kodowanie nagłówka

Kodowanie nagłówka to sposób zapisu znaków spoza ASCII w technicznych polach wiadomości, np. w temacie.

Dlaczego nagłówek wiadomości wymaga specjalnego zapisu

Kodowanie nagłówka wiadomości e-mail dotyczy sposobu przedstawienia znaków, których nie można bezpośrednio zapisać w tradycyjnych polach nagłówkowych opartych na ograniczonym zbiorze znaków ASCII. Problem pojawia się między innymi w polu Subject, gdy temat zawiera polskie litery, takie jak ą, ć, ę, ł, ń, ó, ś, ź lub ż. Podobna sytuacja może wystąpić w polach zawierających nazwę nadawcy albo odbiorcy wyświetlaną obok adresu e-mail. Sam adres, na przykład część znajdująca się po znaku @, podlega innym regułom niż opisowa nazwa osoby lub temat wiadomości.

W wiadomości e-mail nagłówki są oddzielone od treści pustą linią. Oprogramowanie pocztowe odczytuje je przed wyświetleniem wiadomości, a następnie interpretuje wartości poszczególnych pól. Jeżeli znak spoza dozwolonego zakresu zostanie umieszczony w nagłówku bez właściwego zakodowania, serwer lub klient pocztowy może zastąpić go znakiem zapytania, wyświetlić przypadkowy ciąg znaków albo potraktować fragment jako uszkodzony. Kodowanie nagłówka nie szyfruje wiadomości i nie chroni jej przed odczytem. Jest techniczną reprezentacją znaków, która pozwala zachować ich znaczenie podczas przesyłania.

Mechanizm encoded-word w standardzie MIME

Najczęściej stosowany mechanizm kodowania tekstu w nagłówkach wiadomości opisuje standard MIME, a dokładniej składnia encoded-word określona w RFC 2047. Zakodowany fragment ma postać =?charset?encoding?text?=. Pole charset określa zestaw znaków użyty do zapisania tekstu źródłowego, encoding wskazuje sposób przekształcenia bajtów, a text zawiera właściwy zapis zakodowanych danych. Całość rozpoczyna się od znaków =? i kończy sekwencją ?=.

W encoded-word występują dwa podstawowe warianty kodowania. Litera B oznacza kodowanie Base64, które zapisuje bajty jako znaki należące do ograniczonego alfabetu ASCII. Litera Q oznacza wariant kodowania podobny do quoted-printable, dostosowany do nagłówków. W tym wariancie znak równości wprowadza dwucyfrowy zapis szesnastkowy bajtu, a spacja jest przedstawiana jako podkreślenie. Przykładowy temat Naprawa laptopa — Warszawa może zostać przedstawiony jako encoded-word z użyciem charsetu UTF-8 i wariantu B albo Q. Konkretna postać zależy od biblioteki pocztowej, długości tekstu i przyjętych reguł kodowania.

Współczesne programy zwykle wybierają UTF-8, ponieważ pozwala on reprezentować znaki wielu języków za pomocą standardu Unicode. W starszych systemach można spotkać inne charsety, na przykład ISO-8859-2 dla części języków środkowoeuropejskich. Odbiorca musi znać charset zapisany w encoded-word, aby prawidłowo przekształcić bajty z powrotem w znaki. Sam fakt użycia Base64 nie oznacza jeszcze, że tekst jest zakodowany w UTF-8; Base64 opisuje sposób zapisu bajtów, natomiast charset opisuje interpretację tych bajtów.

Odczyt, zawijanie i typowe objawy niezgodności

Klient pocztowy, który obsługuje encoded-word, powinien rozpoznać taki fragment w nagłówku, odczytać nazwę charsetu, zdekodować wariant Q lub B, a następnie wyświetlić wynik jako czytelny tekst. Zakodowany fragment może zostać podzielony na kilka encoded-words, jeżeli temat jest długi albo zawiera różne zakresy znaków. Takie części powinny być ułożone w odpowiedniej kolejności. Podczas transmisji nagłówki mogą być również zawijane na kolejne wiersze, ale kontynuacja musi zaczynać się od białego znaku. Nieprawidłowe łamanie wiersza może sprawić, że parser uzna dalszy tekst za osobny nagłówek lub za uszkodzoną wartość.

Jednym z typowych objawów błędu jest temat wyświetlany jako ciąg w rodzaju =?UTF-8?B?...?=. Oznacza to zwykle, że aplikacja odbiorcza nie zdekodowała encoded-word albo otrzymała nagłówek zapisany w sposób niezgodny z oczekiwaną składnią. Innym objawem są krzaczki, znaki zastępcze i nieprawidłowe polskie litery. Przyczyną może być użycie niewłaściwego charsetu, podwójne kodowanie, błędna konwersja między UTF-8 a innym kodowaniem albo usunięcie znaków specjalnych przez filtr pośredniczący. Samo przeklejenie zakodowanego ciągu do pola tematu nie jest poprawną naprawą, ponieważ program może zakodować go ponownie.

Diagnostyka powinna obejmować podgląd surowych nagłówków wiadomości, a nie tylko ich wersję widoczną w interfejsie. W surowym zapisie można sprawdzić, czy pole Subject zawiera poprawne delimitery, czy określony charset odpowiada rzeczywistym bajtom oraz czy użyty wariant jest oznaczony jako Q albo B. Warto porównać tę samą wiadomość w kilku klientach pocztowych i sprawdzić, czy problem dotyczy nadawcy, serwera pośredniczącego czy wyłącznie prezentacji po stronie odbiorcy. Jeżeli uszkodzenie występuje już w surowym nagłówku, zmiana czcionki lub ustawień językowych programu zwykle nie wystarczy.

Kodowanie tematów przy serwisowaniu komputera

W praktyce serwisowej poprawne kodowanie nagłówków ma znaczenie przy obsłudze zgłoszeń wysyłanych pocztą elektroniczną, zwłaszcza gdy temat zawiera opis usterki, model urządzenia albo nazwę lokalizacji zapisaną z polskimi znakami. Należy odróżnić problem z prezentacją tematu od problemu z treścią wiadomości, załącznikiem lub konfiguracją konta. Treść może być kodowana według mechanizmów MIME dla części tekstowej, natomiast pola nagłówka, takie jak Subject, wymagają odpowiedniej reprezentacji encoded-word. Te warstwy mogą działać niezależnie i powinny być sprawdzane osobno.

Warszawskie Pogotowie Komputerowe zajmuje się profesjonalną naprawą laptopów, komputerów PC i podzespołów, a podczas diagnozy problemów z pocztą można sprawdzić również surowe nagłówki, ustawienia klienta oraz sposób kodowania polskich znaków. Taka kontrola pomaga ustalić, czy źródłem błędu jest lokalny program pocztowy, konfiguracja serwera, filtr antyspamowy czy wiadomość utworzona przez niezgodną aplikację. W razie potrzeby można odtworzyć problem na innym koncie lub urządzeniu, zachowując oryginalną wiadomość do analizy.

Bezpieczna korekta polega zazwyczaj na aktualizacji lub prawidłowej konfiguracji programu pocztowego, ustawieniu UTF-8 w systemie i aplikacji oraz ponownym wysłaniu testowej wiadomości. Nie należy ręcznie usuwać fragmentów encoded-word z otrzymanego nagłówka, ponieważ zmienia to tylko lokalny zapis i może utrudnić późniejsze porównanie. Jeżeli inne osoby odbierają temat poprawnie, a błąd występuje wyłącznie na jednym komputerze, pierwszeństwo ma sprawdzenie lokalnego klienta, jego dodatków i sposobu interpretacji wiadomości.