http://blog.csdn.net/bripengandre/article/details/2192982
MIME協議分析
第1章. MIME概述
MIME, 全稱為“Multipurpose Internet Mail Extensions”, 比較確切的中文名稱為“多用途互連網郵件擴充”。它是當前廣泛應用的一種電子郵件技術規範,基本內容定義於RFC 2045-2049(注意RFC1521和RFC1522是它的過時版本)。
MIME試圖在不改變SMTP協議和RFC822(郵件格式標準)的基礎上,使得郵件可以傳送任意二進位檔案。為此,它在這些協議之上,採取了一些措施,這就是我們下面所要重點講述的內容。
第2章. MIME詳解2.1. 改進措施
一封郵件包括信封、郵件標頭和郵件體等三個部分。信封顯然可以不含有二進位資訊,而其它兩部分則可能包含任意二進位序列,因此需要加以改進。MIME正是抓住了這兩個地方來對他們加以改進。
1) 新增了一些郵件標頭資訊,用來協商MIME的一些參數。
2) 定義了許多郵件內容的格式,對多媒體電子郵件的表示方法進行了標準化。
3) 定義了傳送編碼,從而可以傳送任意二進位檔案。
在這裡,我還是要不厭其煩地強調指出,所有的改進措施都是建立在不改變原來的SMTP協議和RFC822的基礎上的。事實上,我們可以把這些改進措施,看成是在用SMTP等發送郵件前所採取的預先處理。
2.2. 一封簡單郵件的源碼
為了對MIME郵件有個直觀的瞭解,先給出一封簡單郵件的源碼。源碼中,行號和行號後的空格是為了分析方便而另外加的,“... ... ... ...”表示此處省略了大段編碼。
1 From: "bhw98" <bhw98@sina.com>
2 Reply-To: bhw98@sina.com
3 To: <bluesky7810@163.com>
4 Subject: Re: help
5 X-Mailer: Foxmail 4.2 [cn]
6 Mime-Version: 1.0
7 Content-Type: multipart/alternative;
8 boundary="=====002_Dragon307572345230_====="
9
10
11 This is a multi-part message in MIME format.
12
13 --=====002_Dragon307572345230_=====
14 Content-Type: text/plain; charset="GB2312"
15 Content-Transfer-Encoding: quoted-printable
16
17 bluesky7810=A3=AC=C4=FA=BA=C3=A3=A1
18
19 =A1=A1=A1=A1=D4=DA=CF=C2=C6=AA=D7=EE=BA=F3=BF=C9=D2=D4=CF=C2=D4=D8=B0=A1=A3=AC=C4=E3
... ... ... ...
30 =A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A1=A12003-04-07
31
32 --=====002_Dragon307572345230_=====
33 Content-Type: text/html; charset="GB2312"
34 Content-Transfer-Encoding: quoted-printable
35
36 <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
37 <HTML><HEAD>
38 <META content=3D"text/html; charset=3Dgb2312"=
39 http-equiv=3DContent-Type>
40 <META content=3D"MSHTML 5.00.2920.0" name=3DGENERATOR>
... ... ... ...
79 </HTML>
80
81 --=====002_Dragon307572345230_=====--
82
我們可以在使用者代理程式中查看到這樣的源碼。例如可以利用使用者代理程式來查看一封郵件的原始編碼。例如在Foxmail中,選定郵件後,單擊右鍵,選擇“原始資訊”項即可。至於源碼的具體意思則正是後續內容所要講的。
2.3. 郵件標頭2.3.1. 郵件標頭的域
郵件標頭包含了寄件者、收件者、主題、時間、MIME版本、郵件內容的類型等重要訊息。每條資訊稱為一個域,由網域名稱後加“: ”和資訊內容構成,可以是一行,較長的也可以佔用多行。域的首行必須“頂頭”寫,即左邊不能有空白字元(空格和定位字元);續行則必須以空白字元打頭,且第一個空白字元不是資訊本身固有的,解碼時要過濾掉。如例2的7-8行分別屬於一個域。
表 1中給出了郵件標頭中常見的域,域的含義,和域值的添加者。
|
網域名稱 |
含義 |
添加者 |
|
Received |
傳輸路徑 |
各級郵件伺服器 |
|
Return-Path |
回複地址 |
目標郵件伺服器 |
|
Delivered-To |
發送地址 |
目標郵件伺服器 |
|
Reply-To |
回複地址 |
郵件的建立者 |
|
From |
寄件者地址 |
郵件的建立者 |
|
To |
收件者地址 |
郵件的建立者 |
|
Cc |
抄送地址 |
郵件的建立者 |
|
Bcc |
暗送地址 |
郵件的建立者 |
|
Date |
日期和時間 |
郵件的建立者 |
|
Subject |
主題 |
郵件的建立者 |
|
Message-ID |
訊息ID |
郵件的建立者 |
|
MIME-Version |
MIME版本 |
郵件的建立者 |
|
Content-Type |
內容的類型 |
郵件的建立者 |
|
Content-Transfer-Encoding |
