RFC 2047 – kodowanie nagłówków

RFC 2047 umożliwia zapisanie polskich znaków w temacie i nazwie nadawcy wiadomości.

Składnia słowa zakodowanego

Nagłówki wiadomości e-mail zostały pierwotnie zaprojektowane dla siedmiobitowego ASCII, więc polskie znaki nie mogły trafić do pola Subject wprost. RFC 2047 rozwiązuje to konstrukcją zwaną encoded-word o postaci =?zestaw-znaków?kodowanie?dane?=. Zestaw znaków to najczęściej UTF-8, rzadziej ISO-8859-2 lub windows-1250. Litera kodowania przyjmuje dwie wartości: B oznacza base64, Q oznacza wariant quoted-printable, w którym bajty zapisuje się jako znak równości i dwie cyfry szesnastkowe, a podkreślenie zastępuje spację.

Temat „Zamówienie wysłane” w praktyce jedzie po sieci jako ciąg =?UTF-8?B?WmFtw7N3aWVuaWUgd3lzxYJhbmU=?= i dopiero program pocztowy odbiorcy zamienia go z powrotem na czytelny tekst.

Limit siedemdziesięciu pięciu znaków i łamanie linii

Pojedyncze słowo zakodowane nie może przekroczyć 75 znaków razem z ogranicznikami, a cała linia nagłówka 76 znaków. Dłuższy temat trzeba więc pociąć na kilka sąsiadujących słów zakodowanych rozdzielonych zawinięciem wiersza i spacją. Kluczowa zasada mówi, że wielobajtowy znak UTF-8 nie może zostać przecięty na granicy dwóch fragmentów — połowa polskiej litery w jednym słowie zakodowanym, a druga w następnym daje w efekcie znak zapytania w skrzynce odbiorcy.

Standard obejmuje wyłącznie treść nagłówków opisowych, takich jak Subject, Comments czy część fraz w From. Nie wolno nim kodować adresu e-mail, nazwy domeny ani samych ograniczników składni. Adresy z krajowymi znakami to zupełnie inna technologia, oparta na rozszerzeniu SMTPUTF8 i punycode w części domenowej.

Krzaki, znaki zapytania i podpisy załączników

Klasyczny objaw błędu to temat wyświetlany dosłownie jako =?iso-8859-2?Q?Faktura?= — nadawca zakodował nagłówek dwukrotnie albo wstawił gotowy ciąg do skryptu, który sam ponownie go opakował. Drugi typowy przypadek to deklaracja ISO-8859-2 przy danych faktycznie zapisanych w UTF-8: zamiast ogonków pojawiają się wtedy pary dziwnych liter w rodzaju ż czy Ä….

Osobna pułapka dotyczy nazw plików w załącznikach. Formalnie odpowiada za nie RFC 2231 z parametrami filename*, ale spora część programów nadal wstawia tam słowo zakodowane z RFC 2047. Efekt bywa taki, że załącznik ląduje na dysku pod nazwą pełną znaków równości, a użytkownik nie potrafi go otworzyć podwójnym kliknięciem.

Diagnostyka poczty firmowej i skryptów wysyłkowych

Do takich zgłoszeń podchodzimy od strony surowych nagłówków — w Thunderbirdzie skrót Ctrl+U pokazuje pełne źródło wiadomości i od razu widać, czy problem powstał u nadawcy, na serwerze pośredniczącym, czy dopiero przy wyświetlaniu. Poprawiamy też konfigurację systemów, które wysyłają pocztę automatycznie: powiadomienia z drukarek sieciowych, alerty z serwera i wydruki dokumentów z programów handlowych, gdzie kodowanie tematu ustawia się w parametrach wysyłki. Pracujemy o każdej porze doby, więc awarię skrzynki firmowej można zgłosić także w nocy albo w weekend.