MIME 是 Multipurpose Internet Mail Extensions 的縮寫。FOLDOC 對它的定義是:「一種用於傳送圖形、聲音、傳真等非文字資料的多部分、多媒體郵件與 WWW 超文本編碼標準。」它定義於 RFC 1341,用 MIMENCODE 方法把二進位資料轉換成 BASE64 這個 ASCII 子集的字元組合。
MIMENCODE 最早叫 MMENCODE,之所以要取代 UUENCODE,是因為 UUENCODE 用到的一些字元會在某些郵件閘道(特別是轉換 ASCII 與 EBCDIC 的閘道)造成傳輸障礙,加上部分軟體無法正確解碼,導致郵件閱讀困難。MIME 原本設計來取代 UUENCODE,結果是兩套協議長期共存。
在 MIME 出現之前,RFC 822 只能傳送基本的 ASCII 文字,郵件內容要包含二進位檔、聲音、動畫非常困難。MIME 提供了一種在郵件中附加多種不同編碼檔案的方法,彌補了原有資訊格式的不足。如今 MIME 已經不只是郵件編碼,也成為 HTTP 協議標準的一部分。
對郵件編碼最初的理由是:網路上很多閘道無法正確傳輸 8 位元內碼的字元,例如漢字。編碼原理就是把 8 位元內容轉成 7 位元形式以便傳輸,接收端收到後再還原。MIME 演算法簡單、易於擴充,現在已成為主流,不只傳 8 位元字元,也能傳二進位檔。它定義了兩種編碼方法:Base64 與 Quoted-Printable。
原理很簡單:把三個 Byte 的資料用四個 Byte 表示,而這四個 Byte 實際只用到前 6 個位元,因此不存在「只能傳 7 位元」的限制。
Base64 把輸入資料編碼成只含 A-Z a-z 0-9 + / 這 64 個字元的字串,並用 = 填充。做法是每次取 6 位元,用其值(0–63)查表輸出對應字元,所以每 3 個位元組會編碼為 4 個字元(3×8 → 4×6),不足的部分用 = 補齊。
有些場合會寫成 =?charset?B?xxxxxxxx?=,表示 xxxxxxxx 是 Base64 編碼、原文編碼為 charset。在段體內則直接編碼,MIME 建議每行最多 76 個字元。
演算法上,它先把字元流依序放進一個 24 位元的緩衝區,不足處補零,再將緩衝區切成四段、每段 6 位元(高位在前),用 64 個字元重新表示。若輸入只有一兩個位元組,輸出會用等號補足,以避免附加資訊造成編碼混淆。
先轉成 US-ASCII 值:
"m" = 109 "e" = 101 "n" = 110
二進位:
m 01101101
e 01100101
n 01101110
三個 8 位連起來是 24 位:
011011010110010101101110
分成 4 段,每段 6 位:
011011 010110 010101 101110
十進位: 27 22 21 46
對應 Base64 字元: b W V u
若只有兩個字元,例如 "me",最後一段補零湊滿 6 位,再用一個 = 補足四個字元,結果是 bWU=。若只有一個字元 "m",則補兩個等號,結果是 bQ==。
另一種方法是把一個 8 位元字元用兩個十六進位數表示,前面加「=」。所以 QP 編碼後的中文看起來像這樣:
=B3=C2=BF=A1=C7=E5=A3=AC=C4=FA=BA=C3=A3=A1
QP 的規則是:不需編碼的字元直接輸出;需要編碼的先輸出 =,後面接兩個字元組成的十六進位位元組值。有些場合寫成 =?charset?Q?xxxxxxxx?=。在段體內直接編碼,換行前會額外輸出一個 =。
MIME 沿用了許多 RFC 822 的欄位,也新增了一些:
欄位 含義 添加者
Received 傳輸路徑 各級郵件伺服器
Return-Path 回覆地址 目標郵件伺服器
Delivered-To 發送地址 目標郵件伺服器
Reply-To 回覆地址 郵件創建者
From / To / Cc / Bcc 寄件/收件/副本/密件
Date 日期與時間 郵件創建者
Subject 主題 郵件創建者
Message-ID 訊息 ID 郵件創建者
MIME-Version MIME 版本 郵件創建者
Content-Type 內容類型 郵件創建者
Content-Transfer-Encoding 內容傳輸編碼 郵件創建者
非標準的自訂欄位一律以 X- 開頭,例如 X-Mailer、X-MSMail-Priority,通常只有寄收雙方使用同一程式時才有意義。
Content-Type 段體的類型
Content-Transfer-Encoding 段體的傳輸編碼方式
Content-Disposition 段體的安排方式
Content-ID 段體的 ID
Content-Location 段體的位置(路徑)
