DEV Community

Mind vs Drive
Mind vs Drive

Posted on

`=?UTF-8?B?…?=` : lire et fabriquer des objets d'e-mail accentués sans casser les « é »

Vous avez déjà ouvert la source d'un e-mail (« Afficher l'original » dans Gmail, « Code source du message » dans Thunderbird) et vu une ligne comme celle-ci ?

Enter fullscreen mode Exit fullscreen mode

Ce n'est ni du chiffrement ni un bug : c'est un encoded-word au sens de la RFC 2047. Les en-têtes d'un e-mail ont été pensés pour de l'ASCII ; dès qu'un objet contient « é », « ç » ou « œ », il faut un moyen de faire passer ces octets dans un canal 7 bits. Base64 en est un. Voici comment ça marche, les trois pièges qui finissent en « R�union » dans les boîtes de réception, et comment vérifier un en-tête à la main.

Anatomie d'un encoded-word

Le format est toujours le même : =?charset?encodage?texte?=

  • charset : le jeu de caractères des octets, aujourd'hui presque toujours UTF-8 (on croise encore ISO-8859-1 ou windows-1252 dans de vieux messages) ;
  • encodage : B pour Base64, Q pour une variante de quoted-printable ;
  • texte : les octets encodés.

Le client mail décode le Base64, puis interprète les octets avec le charset annoncé. Si ce charset est faux, le décodage Base64 réussit quand même… et le texte affiché est faux. Base64 ne connaît pas les caractères : il ne transporte que des octets.

Exemple pas à pas (objet illustratif)

Prenons un objet fictif : Réunion d'équipe : compte rendu du 18 novembre.

  1. En octets UTF-8 : 46 caractères, mais 48 octets, car chaque « é » occupe deux octets (C3 A9). « Réunion » donne 52 C3 A9 75 6E 69 6F 6E.
  2. En Base64 : 48 octets donnent 64 caractères (48 ÷ 3 × 4, sans = final puisque 48 est divisible par 3) : UsOpdW5pb24gZCfDqXF1aXBlIDogY29tcHRlIHJlbmR1IGR1IDE4IG5vdmVtYnJl
  3. En encoded-word : =?UTF-8?B? + 64 caractères + ?=, soit 76 caractères.

Problème : la RFC 2047 limite un encoded-word à 75 caractères. Notre objet dépasse d'un seul caractère. C'est exactement le genre de cas qui passe en test avec « Réunion » tout court et casse en production avec un vrai objet.

La solution : découper le texte (pas la chaîne Base64), encoder chaque morceau séparément, puis placer les morceaux sur des lignes de continuation qui commencent par un espace :

  • Réunion d'équipe : (21 octets) → UsOpdW5pb24gZCfDqXF1aXBlIDog, encoded-word de 40 caractères ;
  • compte rendu du 18 novembre (27 octets) → Y29tcHRlIHJlbmR1IGR1IDE4IG5vdmVtYnJl, encoded-word de 48 caractères.

Le blanc de pliage entre deux encoded-words adjacents est ignoré à l'affichage ; l'espace visible fait partie du premier morceau. Vérification avec le parseur de la bibliothèque standard Python :

import email, email.policy

raw = (b"Subject: =?UTF-8?B?UsOpdW5pb24gZCfDqXF1aXBlIDog?=\r\n"
       b" =?UTF-8?B?Y29tcHRlIHJlbmR1IGR1IDE4IG5vdmVtYnJl?=\r\n\r\n")
msg = email.message_from_bytes(raw, policy=email.policy.default)
print(msg["Subject"])
# Réunion d'équipe : compte rendu du 18 novembre
Enter fullscreen mode Exit fullscreen mode

Et l'étape 2 en JavaScript (Node) :

const b64 = Buffer.from("Réunion d'équipe : ", "utf8").toString("base64");
console.log(`=?UTF-8?B?${b64}?=`);
// =?UTF-8?B?UsOpdW5pb24gZCfDqXF1aXBlIDog?=
Enter fullscreen mode Exit fullscreen mode

Piège n° 1 : couper au milieu d'un caractère

La tentation, c'est de découper la suite d'octets tous les N octets. Si on coupe après 12 octets, le premier morceau se termine par C3, le premier octet de « é », et le second commence par A9 :

  • UsOpdW5pb24gZCfD, décodé seul : Réunion d'�
  • qXF1aXBlIDog, décodé seul : �quipe :

La RFC 2047 est explicite : chaque encoded-word doit représenter un nombre entier de caractères ; un caractère multi-octet ne doit pas être réparti sur deux encoded-words. Certains décodeurs recollent les octets (le module email.header de Python le fait), d'autres affichent deux �. Ne comptez pas sur leur indulgence : coupez sur des frontières de caractères (en JavaScript, itérez avec for…of ou Array.from(str) plutôt qu'avec des index d'octets), et pensez aux emojis, qui prennent quatre octets.

