GiaoThuc.comGiao Thức
Email và giao thức nhắn tin

MIME là gì: thư có tệp đính kèm, ảnh và tiếng Việt được đóng gói ra sao

MIME giải thích vì sao email gửi được ảnh, tệp và chữ có dấu: multipart, boundary, base64, quoted-printable, mã hoá tiêu đề và vì sao tệp 10 MB thành thư lớn hơn.

Two information technology students in a Hanoi library reading room comparing notes on paper with hand drawn nested boxes, a closed laptop between them, soft window light from the side

MIME (Multipurpose Internet Mail Extensions) là bộ quy ước cho phép một bức thư vốn chỉ được chứa chữ tiếng Anh dạng ASCII mang theo chữ có dấu, định dạng HTML, ảnh và tệp đính kèm, bằng cách chia thư thành nhiều phần lồng nhau và mã hoá dữ liệu nhị phân thành ký tự an toàn. Mọi bức thư bạn nhận hôm nay, kể cả thư chỉ có một dòng chữ, gần như đều đi qua MIME.

Bài này mở một bức thư giả định ra xem bên trong: các phần được tách bằng gì, vì sao một ảnh biến thành hàng nghìn dòng ký tự, tiếng Việt trong dòng tiêu đề được mã hoá ra sao, và vì sao tệp 10 MB gửi đi lại thành bức thư khoảng 13–14 MB.

Bài toán gốc: thư điện tử sinh ra cho chữ ASCII

Chuẩn thư điện tử đầu tiên giả định nội dung là văn bản tiếng Anh: mỗi ký tự 7 bit trong bảng ASCII, các dòng ngắn, kết thúc bằng cặp ký tự xuống dòng. SMTP thời đó được phép, và nhiều máy chủ thực sự làm, xoá bit thứ tám hoặc cắt dòng quá dài. Một byte có dấu hoặc một đoạn dữ liệu ảnh đi qua những máy như vậy sẽ bị hỏng không cứu được.

Thay vì thay đổi mọi máy chủ trên đời, những người thiết kế MIME chọn cách thông minh hơn: giữ nguyên đường ống, nhưng biến mọi thứ thành chữ ASCII an toàn trước khi bỏ vào, và gắn nhãn đủ rõ để đầu nhận biết cách mở ra. Bộ đặc tả gồm năm tài liệu RFC 2045 đến RFC 2049, công bố năm 1996, đến nay vẫn là nền móng.

Hình ảnh đời thường: bạn muốn gửi một chiếc bình gốm qua một băng chuyền chỉ nhận phong bì phẳng. Giải pháp là vẽ lại chiếc bình thành bản vẽ chi tiết trên giấy, kèm ghi chú "đây là bình gốm, dựng lại theo cách sau". Bản vẽ dày hơn nhiều so với một tờ thư, nhưng đi qua mọi băng chuyền mà không vỡ.

Ngày nay hầu hết máy chủ đã nhận dữ liệu 8 bit (phần mở rộng 8BITMIME) và địa chỉ có ký tự quốc tế (SMTPUTF8), nhưng MIME vẫn giữ nguyên vai trò vì nó không chỉ giải quyết chuyện mã hoá, mà còn mô tả cấu trúc: thư gồm những phần nào, phần nào hiển thị, phần nào là tệp.

Các trường MIME quan trọng trong phần đầu thư và từng phần

MIME thêm vài trường vào phần đầu thư và phần đầu của từng phần con. Đọc được những trường này là đọc được cấu trúc thư.

