MIME协议分析

MIME协议分析

第1章.     MIME概述

MIME, 全称为“Multipurpose Internet Mail Extensions”, 比较确切的中文名称为“多用途互联网邮件扩展”。它是当前广泛应用的一种电子邮件技术规范，基本内容定义于RFC 2045-2049（注意RFC1521和RFC1522是它的过时版本）。

MIME试图在不改变SMTP协议和RFC822（邮件格式标准）的基础上，使得邮件可以传送任意二进制文件。为此，它在这些协议之上，采取了一些措施，这就是我们下面所要重点讲述的内容。

第2章.     MIME详解

2.1.  改进措施

一封邮件包括信封、邮件头和邮件体等三个部分。信封显然可以不含有二进制信息，而其它两部分则可能包含任意二进制序列，因此需要加以改进。MIME正是抓住了这两个地方来对他们加以改进。

1)        新增了一些邮件头信息，用来协商MIME的一些参数。

2)        定义了许多邮件内容的格式，对多媒体电子邮件的表示方法进行了标准化。

3)        定义了传送编码，从而可以传送任意二进制文件。

在这里，我还是要不厌其烦地强调指出，所有的改进措施都是建立在不改变原来的SMTP协议和RFC822的基础上的。事实上，我们可以把这些改进措施，看成是在用SMTP等发送邮件前所采取的预处理。

2.2.  一封简单邮件的源码

为了对MIME邮件有个直观的了解，先给出一封简单邮件的源码。源码中，行号和行号后的空格是为了分析方便而另外加的，“… … … …”表示此处省略了大段编码。

我们可以在用户代理中查看到这样的源码。例如可以利用用户代理来查看一封邮件的原始编码。例如在Foxmail中，选定邮件后，单击右键，选择“原始信息”项即可。至于源码的具体意思则正是后续内容所要讲的。

2.3.  邮件头

2.3.1.  邮件头的域

邮件头包含了发件人、收件人、主题、时间、MIME版本、邮件内容的类型等重要信息。每条信息称为一个域，由域名后加“: ”和信息内容构成，可以是一行，较长的也可以占用多行。域的首行必须“顶头”写，即左边不能有空白字符（空格和制表符）；续行则必须以空白字符打头，且第一个空白字符不是信息本身固有的，解码时要过滤掉。如例2的7-8行分别属于一个域。

表 1中给出了邮件头中常见的域，域的含义，和域值的添加者。

表 1 邮件头中常见的域

非标准的、自定义域名都以X-开头，例如X-Mailer, X-MSMail-Priority等，通常在接收和发送邮件的是同一程序时才能理解它们的意义。除了后面两个域外，其他的域的意思很明了，所以下面只对后两个域做解释。

2.3.2.  Content-Type域

Content-Type域，即内容类型域，它用来说明传输的内容的类型。Cotent-Type域又由“主类型/子类型”构成，主类型有text, image, audio, video, application, multipart, message等，分别表示文本、图片、音频、视频、应用、分段、消息等。每个主类型都可能有多个子类型，如text类型就包含plain, html, xml, css等子类型。以X-开头的主类型和子类型，同样表示自定义的类型，未向IANA正式注册，但大多已经约定成俗了。如application/x-zip-compressed是ZIP文件类型。在Windows中，注册表的“HKEY_CLASSES_ROOT/MIME/Database/Content Type”内列举了除multipart之外大部分已知的Content-Type。

各种各种类型一般都可以带参数。至于参数的形式，RFC里有很多补充规定，有的允许带几个参数，较为常见的如表 2所示

表 2 常见类型的参数

2.3.3.  Content-Transfer-Encoding域

Content-Transfer-Encoding域即传送编码域，它用来说明后面传输的内容的编码方式。

Content-Transfer-Encoding共有Base64, Quoted-printable, 7bit, 8bit, Binary等几种。其中7bit是缺省的编码方式。电子邮件源码最初设计为全部是可打印的ASCII码的形式。非ASCII码的文本或数据要编码成要求的格式，如上面的三个例子。Base64, Quoted-Printable是在非英语国家使用最广使的编码方式。Binary方式只具有象征意义，而没有任何实用价值。关于Base64编码和Quoted-Printable编码请参考RFC文档或另外一篇文章《SMTP协议分析》。

近年来，国内多数邮件服务器已经支持8bit方式，因此只在国内传输的邮件，特别是在邮件头中，可直接使用8bit编码，对汉字不做处理。如果邮件要出国，还是老老实实地按Base64或Quoted-printable编码才行

