Kodowanie treści to sposób zapisu właściwej zawartości wiadomości podczas jej transportu przez serwery.
Co oznacza kodowanie treści podczas transportu wiadomości
Kodowanie treści to sposób przygotowania właściwej zawartości wiadomości do przesłania przez określony protokół i zestaw serwerów. W praktyce termin ten często odnosi się do pola Content-Transfer-Encoding używanego w formacie MIME, między innymi w wiadomościach poczty elektronicznej. Pole to opisuje, jak odbiorca ma odtworzyć pierwotne dane zapisane w części wiadomości. Nie określa ono języka tekstu ani zestawu znaków. Za interpretację znaków odpowiada przede wszystkim parametr charset, na przykład UTF-8.
Rozróżnienie tych dwóch pojęć jest istotne. Tekst zawierający polskie znaki może być zapisany w UTF-8, a następnie przesłany bez dodatkowego przekształcenia albo zakodowany metodą quoted-printable. Z kolei załącznik binarny, taki jak zdjęcie, archiwum lub plik wykonywalny, nie jest kodowany po to, aby zmienić jego zawartość. Jest przedstawiany w formie bezpiecznej dla kanału transportowego, a po odebraniu dekodowany do pierwotnej postaci bajtów.
Metody MIME: 7bit, 8bit, quoted-printable i Base64
Wartość 7bit oznacza dane złożone z bajtów o wartościach od 0 do 127, zapisane jako krótkie linie tekstu. W klasycznym transporcie SMTP linia nie powinna przekraczać 998 znaków, a zgodność z ograniczeniem 78 znaków jest ważna dla czytelności i kompatybilności nagłówków. Metoda 7bit pasuje do prostego tekstu ASCII, lecz sama nie zapewnia bezpośredniego przesyłania wszystkich znaków Unicode. Wartość 8bit pozwala na bajty spoza zakresu ASCII, ale wymaga, aby wszystkie elementy pośredniczące prawidłowo obsługiwały dane 8-bitowe. W SMTP deklarowana jest do tego rozszerzona możliwość transportu 8BITMIME.
Quoted-printable jest przeznaczone głównie dla danych tekstowych, w których większość znaków pozostaje czytelna. Bajt może zostać zapisany jako znak równości i dwie cyfry szesnastkowe, na przykład bajt o wartości 0xC4 jako =C4. Znak równości pełni funkcję specjalną, dlatego w razie potrzeby również jest kodowany. Złamanie wiersza można zaznaczyć miękkim przejściem za pomocą znaku równości na końcu linii; podczas dekodowania takie przejście nie tworzy dodatkowego znaku nowej linii.
Base64 przedstawia trzy bajty danych jako cztery znaki z ograniczonego alfabetu. Wykorzystuje litery alfabetu łacińskiego, cyfry oraz znaki + i /, a dopełnienie końca danych może być oznaczone znakiem =. Metoda ta nadaje się do załączników i innych danych binarnych, ponieważ wynik zawiera wyłącznie znaki bezpieczne dla wielu kanałów tekstowych. Ceną jest zwiększenie objętości danych o około jedną trzecią, poza dodatkowymi znakami podziału linii i nagłówkami MIME.
Jak serwer i program pocztowy odtwarzają przesłaną zawartość
Nadawca umieszcza deklarację kodowania w nagłówkach odpowiedniej części MIME, a nie w samej treści jako zwykły opis. Wiadomość wieloczęściowa może mieć osobne części dla tekstu zwykłego, HTML oraz załączników. Każda z nich może stosować inną metodę transportową. Program odbiorcy odczytuje nagłówki, pobiera dane, usuwa techniczne przekształcenie zgodnie z deklaracją, a następnie interpretuje otrzymane bajty według wskazanego typu mediów i zestawu znaków. Dla tekstu HTML typowa deklaracja może łączyć Content-Type: text/html z charset=UTF-8 oraz osobnym Content-Transfer-Encoding.
Błędna deklaracja prowadzi do objawów, które bywają mylone z uszkodzeniem sprzętu. Nieprawidłowe charset może wyświetlić polskie znaki jako ciągi w rodzaju „ó”, natomiast błędne kodowanie transportowe może powodować widoczne sekwencje =C4, uszkodzone załączniki albo komunikat o niezgodności formatu. Jeżeli serwer pośredni zmieni zawartość bez aktualizacji nagłówka, odbiorca nie ma wiarygodnej informacji, jak odtworzyć pierwotne dane. Przy analizie problemu trzeba więc porównać surowe nagłówki, bajty wiadomości oraz rezultat po dekodowaniu.
Kodowanie treści nie jest tym samym co kodowanie transferu HTTP, mimo podobnego nazewnictwa. W HTTP nagłówek Transfer-Encoding: chunked opisuje sposób dzielenia strumienia odpowiedzi na porcje i nie służy do zamiany danych binarnych na tekst. Podobnie kompresja wskazana przez Content-Encoding: gzip zmienia sposób kompresowania reprezentacji zasobu, a nie zastępuje MIME Content-Transfer-Encoding. Rozróżnienie nazw nagłówków i ich zakresu pozwala uniknąć błędnej diagnozy podczas sprawdzania poczty, formularza internetowego lub pobierania pliku.
Sprawdzanie kodowania treści na laptopie i komputerze
Podczas diagnostyki warto najpierw ustalić, gdzie powstaje problem: w programie nadawcy, na serwerze pocztowym, w transporcie, czy dopiero w aplikacji odbiorcy. Pomocne jest zapisanie wiadomości w formacie źródłowym, sprawdzenie nagłówków MIME i porównanie rozmiaru załącznika przed wysłaniem oraz po zapisaniu na komputerze. Dla Base64 można zweryfikować, czy dekodowany wynik ma oczekiwany typ pliku i prawidłową sygnaturę binarną. Dla quoted-printable należy sprawdzić występowanie nieprawidłowych sekwencji po znaku =, błędnych zakończeń linii oraz niezgodności między deklaracją a rzeczywistą zawartością.
W systemie Windows podstawowe informacje o pliku można odczytać bez zmiany jego zawartości, na przykład poleceniem PowerShell Get-FileHash -Algorithm SHA256 -LiteralPath "plik.bin". Ten sam skrót obliczony dla pliku przed wysłaniem i po odebraniu pozwala sprawdzić, czy bajty są identyczne. Dla tekstu należy dodatkowo uwzględnić kodowanie znaków i zakończenia linii, ponieważ zapis UTF-8 z sygnaturą BOM oraz zapis UTF-8 bez BOM mogą mieć różny początek pliku, mimo że zawierają ten sam tekst. Warszawskie Pogotowie Komputerowe zajmuje się profesjonalną naprawą laptopów, komputerów PC i podzespołów, a w ramach diagnostyki może rozdzielić problem sprzętowy od błędnej konfiguracji programu lub uszkodzonego pliku.