TrườngVí dụ giá trịÝ nghĩa
MIME-Version1.0Báo thư dùng MIME; từ năm 1996 tới nay giá trị vẫn là 1.0
Content-Typetext/plain; charset=UTF-8Loại nội dung và bảng mã ký tự của phần đó
Content-Type (đa phần)multipart/mixed; boundary="ranh-gioi-123"Thư gồm nhiều phần, tách nhau bằng chuỗi ranh giới
Content-Transfer-Encodingbase64 hoặc quoted-printableCách dữ liệu được biến thành ký tự an toàn khi truyền
Content-Dispositionattachment; filename="bao-cao.pdf"Phần này là tệp đính kèm hay hiển thị ngay trong thư (inline)
Content-IDmột chuỗi định danh trong ngoặc nhọnĐặt tên cho phần, để phần HTML tham chiếu tới ảnh nhúng bằng tiền tố cid:

Loại nội dung viết theo dạng loại/loại con: text/html, image/jpeg, application/pdf. Cùng hệ thống tên này về sau được web dùng lại trong header Content-Type của HTTP, nên người làm web gọi chúng là "kiểu MIME" dù không liên quan gì tới thư.

Khi ứng dụng thư không nhận ra một loại nội dung, nó thường hiển thị phần đó như tệp đính kèm có thể tải về, thay vì cố hiển thị và làm vỡ giao diện.

Mở một thư nhiều phần: cấu trúc lồng nhau

Một thư công việc điển hình, có chữ thường, bản HTML với logo nhúng, và một tệp PDF đính kèm, thường có cấu trúc như sau (giả định):

  1. Lớp ngoài cùng multipart/mixed: "hộp lớn" chứa phần nội dung chính và các tệp đính kèm.
  2. Bên trong, phần đầu tiên là multipart/related: gom bản HTML với các ảnh mà HTML tham chiếu tới.
  3. Bên trong nữa là multipart/alternative: hai phiên bản của cùng một nội dung, text/plain trước và text/html sau. Ứng dụng chọn bản tốt nhất nó hiển thị được, theo quy ước là bản đứng sau cùng mà nó hiểu.
  4. Cùng cấp với phần alternative, trong khối related, là ảnh logo image/png có Content-ID; mã HTML hiển thị ảnh bằng địa chỉ dạng cid kèm định danh đó.
  5. Trở ra lớp ngoài, phần thứ hai là tệp application/pdf với Content-Disposition là attachment và tên tệp.
  6. Các phần được tách bằng một dòng gồm hai dấu gạch ngang và chuỗi ranh giới; dòng kết thúc khối có thêm hai dấu gạch ngang ở cuối. Mỗi lớp multipart có chuỗi ranh giới riêng.

Chuỗi ranh giới được chọn ngẫu nhiên, đủ dài để không thể vô tình xuất hiện trong nội dung. Nếu phần mềm tạo thư chọn chuỗi quá ngắn hoặc trùng nội dung, ứng dụng người nhận sẽ cắt thư sai chỗ, biểu hiện là thư hiện ra một đống ký tự lạ hoặc mất tệp đính kèm.

Cấu trúc lồng như búp bê này giải thích vì sao cùng một thư hiển thị khác nhau trên các ứng dụng: ứng dụng chỉ đọc chữ thường sẽ hiện phần text/plain, ứng dụng đầy đủ hiện HTML kèm logo, còn bộ lọc thư rác thì soi cả hai bản xem có khớp nhau không.

Base64 và quoted-printable: hai cách biến dữ liệu thành chữ an toàn

Base64 cho dữ liệu nhị phân. Cứ ba byte dữ liệu được chia thành bốn nhóm 6 bit, mỗi nhóm ứng với một trong 64 ký tự: chữ hoa, chữ thường, chữ số, dấu cộng và dấu gạch chéo; dấu bằng dùng để đệm ở cuối. Ba byte thành bốn ký tự nghĩa là dữ liệu phình thêm khoảng một phần ba, cộng thêm ký tự xuống dòng vì MIME giới hạn mỗi dòng base64 tối đa 76 ký tự.

