multipart/form-data,字段的默认字符集是什么？

Question

如果没有给出字符集,那么应该使用什么来解码multipart/form-data的默认编码？RFC2388规定:

4.5表单数据中的文本字符集

multipart/form-data的每个部分都应该具有内容类型.在字段元素是文本的情况下,文本的字符集参数表示使用的字符编码.

例如,带有文本字段的表单,其中用户键入"Joe owes <eu> 100",其中<eu>是欧元符号,表单数据可能返回为:

--AaB03x
content-disposition: form-data; name="field1"
content-type: text/plain;charset=windows-1250
content-transfer-encoding: quoted-printable>>

Joe owes =80100.
--AaB03x

在我的情况下,charset没有设置,我不知道如何解码该text/plain部分中的数据.因为我不想强制执行不是标准行为的事情,所以我在问这个案例中的预期行为是什么.RFC似乎没有解释这一点,所以我有点迷失.

谢谢!

Answer 1

这显然在HTML5中有所改变(参见http://dev.w3.org/html5/spec-preview/constraints.html#multipart-form-data).

生成的multipart/form-data资源中与非文件字段对应的部分不得指定Content-Type标头.

那么指定的字符集在哪里？据我所知,编码算法中唯一的位置是名为_charset_的表单数据集条目.

如果您的表单没有名为_charset_的隐藏输入,会发生什么？我在Chrome 28中对此进行了测试,发送了一个用UTF-8编码的表格和一个用ISO-8859-1编写的表格,并检查发送的标题和有效负载,我没有看到任何地方都有字符集(即使文本编码肯定会改变).如果我在表单中包含一个空的_charset_字段,Chrome会使用正确的字符集类型填充该字段.我想任何服务器端代码都必须查找_charset_字段来解决它？

我在编写使用FormData对象的XMLHttpRequest.send的Chrome扩展时遇到了这个问题,无论源文档编码是什么,它总是以UTF-8编码.

让请求实体主体是运行multipart/form-data编码算法的结果,其中数据作为表单数据集并使用utf-8作为显式字符编码.

令mime类型为"multipart/form-data;"的串联,U + 0020 SPACE字符,"boundary =",以及由multipart/form-data编码算法生成的multipart/form-data边界字符串.

正如我之前发现的那样,在POST请求中的任何地方都没有指定charset = utf-8,除非你在表单中包含一个空的_charset_字段,在这种情况下会自动填充"utf-8".

这是我对事物状况的理解.我欢迎对我的假设进行任何更正!

Answer 2

HTTP 1.1的默认字符集是ISO-8859-1(Latin1),我猜这也适用于此.

3.7.1规范化和文本默认值

--snip--

"charset"参数与某些媒体类型一起用于定义数据的字符集(第3.4节).当发送方未提供显式字符集参数时,"文本"类型的媒体子类型被定义为在通过HTTP接收时具有默认字符集值"ISO-8859-1".除"ISO-8859-1"或其子集之外的字符集中的数据必须用适当的字符集值标记.有关兼容性问题,请参见第3.4.1节.