MIME 編碼方式簡介

Subject: =?gb2312?B?xOO6w6Oh?=

這里是郵件的主題，可是因為編碼了，我們看不出是什么內(nèi)容，其原來的文本是：“你好！”我們先看看 MIME 編碼的兩種方法。

對郵件進行編碼最初的原因是因為 Internet 上的很多網(wǎng)關(guān)不能正確傳輸8 bit 內(nèi)碼的字符，比如漢字等。編碼的原理就是把 8 bit 的內(nèi)容轉(zhuǎn)換成 7 bit 的形式以能正確傳輸，在接收方收到之后，再將其還原成 8 bit 的內(nèi)容。

MIME 是“多用途網(wǎng)際郵件擴充協(xié)議”的縮寫，在 MIME 協(xié)議之前，郵件的編碼曾經(jīng)有過 UUENCODE 等編碼方式 ，但是由于 MIME 協(xié)議算法簡單，并且易于擴展，現(xiàn)在已經(jīng)成為郵件編碼方式的主流，不僅是用來傳輸 8 bit 的字符，也可以用來傳送二進制的文件 ，如郵件附件中的圖像、音頻等信息，而且擴展了很多基于MIME 的應(yīng)用。從編碼方式來說，MIME 定義了兩種編碼方法Base64與QP(Quote-Printable) :

Base 64 是一種通用的方法，其原理很簡單，就是把三個Byte的數(shù)據(jù)用 4 個Byte表示，這樣，這四個Byte 中，實際用到的都只有前面6 bit，這樣就不存在只能傳輸 7bit 的字符的問題了。Base 64的縮寫一般是“B”，像這封信中的Subject 就是用的 Base64 編碼。

另一種方法是QP(Quote-Printable) 方法，通常縮寫為“Q”方法，其原理是把一個 8 bit 的字符用兩個16進制數(shù)值表示，然后在前面加“=”。所以我們看到經(jīng)過QP編碼后的文件通常是這個樣子：=B3=C2=BF=A1=C7=E5=A3=AC=C4=FA=BA=C3=A3=A1。

在 PHP 里，系統(tǒng)有兩個函數(shù)可以很方便地實現(xiàn)解碼：base64_decode（）與quoted_printable_decode（），前者可用于base64 編碼的解碼，后者是用于 QP 編碼方法的解碼。

現(xiàn)在我們再來看看Subject: =?gb2312?B?xOO6w6Oh?= 這一主題的內(nèi)容，這不是一段完整的編碼，只有部分是編碼了的，這個部分用 =? ?= 兩個標(biāo)記括起來，=? 后面說明的是這段文字的字符集是 GB2312 ，然后一個 ? 后面的一個 B 表示的是用的 Base64 編碼。通過這段分析，我們來看一下這個 MIME 解碼的函數(shù)：（該函數(shù)由 PHPX.COM 站長 Sadly 提供，本人將其放入一個類中，并做了少量的修改，在此致謝）

function decode_mime($string) {

$pos = strpos($string, '=?');

if (!is_int($pos)) {

return $string;

}

$preceding = substr($string, 0, $pos); // save any preceding text

$search = substr($string, $pos+2); /* the mime header spec says this is the longest a single encoded word can be */

$d1 = strpos($search, '?');

if (!is_int($d1)) {

return $string;

}

$charset = substr($string, $pos+2, $d1); //取出字符集的定義部分

$search = substr($search, $d1+1); //字符集定義以后的部分＝>$search;

$d2 = strpos($search, '?');

if (!is_int($d2)) {

return $string;

}

$encoding = substr($search, 0, $d2); ////兩個?　之間的部分編碼方式　：ｑ　或　ｂ　

$search = substr($search, $d2+1);

$end = strpos($search, '?='); //$d2+1 與 $end 之間是編碼了　的內(nèi)容：=> $endcoded_text;

if (!is_int($end)) {

return $string;

}

$encoded_text = substr($search, 0, $end);

$rest = substr($string, (strlen($preceding . $charset . $encoding . $encoded_text)+6)); //+6 是前面去掉的　=????=　六個字符

switch ($encoding) {

case 'Q':

case 'q':

//$encoded_text = str_replace('_', '％20', $encoded_text);

//$encoded_text = str_replace('=', '％', $encoded_text);

//$decoded = urldecode($encoded_text);

