邮件格式详解

1        概述

网络间传递的电子邮件需要公共认同的格式，以便于客户端邮箱软件识别拆解其间的信息。邮件本身是由ASCII字符构成，总体上分为邮件头邮件体两部分，其间允许字符编码、附件、压缩等等多样化的格式。本文档参考网络官方协议标准中,请求批注的邮件相关条款，总结了邮件结构及其各部分的格式说明，给出部分字符编码的相关解释。

RFC( Require for comment )是Internet Official Protocol Standards标准所提供的网络协议标准系列。

        主体结构

邮件结构包括邮件头、邮件体（可无），邮件体实际上是一行行的ASCII字符构成的简单序列，它和邮件头是靠一个空行（该行只有一个回车换行符CRLF）来区分开的。

2.1      邮件头

1)     长字段的断行

邮件头由许多头字段(header fields)组成，这些字段包括字段名(field name)和字段值(field body)；字段值(field body)可以分割成多行表述，叫做“可折叠”。

断行的规则是：在一行的线性空格处，可用CRLF（回车换行）之后至少跟一个LWSP-char(空格或TAB)，把原来的单行变为多行表示。

RFC协议中推荐尽量把折叠的断行放置在特定的空格分隔处，比如，地址字段里的多个邮件地址，折叠时尽量在各地址之间，及逗号之后断行。

2)     字段主要结构

包括字段名(Field name)，冒号(colon)，字段值(Field body)，结束符（CRLF）；

有些字段属于结构化字段，比如日期(Date)，邮件地址(Address)，有着特定的表示格式，用于系统识别。而其他字段比如”Subject” “Comments” 都被当作简单的字符串处理。

字段表示：

field-name ":" [ field-body ] CRLF

字段值(Field body)可断行（见1）），内容全部都是ASCII码，元素包括句号，引用字符串，特殊token，或一般文本。字段的含义参见后文附录。

 

3)     邮件头构造协议

       邮件头字段不是必须按照特定的顺序安排，仅仅是注意要把邮件体放在邮件头之后。邮件协议中推荐的做法是在放置邮件字段时，邮件按照以下顺序安排：”Return-Path”, “Received”, “Date”, “From”, “Subject”, “Sender”, “To”, “cc”, 等等。

邮件协议中规定邮件由字段和邮件体正文组成，两部分之间由一个空行（该行只有包含CRLF）分隔，也就是说，在遇见的第一个空行之后所有的内容都被当作邮件体。

Ø  转发-Forwarding

一些系统允许接受者转发信息，保留原有的邮件头，仅添加些新的字段，这些字段以”Resent-”为前缀。及前缀”Resent-”的字段表示接受者转发的原信息。

Ø  路径字段-Trace Field

路径信息用来追踪信息的发送者，”via” “with” 等是记录变量。

“Return-Path” : 该字段由信息的最后发送者添加,是关于信息原始来源的地址和回朔路径。Reply-To 字段是有信息源添加用来直接回复（地址？），而Return-Path是一个到信息原始来源的回朔路径。

“Received” : 由每个中继服务站添加，用于帮助追踪传输中出现的错误。字段内容包括，发送、接收的主机和接收时间。参数via 用于记录信息发送后经过的物理站点，”with” 指示了使用的邮件、连接的协议。参数 id 用于标识邮件。参数for 用于记录发送者的分发的目的地址。

Ø  信息源的字段-Originator Field

“From/Resent-From” : 与sender 必须至少存在一个。

“Sender/Resent-Sender”

“Reply-To/Resent-Reply-To”   

当自动生成回复信息的地址列表时，应当注意：如果没有”Sender”，将会使用”From” . 接收者在回复信息时，邮件sender中的信息不会被自动使用。如果”Reply-To” 字段存在，将使用该字段信息，而不是”From”字段。如果有”From” 而没有”Reply-To” ，将使用”From”。   

Ø  接收者字段-Receiver Field

“To/Resent-To”

“Cc/Resent-Cc”

“Bcc/Resent-Bcc”

Ø  参考字段

“Message-ID/Resent-Message-ID”

“In-Reply-To”

“Reference”

“Keywords”

4)     重要参数字段

a)      “MIME-Version” : 所使用的网络邮件格式标准版本

b)     “Content-type”

       邮件内容数据的类型，包括类型标识(type)和子类型标识(subtype)，前者类型标识(type)声明了数据的类型，后者子类型标识(subtype)为这种数据类型指定了特定的格式。

       比如 content-type:image/xyz; 说明数据类型是图像型(image)的，图像数据格式是xyz。

       类型标识(type)与子类型标识(subtype)由斜杠”/”来分割。

       类型之后是参数集合parameter。

邮件的数据类型分为七种，分别是: 文本(Text)、多文档(mulipart)、消息(Message)、图像(Image)、音频(audio)、视频(Video)、应用(Application)。

       文本(Text)—文字类信息，其基本的子类标识是”Plain”，即没有格式的文本。除了需要支持指定的字符集，获得文本信息不需要特殊的软件。文本子类用于多信息文本，在其上应用文字处理软件可以美化文本的外观，但文本的内容及涵义无需任何软件。因此子类型包括任何可读得文字处理格式。

       多文档(mulipart) —包含具有独立数据类型的多个部分。其中定义了4个最原始的子类型：mixed(基本类型), alternative(具有可供选择的多个格式), parallel(同时阅览的部分), digest(都是消息型的多部内容).

