況：

GB2312：笢恅(iconv -t GB2312)
Unicode：U+4E2D U+6587
UCS-2：N-e(iconv -t UCS-2)
UTF-7：+Ti1lhw(iconv -t UTF-7)
UTF-8：銝剜??(iconv -t UTF-8) 
UTF-16：??N-e?(iconv -t UTF16)
UTF-32：??N-e?(iconv -t UTF32)
CNS11643：1-4463 1-4546
CCCII：213034 214258

另外一些有的沒的程式會出現的狀況：

hexdump：0000000 a4a4 e5a4 000a                         
0000005(hexdump)