UTF-7

Unicode
符号化方式
UTF-7
UTF-8
CESU-8
UTF-16/UCS-2
UTF-32/UCS-4
UTF-EBCDIC
SCSU
Punycode (IDN/IDNA)
GB 18030
その他
UCS
マッピング
書字方向
BOM
漢字統合
UnicodeとHTML
Unicodeと電子メール
Unicodeフォント

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のアルファベットと9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。
• 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バイトは0で埋められる。

Hex digit	0				0				A				3
Bit pattern	0	0	0	0	0	0	0	0	1	0	1	0	0	0	1	1	0	0
Index	0						10						12
Base64-Encoded	A						K						M

変換方法

エンコード

「£†」（U+00A3 U+2020）の場合

0x00A3	0000 0000 1010 0011	UTF-16から2ビットで表現
0x2020	0010 0000 0010 0000
0000 0000 1010 0011 ＆ 0010 0000 0010 0000	0000 0000 1010 0011 0010 0000 0010 0000	繋げる
0000 0000 1010 0011 0010 0000 0010 0000	000000 001010 001100 100000 001000 00	6ビットごとの区切りで分ける
000000 001010 001100 100000 001000 00	000000 001010 001100 100000 001000 000000	最後のビットを6ビットになるように埋める
000000 001010 001100 100000 001000 000000	AKMgIA	base64の文字としてエンコードする

デコード

AKMgIA	000000 001010 001100 100000 001000 000000	base64の文字としてエンコードする
000000 001010 001100 100000 001000 000000	0000000010100011 0010000000100000 0000	16ビットごとに分ける
0000000010100011 0010000000100000 0000	0000000010100011 0010000000100000	最後の0だけのビットは削除
0000 0000 1010 0011	0x00A3 ≡ 16310	16進数の文字としてUTF-16の文字とする

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ASCII文字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。
• BASE64の文字の前に「&」後ろに「-」を置く。
• 「&」の文字自体は「&-」で表現する。

関連項目

• 文字コード

出典

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