內容的傳輸編碼方式 |
郵件的建立者 |
表 1 郵件標頭中常見的域
非標準的、自訂網域名都以X-開頭,例如X-Mailer, X-MSMail-Priority等,通常在接收和發送郵件的是同一程式時才能理解它們的意義。除了後面兩個域外,其他的域的意思很明了,所以下面只對後兩個域做解釋。
2.3.2. Content-Type域
Content-Type域,即內容類型域,它用來說明傳輸的內容的類型。Cotent-Type域又由“主類型/子類型”構成,主類型有text, image, audio, video, application, multipart, message等,分別表示文本、圖片、音頻、視頻、應用、分段、訊息等。每個主類型都可能有多個子類型,如text類型就包含plain, html, xml, css等子類型。以X-開頭的主類型和子類型,同樣表示自訂的類型,未向IANA正式註冊,但大多已經約定成俗了。如application/x-zip-compressed是ZIP檔案類型。在Windows中,註冊表的“HKEY_CLASSES_ROOT/MIME/Database/Content Type”內列舉了除multipart之外大部分已知的Content-Type。
各種各種類型一般都可以帶參數。至於參數的形式,RFC裡有很多補充規定,有的允許帶幾個參數,較為常見的如表 2所示
|
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 |
表 2 常見類型的參數
2.3.3. Content-Transfer-Encoding域
Content-Transfer-Encoding域即傳送編碼域,它用來說明後面傳輸的內容的編碼方式。
Content-Transfer-Encoding共有Base64, Quoted-printable, 7bit, 8bit, Binary等幾種。其中7bit是預設的編碼方式。電子郵件源碼最初設計為全部是可列印的ASCII碼的形式。非ASCII碼的文本或資料要編碼成要求的格式,如上面的三個例子。Base64, Quoted-Printable是在非英語國家使用最廣使的編碼方式。Binary方式只具有象徵意義,而沒有任何實用價值。關於Base64編碼和Quoted-Printable編碼請參考RFC文檔或另外一篇文章《SMTP協議分析》。
近年來,國內多數郵件伺服器已經支援8bit方式,因此只在國內傳輸的郵件,特別是在郵件標頭中,可直接使用8bit編碼,對漢字不做處理。如果郵件要出國,還是老老實實地按Base64或Quoted-printable編碼才行
2.4. 郵件體
郵件體的類型由郵件標頭的“Content-Type”域指出。常見的簡單類型有text/plain(純文字)和text/html(超文本)。
源碼中出現的multipart類型,是MIME郵件的精髓。郵件體被分為多個段,每個段又包含段頭和段體兩部分,這兩部分之間也以空行分隔。常見的multipart類型有三種:multipart/mixed, multipart/related和multipart/alternative。從它們的名稱,不難推知這些類型各自的含義和用處。它們之間的層次關係可歸納為圖 1所示
...
可以看出,如果在郵件中要添加附件,必須定義multipart/mixed段;如果存在內嵌資源,至少要定義multipart/related段;如果純文字與超文本共存,至少要定義multipart/alternative段。什麼是“至少”?舉個例子說,如果只有純文字與超文本本文,那麼在郵件標頭中將類型擴大化,定義為multipart/related,甚至multipart/mixed,都是允許的。
multipart諸類型的共同特徵是,在段頭指定“boundary”參數字串,段體內的每個子段以此串定界。所有的子段都以“--”+boundary行開始,父段則以“--”+boundary+“--”行結束。段與段之間也以空行分隔。在郵件體是multipart類型的情況下,郵件體的開始部分(第一個“--”+boundary行之前)可以有一些附加的文本行,相當於注釋,解碼時應忽略。段間也可以有一些附加的文本行,不會顯示出來,如果有興趣,不妨驗證一下。
結合boundary定界和multipart層次關係圖,我們分析一下源碼中的郵件體層次與段嵌套關係。在源碼中,10-12行是附加文本行,13-82行是multipart/alternative型的段,包含兩個子段:13-30行是純文字本文,32-79行是超文本本文。
需要補充說明地是,構成郵件體的各段有自己的屬性,這些屬性由段頭的域來說明。表 3給出了段頭中常見的域。
|
網域名稱 |
含義 |
|
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 |
段體的基礎位置 |
表 3 段頭中常見的域
各域的含義與郵件標頭中同名的域的含義一樣,只是前者的範圍為段,而後者的範圍為整個郵件體
第3章. 常見的疑問3.1. 如何得到MIME郵件的源碼
在一些些功能比較完善的郵件用戶端軟體,如微軟的Outlook Express,國產的Foxmail等,都提供了查看和儲存郵件源碼(原始資訊)的功能。在Foxmail中,選擇郵件,單擊右鍵,選擇“原始資訊”功能表項目可查看到郵件的源碼。
第4章. 分析方案
因為MIME是一種電子郵件規範,所以被廣泛用在其他協議中。如SMTP和POP3協議中所謂的郵件就大部分遵循MIME郵件規範。所以雖然功能需求表中未對MIME作出要求,但當我們想要從SMTP或POP3通訊等中提取有效資訊時,我們不得不瞭解MIME協議(因為提取到的郵件資訊是符合MIME規範的)。
當我們得到了SMTP或POP3通訊中的MIME資訊後,只需對其進行簡單的MIME解碼就可得到發送的原始資訊。