2.4.  邮件体

邮件体的类型由邮件头的“Content-Type”域指出。常见的简单类型有text/plain(纯文本)和text/html(超文本)。

源码中出现的multipart类型，是MIME邮件的精髓。邮件体被分为多个段，每个段又包含段头和段体两部分，这两部分之间也以空行分隔。常见的multipart类型有三种：multipart/mixed, multipart/related和multipart/alternative。从它们的名称，不难推知这些类型各自的含义和用处。它们之间的层次关系可归纳为图 1所示

+------------------------- multipart/mixed ----------------------+                                                                      |  +----------------- multipart/related -------------+            |                                                    |  |                                                 |            |                                                                 |  |                                                 |            | 

|  |  +----multipart/alternative ---+  +----------+  |  +------+  |  |  |  |                             |  | 内嵌资源 |  |  | 附件 |  |  |  |  |  +-----------+ +----------+ |  +----------+  |  +------+  | 

|  |  |  | 纯文本正文| |超文本正文| |                |            | 

|  |  |  +-----------+ +----------+ |  +----------+  |  +------+  | 

|  |  |                             |  | 内嵌资源 |  |  | 附件 |  |  |  |  +-----------------------------+  +----------+  |  +------+  | 

|  |                                                 |            |            |  +-------------------------------------------------+            |                                                                  +-----------------------------------------------------------------+

图 1 邮件体的层次关系图

可以看出，如果在邮件中要添加附件，必须定义multipart/mixed段；如果存在内嵌资源，至少要定义multipart/related段；如果纯文本与超文本共存，至少要定义multipart/alternative段。什么是“至少”？举个例子说，如果只有纯文本与超文本正文，那么在邮件头中将类型扩大化，定义为multipart/related，甚至multipart/mixed，都是允许的。

multipart诸类型的共同特征是，在段头指定“boundary”参数字符串，段体内的每个子段以此串定界。所有的子段都以“—”+boundary行开始，父段则以“—”+boundary+“—”行结束。段与段之间也以空行分隔。在邮件体是multipart类型的情况下，邮件体的开始部分(第一个“—”+boundary行之前)可以有一些附加的文本行，相当于注释，解码时应忽略。段间也可以有一些附加的文本行，不会显示出来，如果有兴趣，不妨验证一下。

结合boundary定界和multipart层次关系图，我们分析一下源码中的邮件体层次与段嵌套关系。 在源码中，10-12行是附加文本行，13-82行是multipart/alternative型的段，包含两个子段：13-30行是纯文本正文，32-79行是超文本正文。

需要补充说明地是，构成邮件体的各段有自己的属性，这些属性由段头的域来说明。表 3给出了段头中常见的域。

表 3 段头中常见的域

各域的含义与邮件头中同名的域的含义一样，只是前者的作用域为段，而后者的作用域为整个邮件体

第3章.     常见的疑问

3.1.  如何得到MIME邮件的源码

在一些些功能比较完善的邮件客户端软件，如微软的Outlook Express，国产的Foxmail等，都提供了查看和保存邮件源码(原始信息)的功能。在Foxmail中，选择邮件，单击右键，选择“原始信息”菜单项可查看到邮件的源码。

第4章.     分析方案

因为MIME是一种电子邮件规范，所以被广泛用在其他协议中。如SMTP和POP3协议中所谓的邮件就大部分遵循MIME邮件规范。所以虽然功能需求表中未对MIME作出要求，但当我们想要从SMTP或POP3通信等中提取有效信息时，我们不得不了解MIME协议（因为提取到的邮件信息是符合MIME规范的）。

当我们得到了SMTP或POP3通信中的MIME信息后，只需对其进行简单的MIME解码就可得到发送的原始信息。

第5章.     参考资料

[1]      http://dev.csdn.net/article/18/18448.shtm [Online]

[2]      RFC文档：RFC821对应SMTP协议，RFC822对应邮件标准，RFC1425对应ESMTP，RFC1939对应POP3协议，RFC2045-RFC2049对应MIME协议的基本内容。

[3]      http://www.faqs.org/rfcs/，上面有全面的英文RFC文档

[4]      http://www.cnpaf.net/，上面有不少有用的协议分析文档，也有中文RFC文档，但质量不是特别高

[5]      Stevens, W.R., TCP/IP Illustrated, Vol1. Addision-Wesley, 机械工业出版社，2002