消息(Message) – 未封装的消息。该类型的消息体本身部分或全部都是RFC822格式。基本子类是 ” rfc822” 。”partial”表示局部消息，允许邮件传输中可分块进行。”External-body” 表示扩展大邮件。

       图形(Image) – 需要有现实设备。子类主要是两种应用广泛的图形格式：jpeg, gif。

       声频(audio) – 基本子类 ”basic”, 需要声频输出设备。

       视频(Video) – 基本子雷 ”mpeg”, 需要视频显示设备。

       应用(Application) – 其他类型数据，无法解析的二进制数据。基本子类 ”octet-stream” ，用于不可解析的二进制数据情况，为用户提供将信息写入文件的方法。”PostScript” 表示传输脚本文档。

Content-type类型默认为Content-type : text/plain; charset = us-ascii 。如果content-type没有明确制定，那么系统会默认为该类型。

当遇到未知的类型时，将会把未知类型当作 ”application/octet-stream” 对待。

c)      Content-Transfer-Encoding 头字段

许多邮件内容是以最原始的格式传输的，8位字符或二进制数据，但对于有些协议这种格式数据就不能正确传输了。例如RFC821限制messages必须为7位US-ASCII数据，而且每行不能超过1000个字符。

因此，有必要定义机制来把数据编码成7位短行格式。编码的目的就是用网络可以传输的方式来表达邮件内容。

       Content-Transfer-Encoding实际上就是在类型数据的本地表述和用7位邮件传输协议转化的表述之间的一种映射，比如协议RFC821(SMTP)。该字段的值就是指定编码类型的一种标识。

其值如下：

“7bit”,”8bit”, “quoted-printable”, “base64”, “binary”, “x-token”

       标识不区分大小写，如果没有明确指定，该字段的默认值是”7bit”。

若值是”8bit”,”7bit”或”binary”时，表示没有做任何编码。（继续翻译）

2.2      Content-type 字段Multipart 类型说明

所有带前缀”Content-”的字段对正文都定义有含义，而其他得头字段一般都被邮件体部分忽略。

协议中指出，在multipart的情况下,即多个不同的数据集合合并在同一邮件体内，此时头字段中”multipart”参数值必须存在。这时邮件体必定存在一个或多个子部分，每一个子部分都会由边界(boundary)封装,而且最后一个子部分后面必须跟一个结尾边界。每一部分都会由边界开始，然后包含着邮件子体的头信息（header），空行，然后是邮件正文。

       如果没有填写content-type 的头字段，那就是暗示相应的邮件体时US-ASCII的普通text/plain文本。

       Boundary 在作为边界值封装邮件时，其使用方法是值前加两个”-”。在一些特殊情况下，这种用法也不一定适用。

       封装部分的结尾，boundary和前面的使用格式一样的情况下，后面再加两个”-”的形式表示。

Content-type字段参数的语法是把boundaries的值包含在引号之中。也可以没有引号，但又引号是最保险的。有一些非法字符会出现在boundary值中，如果不加引号会引起错误。

注意封装边界必须在行的开始，后面是回车换行CRLF, 开头的CRLF会被当作边界的一部分，而不是上一块内容的一部分。边界后面跟一个CRLF和下一部分的邮件头字段，或者，两个CRLF，这种情况下不会有细一部分的邮件头。

在边界之间（子部分头一个boundary和上一部分结尾boundary之间或者正文第一个边界之前邮件头之后），会有一些可添加额外信息的空白空间，这些空间邮件解析时会略过。

       Multipart 子类型的简要介绍：

              Mixed: 表示个子部间互相独立，需要以特定的顺序排列。

       Alternative: 每一子部分的是相同信息的不同版本，各部分排序，最优的排在最后，但优先使用。

       Digest: 将子部分默认成message来处理。

       Parallel:同时显示多个子部

2.3      Content-type 字段Message类型说明

在发送邮件时，该类型会频繁使用来封装子mail邮件。通常的子类型是message/rfc822，该类型下没有必须添加的参数。额外的子类型”partial” 和 ”External-body ”，需要必要的参数。

     编码方面，该类型只允许”7bit” “8bit” 或 ”binary” 。message的头字段通常是US_ASCII的，message体内可以按照其自身的content-transfer-encoding字段值进行编码。

1）message/rfc822

该类型是rfc822协议的message。但不必和最外层的rfc822 message那样有from, subject,以及目的字段。该类型可以由高版本的邮件替换，及兼容MIME message。

2）message/partial

有些邮件发送机构限制邮件发送的大小，这样，大的邮件对象（vedio等）必须分成多部分发送。 “message/partial”说明该邮件体包含了一个大邮件的一段。该类型需要 3个参数：

Id,尽可能保持唯一性，为了把各部组合到一起。

Number, 该部分在整体序列中的编号。

Total, 所分部分的总数，该参数一般在最后一部分出现。

 

发送大邮件诸如vedio文件时，由于文件太大，超出单次发送限制，需要把文件分割成多个部分。基本过程是，把vedio类型的message,分割成多个单独的vedio类型的message, 每个部分再由”message/partial”类型的message 封装起来，并添加分段信息。

      当接收方收到该message时，各段落会`根据分割信息重新组合起来，新的信息仅是vedio类型，即去掉了外层的”message”类型封装。

组合原则：

(1)  拷贝第一部分的外层” message/partial” 的头信息，除了”content-”，”message-id”，”Encrypted”，”MIME-Version”，其它为必拷贝信息

(2)  把内层的封装信息的”content-” ，”message-id”， “Encrypted”， “MIME-Version” 的头信息全部拷贝到新message中。

(3)  第二部分和以后部分的头信息全部忽略。

                   

    

       名词解释（Word Description）

RFC: Request For Common(Internet Official Protocol Standard)

CRLF:Carriage-return/Line-feed

 

转自：http://www.cppblog.com/yearner/archive/2008/11/20/67417.html