UTF-7

UTF-7（ユーティーエフなな、ユーティーエフセブン）はISO/IEC 10646(UCS)とUnicodeで使える7ビット符号単位の文字符号化形式及び文字符号化スキーム。

7ビットでしか送信できない制限があるプロトコル上のメールやニュースなどの環境で、その体系上でUnicodeのメールを送信可能にするために作られた規格である。

現在では正しく実装されていないアプリケーション上でセキュリティー上の脆弱性を発生させることがあることから、あまり使われなくなっている。

IMAP4では、UTF-7を変更した規格である修正UTF-7の規格があり、この規格は2010年代現在においては頻繁に使用される。

機能

• 62個のアルファベットと9個の記号（' ( ) , - . / : ?）はそのまま表記する。
• それ以外の文字はUTF-16のビッグエンディアンで符号化し、修正BASE64で符号化する。修正BASE64とは=を入れないBASE64エンコーディング形式である。
• BASE64の文字の前に「 」後ろに「-」を置く。
• 「 」の文字自体は「 -」で表現する。

例

• 「Hello, World!」は「Hello, World!」とそのまま表記できる。
• 「1 1 = 2」は「1 - 1 = 2」になる（「 」は「 -」になる）。
• 「£1」は「 AKM-1」になる。ポンド記号はU 00A3はBase64で表記する。あまった2ビットは0で埋められる。

変換方法

エンコード

「£†」（U 00A3 U 2020）の場合

デコード

修正UTF-7

修正UTF-7（Modified UTF-7）はIMAP4で多言語のフォルダ名（ディレクトリ名）を使用するために用いられる規格である。

• 「&」以外の印字可能なUS-ASCII文字は必ずそのまま表記する。
• それ以外の文字はUTF-16のビッグエンディアンで符号化し、修正BASE64で符号化する。
• BASE64の文字の前に「&」後ろに「-」を置く。
• 「&」の文字自体は「&-」で表現する。

この規格は、メールの一般的な利用における、下記のような背景を考慮して導入された。

1. UTF-7 は、シフトするために文字 " " を用いる; これは、メールボックス名やUSENETニュースグループ名での " " のありふれた使用と衝突する。
2. UTF-7 の符号化は、文字 "/" を用いる BASE64である; これは、一般的な階層区切りとしての "/" の使用と衝突する。
3. UTF-7 は、符号化されない "\" の使用を禁じている; これは、一般的な階層区切りとしての "\" の使用と衝突する。
4. UTF-7 は、符号化されない "~" の使用を禁じている; これは、いくつかのサーバでホームディレクトリを示すものとしての "~" の使用と衝突する。
5. UTF-7 は、同じ文字列を表現するための、複数の別の形式を許している; 特に、印字可能な US-ASCII 文字が符号化形式で表現され得る。

すなわち修正UTF-7では、電子メールやフォルダ名一般における頻出文字を修正BASE64変換せず、 概ね平文のまま読むことが可能になる。

関連項目

• 文字コード

出典

• RFC 1642
• RFC 2152
• RFC 2060（修正UTF-7の規格）

脚注