RFC2279.docVIP

RFC2279 组织：中国互动出版网（/） RFC文档中文翻译计划（/compters/emook/aboutemook.htm） E-mail：ouyang@ 译者：陈建华（chjh21 chjh@263.net） 译文发布时间：2001-10-15 版权：本中文翻译文档版权归中国互动出版网所有。可以用于非商业用途自由转载，但必须 保留本文档的翻译及版权信息。 Network Working Group F. Yergeau Request for Comments: 2279 Alis Technologies Obsoletes: 2044 January 1998 Category: Standards Track UTF-8，ISO 10646的一种转换格式 （RFC 2279——UTF-8, a transformation format of ISO 10646） 本备忘录的状态 本文档讲述了一种Internet社区的Internet标准跟踪协议，它需要进一步进行讨论和建 议以得到改进。请参考最新版的“Internet正式协议标准” (STD1)来获得本协议的标准化程 度和状态。本备忘录的发布不受任何限制。 版权声明 版权所属Internet社区（1998），保留全部权力。 摘要 ISO/IEC 10646-1定义了一种多8比特字节字符集，称作通用字符集（UCS），它包含了世 界上大多数可书写的字符系统。然而，多8比特字节字符与许多当前的应用和协议不一致， 从而导致了一些被称为UCS转换格式（UTF）的发展。每一种UTF有不同的特征。本备忘录中 的UTF-8保留了全部US-ASCII 范围字符，提供了对文件系统、依赖于US-ASCII值的分析器 和其他软件的兼容性，并且对其他字符值透明。本备忘录用来更新和替换RFC 2044，特别对 相关标准的版本问题进行了说明。 目录 1、介绍 2 2、UTF-8定义 3 3、标准版本 4 4、例子 4 5、MIME注册 4 6、安全考虑 5 鸣谢 5 参考 5 作者地址 6 版权说明 7 1、介绍 ISO/IEC 10646-1 [ISO-10646]定义了一种多8比特字节字符集，称作通用字符集（UCS）， 它包含了世界上大多数可书写的字符系统。已定义了两种多8比特字节编码，对每一个字符 采用四个8比特字节编码的称为UCS-4，对每一个字符采用两个8比特字节编码的称为 UCS-2。它们仅能够对UCS的前64K字符进行编址，超出此范围的其它部分当前还没有分配 编址。 值得注意的是统一的字符编码标准[UNICODE]定义了同样的字符集，而且它进一步定义 了对实现器非常重要的额外字符属性和其他应用细节，但是没有定义UCS-4编码。直到现在， Unicode的变化和ISO/IEC 10646修正彼此穿插，因此他们的字符指令和编码分配保持同步。 相关的标准委员会同意维持这种非常有用的同步。 然而，UCS-2和UCS-4编码很难在许多当前的应用和协议中使用，这些应用和协议假定 字符为一个8或7比特的字节。即使新的可以处理16比特字符的系统，却不能处理UCS-4 数据。这种情况导致一种称为UCS转换格式（UTF）的发展，它每一种有不同的特征。 UTF-1仅仅是历史上的重要，它已经从ISO/IEC 1064中删除。UCS-7拥有仅采用8比特 字节就可对全部BMP指令进行编码的性质，它的最高比特位为零(其他7比特位为US-ASCII 值, [US-ASCII])，被认为是邮件安全的编码([RFC2152])。本备忘录中的UTF-8对象，使用了 8比特字节的所有位，保持全部US-ASCII取值范围的性质：US-ASCII字符用一个8比特字 节编码，采用通常的US-ASCII值，因此，在此值下的任何一个8比特位字节仅仅代表一个 US-ASCII字符，而不会为其他字符。 UTF-16计划用于从保留的范围中，转换UCS-4指令的一个子集为UCS-2值对。UTF-16 影响UTF-8，因为保留范围的UCS-2值必须当作UTF-8变换进行特别处理。 UTF-8采用变化的8比特字节数对UCS-2或UCS-4字符编码。8比特字节数量，以及每 一字节的值依赖于ISO/IEC 10646中对此字符指定的整型值。这种转换格式有下列特性（所 有的值为16进制）： －从0000 0000 到 0000 007F（US-ASCII 指令）字符值对应于8比特字节的00到7F（7 比