Piège n° 2 : coller tout l'encoded-word dans un décodeur

Pour vérifier un en-tête, collez seulement la partie entre ?B? et ?=. Si vous collez =?UTF-8?B?…?= en entier dans un décodeur Base64 qui se contente d'écarter les caractères hors alphabet, il garde le = initial ainsi que les lettres et chiffres de UTF-8 et B. La chaîne obtenue n'est plus du Base64 valide : vous récoltez une erreur au lieu du texte.

Piège n° 3 : choisir « B » quand « Q » serait plus lisible

Pour un objet surtout ASCII, beaucoup de bibliothèques préfèrent l'encodage Q. Python (EmailMessage avec policy.SMTP) produit par exemple, pour le même objet :

Enter fullscreen mode Exit fullscreen mode

Seuls les mots qui en ont besoin sont encodés, et le reste reste lisible dans les logs. B est plus compact quand presque tout le texte est non-ASCII (arabe, japonais…). Les deux sont valides ; l'essentiel est de laisser votre bibliothèque mail générer l'en-tête plutôt que de concaténer des chaînes à la main.

Et le corps du message ?

Dans le corps, Base64 apparaît avec Content-Transfer-Encoding: base64, typiquement pour les pièces jointes. Là, c'est la RFC 2045 qui s'applique : lignes de 76 caractères au maximum. Quant aux noms de fichiers accentués des pièces jointes, ils passent souvent par une autre syntaxe (RFC 2231, filename*=UTF-8''… en encodage pourcent), qui n'est pas du Base64 du tout.

Vérifier un en-tête en 3 étapes avec l'outil

  1. Ouvrez le décodeur Base64 en français et laissez Jeu de Caractères sur UTF-8.
  2. Collez uniquement la charge utile, par exemple SMOpbMOobmUgRHVwcsOp (nom fictif). Conversion en Direct étant activée par défaut, le résultat s'affiche aussitôt : Hélène Dupré.
  3. Si l'outil signale des caractères de remplacement, le morceau a sans doute été coupé au milieu d'un caractère, ou le charset annoncé n'est pas UTF-8. Choisissez Hexadecimal (libellé en anglais) pour voir les octets bruts : C3 A9 correspond à « é » en UTF-8, un E9 isolé à « é » en Latin-1.

Pour l'opération inverse, l'encodeur Base64 fonctionne de la même façon. Il produit le Base64 brut : il n'ajoute ni =?UTF-8?B? ni ?= et ne découpe pas un objet trop long, c'est à vous (ou mieux, à votre bibliothèque) de le faire. Notez aussi que l'option « Couper les Lignes (64 chars) » coupe en réalité à 76 caractères, soit la limite du corps MIME, pas celle d'un encoded-word. La conversion se fait dans le navigateur, mais l'historique de l'outil garde les entrées courtes en stockage local : utilisez des exemples fictifs plutôt que de vrais en-têtes contenant des données personnelles.

Transparence : cet outil est proposé par Mind vs Drive, l'équipe derrière ce blog.

À retenir

  • =?UTF-8?B?…?=, c'est un charset plus du Base64 ; ce n'est pas du chiffrement.
  • 75 caractères au maximum par encoded-word : découpez le texte, pas le Base64, et jamais au milieu d'un caractère multi-octet.
  • Pour déboguer, décodez seulement la charge utile et regardez les octets en hexadécimal.

Références : RFC 2047 (encoded-words, limite de 75 caractères, caractères non découpables), RFC 2045 (Content-Transfer-Encoding, lignes de 76 caractères), RFC 2231 (paramètres comme filename*). Exemples vérifiés le 19 novembre 2026.

Top comments (0)