Les encodages de transfert : Base64 et autres
Partie 2 sur 3
3Le Quoted-Printable
Le Base64 convient à tout, mais il rend un texte illisible à l’œil et le fait grossir de 33 %. Quand le contenu est un texte presque entièrement sans accent, il existe un encodage plus économe : le Quoted-Printable (« imprimable entre guillemets », noté parfois QP).
3.1Le principe : ne toucher que ce qui pose problème
Les caractères ordinaires (lettres sans accent, chiffres, ponctuation courante) passent tels quels. Seuls les octets problématiques sont remplacés par le signe = suivi de deux chiffres en base seize (voir l’hexadécimal) qui donnent la valeur de l’octet. Le signe = lui-même, qui sert de signal, doit donc aussi être écrit =3D.
Un mot comme « café » dépend du jeu de caractères employé (voir les caractères et les codages). Avec l’ancien jeu appelé Latin-1, le « é » est l’octet E9 et le mot devient caf=E9. Avec UTF-8, le jeu actuel, le « é » prend deux octets, C3 et A9, et le mot devient caf=C3=A9. Le texte lisible reste visible, les accents sont isolés : on devine le sens en un coup d’œil, ce qui est précieux pour déboguer.
3.2Les lignes coupées
Comme en Base64, une ligne ne doit pas dépasser 76 caractères. Pour couper une ligne trop longue sans changer le texte, on termine la ligne par un signe = isolé : c’est un « saut de ligne mou », que le décodeur supprime pour recoller les morceaux.
Les espaces posent un autre problème : certains systèmes retirent ceux qui terminent une ligne. Le Quoted-Printable les protège en codant le dernier espace d’une ligne sous la forme =20.
3.3Ce que l’on mélange souvent
On donne parfois un long tableau de caractères (guillemet, dièse, esperluette, parenthèses, deux-points, crochets, accolades…) avec leurs codes de la forme =22, =23, etc. Ce tableau est trompeur. Dans le corps d’un message, la règle est plus simple : tout caractère imprimable de la table ASCII, sauf le signe =, peut être écrit directement. Coder les autres n’est pas interdit, mais ce n’est pas nécessaire. On présente aussi l’espace comme codé par un tiret bas (_) : c’est exact seulement pour une variante réservée aux en-têtes des messages (par exemple le sujet), décrite dans la RFC 2047, qu’on appelle encodage « Q ». On mentionne enfin la plage 33 à 127, alors que le code 127 est un signe de commande, non imprimable.
3.4Quand l’utiliser
Le Quoted-Printable est utile pour les messages en texte ou en HTML qui contiennent peu de caractères spéciaux : le message reste lisible et le surcoût est faible. Il est mauvais pour des données binaires, où presque chaque octet devrait être remplacé par trois caractères : le texte triplerait de volume. On lui préfère alors le Base64. De nos jours, beaucoup d’outils mélangent les deux dans un même message : le texte en Quoted-Printable, les pièces jointes en Base64.
4L’Uuencode
L’Uuencode (de « Unix to Unix encode ») est le grand-père de ces encodages. Il est né dans les années 1980 pour faire circuler des fichiers entre machines Unix reliées par le système de transfert appelé uucp (« Unix to Unix copy »), qui ne distinguait pas le corps d’un message d’une pièce jointe et convertissait les caractères d’un système à l’autre. Le décodage s’appelle l’Uudecode.
4.1Le principe
La méthode ressemble au Base64 : trois octets (24 bits) sont coupés en quatre groupes de 6 bits, c’est-à-dire quatre valeurs de 0 à 63. Mais la correspondance avec les caractères est plus directe : on ajoute 32 à chaque valeur, ce qui donne un code ASCII imprimable (de l’espace au caractère _). Il n’y a pas d’alphabet à retenir : c’est une simple addition.
Les données sont écrites par lignes. Chaque ligne code 45 octets au maximum, soit 60 caractères (4 sorties pour 3 entrées). Chaque ligne commence par un caractère qui indique combien d’octets elle contient : c’est lui qui permet de savoir où s’arrêter, sans signe de bourrage.
4.2L’enveloppe d’un fichier Uuencodé
Un fichier Uuencodé commence par une ligne de la forme begin mode nom_du_fichier (où « mode » est une valeur de droits d’accès, par exemple 644). Il se termine par une ligne vide, suivie de la ligne end. Comme certains logiciels de messagerie supprimaient les lignes vides ou les espaces de fin de ligne, on a pris l’habitude de remplacer l’espace (valeur 0) par l’accent grave ` (code 96). C’est l’explication de ces lignes pleines d’accents graves qu’on voyait dans les anciens messages.
4.3Le déclin
L’Uuencode a longtemps servi sur les forums de discussion (Usenet), où l’on échangeait images et programmes en le découpant en morceaux. Il a été remplacé par le Base64 dans le courrier, puis par d’autres encodages plus économes sur Usenet. Aujourd’hui, on ne le rencontre plus que dans de vieilles archives et dans des outils Unix qui conservent la compatibilité. Savoir le reconnaître (la ligne begin, les accents graves) évite de croire à un fichier corrompu.