Phép tính dung lượng. Ví dụ giả định: tệp PDF 10 MB sau base64 thành khoảng 13,3 MB, cộng ký tự xuống dòng thành gần 13,7 MB. Nếu máy nhận giới hạn thư 10 MB, thư bị từ chối dù tệp gốc "vừa đúng 10 MB". Giới hạn của máy chủ tính trên thư đã mã hoá, không tính trên tệp gốc.

Quoted-printable cho chữ gần như ASCII. Ký tự ASCII thường giữ nguyên, byte nào ngoài phạm vi thì viết thành dấu bằng và hai chữ số hệ mười sáu. Chữ "á" trong UTF-8 là hai byte C3 A1, nên thành =C3=A1. Dòng dài được ngắt bằng dấu bằng ở cuối dòng, gọi là ngắt mềm.

Vì sao tiếng Việt hay dùng base64. Với tiếng Anh, quoted-printable vẫn đọc được bằng mắt. Với tiếng Việt, gần như từ nào cũng có dấu, mỗi chữ có dấu thành hai hoặc ba nhóm mã, chữ "ệ" thành =E1=BB=87, nên kết quả vừa dài vừa khó đọc. Nhiều phần mềm tự chọn base64 cho văn bản tiếng Việt vì gọn hơn.

7bit, 8bit, binary. Các giá trị này của Content-Transfer-Encoding nghĩa là không mã hoá gì, chỉ khai báo dữ liệu thuộc loại nào. 8bit chỉ an toàn khi mọi chặng đều hỗ trợ 8BITMIME; nếu không, máy chủ phải tự chuyển sang base64 hoặc quoted-printable trước khi chuyển tiếp.

Tiếng Việt trong dòng tiêu đề và tên tệp

Phần thân thư có Content-Type với tham số charset để khai bảng mã, nhưng các trường ở phần đầu thư như Tiêu đề hay tên người gửi thì không có chỗ khai như vậy. Giải pháp là encoded-word theo RFC 2047: một đoạn có dạng bắt đầu bằng dấu bằng và dấu hỏi, ghi tên bảng mã, chữ B (base64) hoặc Q (gần giống quoted-printable), rồi dữ liệu đã mã hoá, kết thúc bằng dấu hỏi và dấu bằng. Ứng dụng thư gặp đoạn này sẽ giải mã và hiển thị chữ có dấu.

Ví dụ giả định: tiêu đề "Báo cáo tháng 10" khi xem nguồn thư có thể hiện thành một chuỗi bắt đầu bằng =?UTF-8?B? theo sau là các ký tự base64. Tiêu đề dài sẽ bị chia thành nhiều encoded-word nối nhau qua nhiều dòng, vì mỗi encoded-word bị giới hạn độ dài.

Tên tệp đính kèm có dấu còn rắc rối hơn. Chuẩn gốc dùng cách mã hoá riêng ở RFC 2231, viết dạng filename*=UTF-8'' kèm phần mã hoá phần trăm. Trên thực tế nhiều phần mềm lại dùng encoded-word cho tên tệp, không đúng chuẩn nhưng phổ biến. Khi hai bên hiểu khác nhau, người nhận thấy tệp tên kiểu "=_UTF-8_B_..." hoặc tên bị thay bằng một chuỗi vô nghĩa. Đặt tên tệp không dấu trước khi gửi vẫn là cách chắc ăn nhất khi gửi cho nhiều hệ thống khác nhau.

Lỗi "thư bị lỗi font" mà người dùng hay kể thường không phải do font. Nguyên nhân phổ biến là khai charset sai: nội dung thật là UTF-8 nhưng phần đầu khai một bảng mã cũ, hoặc ngược lại, khiến ứng dụng giải mã từng byte theo bảng sai và in ra ký tự lạ. Xem nguồn thư, tìm tham số charset, là cách nhanh nhất để biết bên nào khai sai.