Content-Base 段體的基位置
有些欄位除了值還帶參數,值與參數、參數與參數之間以「;」分隔,參數名與值之間以「=」分隔。
MIME-Version: 1.0
Content-Type 定義了正文的類型,我們靠它知道內容是什麼檔案:text/plain 是無格式文字,text/html 是 HTML 文件,image/gif 是 GIF 圖片。格式一律是「主類型/子類型」。
主類型有 text、image、audio、video、application、multipart、message,分別表示文字、圖片、音訊、影片、應用、分段、訊息。每個主類型下有多個子類型,例如 text 包含 plain、html、xml、css。以 X- 開頭的表示自訂類型,未向 IANA 正式註冊但多已約定成俗,例如 application/x-zip-compressed。
常見參數:
主類型 參數名 含義
text charset 字元集
image name 名稱
application name 名稱
multipart boundary 邊界
multipart 是 MIME 郵件的精髓:正文由多個部分組成,後面的子類型說明這些部分之間的關係。郵件常用三種:
層次關係大致如下:
+------------------------- multipart/mixed -------------------------+
| +----------------- multipart/related -------------------+ |
| | +----- multipart/alternative ------+ +----------+ | +------+ |
| | | +------------+ +------------+ | | 內嵌資源 | | | 附件 | |
| | | | 純文字正文 | | 超文本正文 | | | | | | | |
| | | +------------+ +------------+ | +----------+ | +------+ |
| | +---------------------------------+ | |
| +---------------------------------------------------+ |
+------------------------------------------------------------------+
歸納起來:要加附件必須定義 multipart/mixed 段;有內嵌資源至少要定義 multipart/related 段;純文字與超文本共存至少要定義 multipart/alternative 段。所謂「至少」是指可以放大使用——只有兩種正文時,把它定義成 multipart/related 甚至 multipart/mixed 也是允許的。
multipart 各類型的共同特徵是:在段標頭指定 boundary 參數字串,段體內每個子段以此定界。所有子段都以 -- + boundary 行開始,父段則以 -- + boundary + -- 行結束。在 multipart 郵件中,正文開頭(第一個 boundary 行之前)可以有若干註解性質的文字行,解碼時應忽略。
這些複合類型可以嵌套使用。例如一封帶附件、同時有 html 與 text 兩種正文的郵件,結構是:
Content-Type: multipart/mixed
部分一:Content-Type: multipart/alternative
├─ 純文字正文
└─ HTML 正文
部分二:附件
含有 MIME/BASE64 編碼的郵件,看源碼時通常會出現 "This is a multi-part message in MIME format." 這類句子。絕大多數郵件程式(Netscape、MS Mail、Eudora 等)都能正確解碼,把 Base64 部分還原成文字或二進位附件。
它表示這個部分的編碼方式,只有讀懂這個標示才能用正確方式解碼。共有 Base64、Quoted-Printable、7bit、8bit、Binary 幾種:
這個分隔符是正文中不可能出現的一串字元組合。文件中以 -- 加 boundary 表示一個部分的開始,結尾則是 -- 加 boundary 再加 --。由於複合類型可以嵌套,一封郵件裡可能出現多個 boundary。
實務上有一點值得注意:boundary 字串必須在整封信中唯一,否則解析器會在錯誤的位置切段,導致附件損毀或正文被截斷。自己產生 MIME 郵件時,用雜湊值或 UUID 來組 boundary 是比較穩妥的做法。