第２３５章 base64の基礎

MIME(Multipurpose Internet Mail Extension)とは、メールにメール本文以外に ファイルとか、いろいろなものを付け加えるための規格です。 メールソフトのオプションにたいていMIMEという項目がありますが、 あれがそうです。日本語をヘッダに埋め込むのもこれを使います。 日本語の場合文字セットはISO-2022-JPを用いエンコードタイプは base64というのを用いるのが普通です。



メールのヘッダを観察するにはMicrosoft Outlook ExpressかNetscape Navigator についてくるメーラーがよいです。 メーラーの中にはヘッダ情報を見ると日本語部分がすでにS-JISに なおした状態で表示するものもあります。（この方がユーザーにとっては 親切設計ですが・・）

さて、ヘッダに日本語を埋め込むには 


=?ISO-2022-JP?B?base64でエンコードしたもの?=
という形式をとります。「エンコードしたもの」のところには 必ず４の倍数個の文字（記号）が来ます。 ISO-2022-JPは小文字でiso-2022-jpと 書かれていることもあります。その次のBはbase64の意味です。 多数の観察をした結果このBを小文字のbで表しているものは みたことがありません。このへんの事情に詳しい人はたくさんいるので 興味のある人はMLなどで尋ねてみてください。

さて、具体的なエンコード方法がわからないとプログラムの書きようがありません。 base64では、次のような方法をとります。 


１．エンコードしたい文字列を前から順番に３バイトずつ区切ります。
２．これを今度は前から順に６ビットずつ区切りなおします。
３．この６ビットの値に応じてA-Z, a-z, 0-9, +,/の文字に置き換えます。
たったこれだけです。

うーーー、これではよくわからん！！という方のためにもう少し詳しく説明します。 たとえば「田中君」という６バイトの日本語をエンコードしたいと思います。 


１．各漢字のJISコードを調べる
２．２進法で表す
３．前から６けたずつ区切る
４．１６進（１０進でもいいですが）になおす
５．それぞれの数値に対応する記号（A-Z, a-z, +, /）になおす
いうことになります。

「田」JISで0x4544

「中」JISで0x4366

「君」JISで0x372F

これを１６進法で１バイトずつ横１列に表示すると


(45)(44)(43)(66)(37)(2F)
となります。これを２進法で表すと 

(01000101)(01000100)(01000011)(01100110)(00110111)(00101111)
となります。これを先頭から６ビットずつ切り直します。 

(010001)(010100)(010001)(000011)(011001)(100011)(011100)(101111)
これではわかりづらいので各組を１６進に戻します。 

(11)(14)(11)(3)(19)(23)(1c)(2f)
となります。２進と１６進の変換はWindowsにおまけで付いている 電卓を使うと簡単です。

これを記号に置き換えます。 あらかじめ表でも作っておくと楽です。

縦H横L0123456 789ABCDEF
0 ABCDEFGH IJKLMNOP
1 QRSTUVWX YZabcdef
2 ghijklmn opqrstuv
3 wxyz0123 456789+/

６ビットの値なので２の６乗＝６４で６４種類の記号で表すことができます。 （それでbase64という）

先ほどの６ビット値を上の記号表で置き換えると 


(R)(U)(R)(D)(Z)(j)(c)(v)
さて、JISでは２バイト文字の始まりの合図として(0x1b, 0x24, 0x42) の３バイトを付けなくてはなりません。うまい具合に３バイトなので ４つの記号にエンコードされます。同様の手順でエンコードすると 

GyRC
また、２バイト文字の後にはASCII文字が来るので(0x1b, 0x28, 0x42) を付け加えます。これをエンコードすると 

GyhC
となります。

これをヘッダに埋め込むには 


=?ISO-2022-JP?B?GyRCRURDZjcvGyhC?=
とすればよいことになります。 これが本当に正しく「田中君」と解釈されるかどうか 実験するには、自分で自分にメールを出します。 この時の件名に上のエンコードされた文字列を使います。 自分に届いたメールの件名が「田中君」となっていれば 成功です。

さて、この例題ではエンコードする本文が６バイトで ３の倍数になっていました。では、３の倍数でないときは どうすればよいのでしょうか。

「田」だけを変換したい場合はどうすればよいのでしょうか。


「田」JISで0x4544

(1b,24,42)(45)(44)(1b,28,42)

(00011011)(00100100)(01000010)(01000101)(01000100)(00011011)(00101000)(01000010)

(000110)(110010)(010001)(000010)(010001)(010100)(010000)(011011)(001010)(000100)(0010**)
最後の６ビットの下２桁が困ります。 こういう場合は下２桁を0で埋めます。また、全体としてこれを記号に直すと １１個となり４の倍数になりません。この場合１個の「=」を付け加えます。

これを１６進化して記号にすると 


6, 32, 11, 2, 11, 14, 10, 1B, A, 4, 8

G, y, R, C, R, U, Q, b, K, F, I
４の倍数とするため最後に「=」を付け加えて 

=?ISO-2022-JP?B?GyRCRUQbKFI=?=
となります。

さて、メールのヘッダを観察しているとサブジェクトにいきなり JISコードを書いているものを見かけます。筆者のところにも 定期的にホーム・ページ情報のサービスメールが届きますが これがこのパターンです。現在のところ特に問題はありませんが 本当はかなりまずいことです。

また、古いメールを観察するとISO-2022-JPのQというのがたまに 見つかります。これは、Quoted-printableと呼ばれるもので最近では ほとんど見かけません（少なくとも筆者のところでは）。

さて、これらの規則を理解したところでこれをプログラムにしなくてはいけません。 ちょっと面倒くさいです。次回から少しずつやっていきましょう。

[SDK第3部 Index] [総合Index] [Previous Chapter] [Next Chapter]

Update 19/Oct/1999 By Y.Kumei
当ホーム・ページの一部または全部を無断で複写、複製、 転載あるいはコンピュータ等のファイルに保存することを禁じます。