$decoded=quoted_printable_decode($encoded_text);

if (strtolower($charset) == 'windows-1251') {

$decoded = convert_cyr_string($decoded, 'w', 'k');

}

break;

case 'B':

case 'b':

$decoded = base64_decode($encoded_text);

if (strtolower($charset) == 'windows-1251') {

$decoded = convert_cyr_string($decoded, 'w', 'k');

}

break;

default:

$decoded = '=?' . $charset . '?' . $encoding . '?' . $encoded_text . '?=';

break;

}

return $preceding . $decoded . $this->decode_mime($rest);

}

這個函數(shù)用了遞歸的方法來實現(xiàn)一段包含有如上的 Subject 段的字符的解碼。程序中已經(jīng)加上了注釋。相信有點PHP 編程基礎(chǔ)的人都能夠看得明白。該函數(shù)也是調(diào)用的base64_decode（）與quoted_printable_decode（）兩個系統(tǒng)函數(shù)實現(xiàn)的解碼，但是需要對郵件源文件進行大量的字符串的分析。不過，PHP 的字符串操作可以算是所有語言里最為方便自由的。函數(shù)的最后return $preceding . $decoded . $this->decode_mime($rest); 實現(xiàn)遞歸解碼，因為這個函數(shù)實際上是放在后面要介紹的一個 MIME解碼的類中的，所以用了 $this->decode_mime($rest)這種形式的調(diào)用方法。

下面我們來看正文。這里關(guān)系到 MIME 的一些頭信息，我們先做一個簡單的介紹（如果讀者有興趣了解更多的內(nèi)容，請參考 MIME 的官方文檔）。

MIME-Version: 1.0

表示使用的 MIME 的版本號，一般是1.0;

Content-Type: 定義了正文的類型，我們實際上是通過這個標(biāo)識來知道正文內(nèi)是什么類型的文件，比如：

text/plain 表示的是無格式的文本正文，text/html 表示的 Html 文檔，image/gif 表示的是 gif 格式的圖片等等。

在本文中特別要說明一下的是郵件中常用到的復(fù)合類型。multipart 類型表示正文是由多個部分組成的，后面的子類型說明的是這些部分之間的關(guān)系，郵件中用到的三個類型有，

multipart/alternative：表示正文由兩個部分組成，可以選擇其中的任意一個。主要作用是在征文同時有 text 格式和 html 格式時，可以在兩個正文中選擇一個來顯示，支持 html 格式的郵件客戶端軟件一般會顯示其 HTML 正文，而不支持的則會顯示其 Text 正文；

multipart/mixed ：表示文檔的多個部分是混合的，指正文與附件的關(guān)系。如果郵件的 MIME 類型是

multipart/mixed，即表示郵件帶有附件；multipart/related ：表示文檔的多個部分是相關(guān)的，一般用來描述 Html 正文與其相關(guān)的圖片。

這些復(fù)合類型又是可以嵌套使用的，比如說一個帶有附件的郵件，同時有 html 與 text 兩種格式的正文，則郵件的結(jié)構(gòu)是：

Content-Type: multipart/mixed

部分一：

Content Type : multipart/alternative：

Text 正文；

Html 格式的正文　

部分二：

附件

郵件結(jié)束符；

由于復(fù)合類型由多個部分組成，因此，需要一個分隔符來分隔這多個部分，這就是上面的郵件源文件中的boundary='----=_NextPart_000_0007_01C03166.5B1E9510'所描述的，對于每一個Contect type :multipart/* 的內(nèi)容，都會有這么一個說明，表示多個部分之間的分隔，這個分隔符是正文中不可能出現(xiàn)的一串古字符的組合，在文檔中，以　'--' 加上這個boundary 來表示一個部分的開始，在文檔的結(jié)束，以'--'加boundary再在最后加上 '--' 來表示文檔的結(jié)束。由于復(fù)合類型是可以嵌套使用的，因此，郵件中可能會多個　boundary　。

還有一個最重要的 MIME 頭標(biāo)簽：

Content-Transfer-Encoding: base64 它表示了這個部分文檔的編碼方式，也就是我們上面所介紹的Base64或QP(Quote-Printable)。我們只有識別了這個說明，才能用正確的解碼方式實現(xiàn)對其解碼。

　 限于篇幅，對于 MIME 的介紹就只說到這里。下面我將給出一個解碼MIME郵件的類，并對其做簡要說明。