imported>PerfektesChaos: tk k

2023-06-23T11:43:01Z

tk k

Neue Seite

'''UTF-7''' ist eine Kodierung des [[Unicode]]-Zeichensatzes, die in <nowiki>RFC 2152</nowiki> definiert wird.<ref>{{RFC-Internet |RFC=2152 |Titel=UTF-7 – A Mail-Safe Transformation Format of Unicode |Datum=1997-05}}</ref> UTF-7 ist trotz der Namensähnlichkeit zu anderen [[Unicode Transformation Format|Kodierungen]] nicht Bestandteil des Unicode-Standards. UTF-7 erlaubt die Verwendung von Unicode in nicht 8-bit-festen Umgebungen.

== Motivation ==
Viele [[Netzwerkprotokoll|Protokolle]] im [[Internet]] (etwa [[Simple Mail Transfer Protocol|SMTP]] für [[E-Mail]] und [[Network News Transfer Protocol|NNTP]] für News) setzen die Verwendung von [[American Standard Code for Information Interchange|ASCII]] voraus. Diese Zeichenkodierung erlaubt nur 128 verschiedene Zeichen, die in 7 [[Bit]] gespeichert werden. Alle übrigen [[Unicode Transformation Format|UTF]]-Kodierungen verwenden mindestens 8 Bit, um ein Zeichen zu kodieren. So würde eine Übermittlung von [[UTF-8]] anschließend eine 7-Bit-Kodierung erfordern.

Es existieren verschiedene Kodierungsverfahren (siehe [[Multipurpose Internet Mail Extensions|MIME]]), so beispielsweise [[Base64]] und [[Quoted-printable]], die beliebige 8-Bit-Binärdaten in 7-bit-ASCII-Text umwandeln. Abhängig von diesen Kodierungsverfahren und von den zu kodierenden Daten bläht sich die Datenmenge durch die Kodierung auf. UTF-7 wurde entworfen, um diesen zusätzlichen Datenverbrauch bei der Verwendung von Texten, die nur wenige Unicode-Zeichen enthalten, möglichst gering zu halten, und gleichzeitig Textpassagen, die in 7-bit-ASCII darstellbar sind, lesbar zu lassen.

== Kodierung ==
Bei UTF-7 werden die Zeichen <code>A–Z a–z 0–9'(),./:?-</code> so übermittelt, wie sie sind. Die ASCII-Zeichen <code>!"#$%&*;<=>@[]^_`{|}</code> ''können'' direkt übertragen werden, sollten aber ebenfalls kodiert werden, da sie eventuell nicht durch alle E-Mail-[[Gateway (Informatik)|Gateways]] korrekt übertragen werden.

Alle anderen Zeichen werden speziell kodiert. Hierfür wird eine Folge von zu kodierenden Zeichen als Strom von 2-Byte-Zeichen ([[UTF-16]], evtl. mit [[UTF-16#Kodierung|Surrogates]]) nach einem modifizierten Base64-Verfahren (ohne abschließendes <code>=</code>) in einen Strom von ASCII-Zeichen umgewandelt. Der Start einer solchen kodierten Zeichensequenz wird durch ein Pluszeichen (<code>+</code>) angezeigt, das Ende durch ein Minuszeichen (<code>-</code>) oder durch das erste ASCII-Zeichen, das ''nicht'' als Ergebnis der Base64-Kodierung auftreten kann. Überflüssige Bits bei dieser Kodierung sind auf <code>0</code> zu setzen.

Bei englischem Text ist diese Kodierung von Menschen ohne Weiteres zu lesen, da kodierte Sonderzeichen nur sehr selten auftreten. Die Umlaute und Sonderzeichen anderer westeuropäischer Sprachen müssen jedoch kodiert werden, was den Text bereits merklich entstellt. Texte in Sprachen, die nicht das lateinische Alphabet verwenden, sind vom Menschen nicht mehr ohne Weiteres lesbar.

'''Beispiele'''
* Der Text „Wikipedia – Die freie Enzyklopädie“ wird in der Kodierung UTF-7 beispielsweise zu <code style="white-space:nowrap">Wikipedia +IBM Die freie Enzyklop+AOQ-die</code>.
* Das Wort ''Übergröße'' wird in UTF-7 zu <span style="font-family:monospace;">+ANw-bergr+APYA3w-e</span>, was mit 19 Byte etwas kompakter ist, als die 24 Byte, die quoted-printable UTF-8 benötigt: <span style="font-family:monospace;">=C3=9Cbergr=C3=B6=C3=9Fe</span>.

UTF-7 hat sich trotz seiner etwas höheren Kodierungseffizienz jedoch nicht durchsetzen können, da andere Verfahren wie [[quoted-printable]] und [[Base64]] von nahezu jedem E-Mail- und News-Programm verstanden werden und der größere Kodierungsüberhang in der Praxis keine Rolle spielt.

== Einzelnachweise ==
<references />

{{SORTIERUNG:UTF-07}}
[[Kategorie:Unicode]]

UTF-7 - Versionsgeschichte

imported>PerfektesChaos: tk k