Những điều MIME giải thích trong đời thường

Hiểu MIME giúp bạn lý giải nhiều hiện tượng hay gặp mà không cần đoán:

  • Thư chỉ một dòng nhưng nguồn thư dài cả trang: ứng dụng gửi tạo cả bản chữ thường lẫn bản HTML, kèm khối định dạng.
  • Ảnh nằm giữa nội dung ở ứng dụng này nhưng thành tệp đính kèm ở ứng dụng khác: ứng dụng thứ hai không xử lý khối multipart/related hoặc chặn ảnh nhúng.
  • Tệp đính kèm có tên lạ như "winmail.dat": một số phần mềm doanh nghiệp đóng gói định dạng riêng của hãng vào một phần MIME mà ứng dụng khác không hiểu.
  • Chuyển tiếp thư làm vỡ định dạng: khi chuyển tiếp dạng chèn vào thân thư, ứng dụng phải ghép lại cây MIME và không phải lúc nào cũng ghép đúng; chuyển tiếp dạng đính kèm giữ nguyên thư gốc thành một phần message/rfc822.
  • Gửi tệp nén chứa chương trình bị chặn: bộ lọc mở từng phần MIME, đọc loại nội dung và cả byte đầu của tệp để nhận diện, không chỉ dựa vào đuôi tên tệp.

MIME không mã hoá theo nghĩa bảo mật: base64 chỉ là cách viết khác, ai cũng giải ngược được trong tích tắc. Muốn giữ bí mật nội dung thư cần mã hoá thật sự như S/MIME hoặc OpenPGP, vốn được xây ngay trên cấu trúc MIME bằng các loại nội dung riêng cho phần đã ký và phần đã mã hoá.

Câu hỏi thường gặp

MIME có phải là một giao thức không?

MIME là bộ quy ước định dạng nội dung thư, không phải giao thức truyền. Thư định dạng theo MIME vẫn được chuyển bằng SMTP và lấy về bằng IMAP hoặc POP3 như mọi thư khác.

Vì sao tệp đính kèm làm thư to hơn tệp gốc?

Tệp nhị phân được mã hoá base64 để đi qua đường truyền chữ, cứ ba byte thành bốn ký tự, cộng ký tự xuống dòng. Vì vậy thư thường lớn hơn tệp gốc khoảng 35 đến 37 phần trăm.

Base64 có làm thư an toàn hơn không?

Không. Base64 chỉ đổi cách biểu diễn dữ liệu, ai cũng giải mã ngược được ngay. Bảo vệ nội dung cần mã hoá thật sự như S/MIME hoặc OpenPGP, hoặc ít nhất mã hoá đường truyền bằng TLS.

Vì sao tiêu đề thư tiếng Việt khi xem nguồn lại thành chuỗi ký tự lạ?

Phần đầu thư chỉ chứa ký tự ASCII, nên tiêu đề có dấu được mã hoá theo dạng encoded-word, ghi bảng mã UTF-8 và dữ liệu base64 hoặc dạng Q. Ứng dụng thư tự giải mã khi hiển thị.

multipart/alternative dùng để làm gì?

Nó chứa nhiều phiên bản của cùng một nội dung, thường là bản chữ thường và bản HTML. Ứng dụng người nhận chọn bản phù hợp nhất mà nó hiển thị được, theo quy ước là bản đứng sau cùng.

Làm sao biết thư bị lỗi chữ do khai sai bảng mã?

Mở chế độ xem thư gốc hoặc xem nguồn, tìm tham số charset trong Content-Type của phần chữ. Nếu nội dung thật là UTF-8 mà khai bảng mã khác, hoặc ngược lại, chữ có dấu sẽ hiện thành ký tự lạ.

Cần tư vấn cụ thể cho trường hợp của bạn?

Chúng tôi sẽ liên hệ trong vòng 24 giờ.

Đăng ký tư vấn ngay

Bài viết liên quan

Bạn cần hỗ trợ thêm?

Để lại thông tin, chúng tôi sẽ liên hệ trong 24 giờ.

hoặc
Gọi ngay 0926 138 138