Um anexo cresce um terço dentro do e-mail

Porque um ficheiro não pode viajar tal como é

Os protocolos do correio foram escritos quando uma ligação garantia sete bits por caractere e mais nada. Um byte de um PDF ou de uma fotografia pode tomar qualquer um de 256 valores, vários dos quais significam algo para um servidor de correio — um retorno de carro solto, um nulo, uma linha que começa por um ponto. O base64 contorna tudo isso usando apenas 64 caracteres em que todos os sistemas concordam, ao preço de escrever quatro por cada três bytes. Essa aritmética não é um detalhe de implementação otimizável: é o preço da garantia de que o ficheiro chega idêntico.

Explica também porque comprimir antes de anexar ajuda e recomprimir um ficheiro já comprimido não. Uma pasta de documentos reduzida a um terço do seu tamanho custa também um terço do base64, porque a codificação se aplica aos bytes que lhe dás. Uma fotografia ou um PDF já estão comprimidos: comprimi-los não ganha nada e o 1,3684 continua a aplicar-se ao tamanho inteiro.

Tirar os ficheiros, com os nomes certos

Cada anexo ocupa a sua própria parte da mensagem, com um Content-Type que diz o que é e um Content-Disposition que dá o nome de ficheiro escolhido pelo remetente. Ambos podem ir codificados em RFC 2047: uma fatura francesa pode chamar-se =?UTF-8?B?ZmFjdHVyZSBqYW52aWVyLnBkZg==?= no ficheiro cru e Facture janvier.pdf depois de descodificada — o extrator descodifica, e é essa a diferença entre uma pasta de nomes legíveis e uma de garatuja. Os nomes sobrevivem ainda a espaços e acentos, que alguns scripts de extração antigos estragam.

Perguntas frequentes

O ficheiro extraído é idêntico ao que foi enviado?

Sim. O base64 é uma codificação sem perdas: descodificar devolve exatamente os bytes que entraram — a soma de verificação do ficheiro extraído corresponde à do original. É por isso que o correio pode transportar um PDF assinado ou um programa sem os corromper, e por isso o tamanho que vês em disco depois da extração é o real, não o codificado.

Porque é a minha caixa maior do que os ficheiros de que me lembro?

Em parte por isto, e soma. Cada anexo que recebeste é guardado codificado: uma caixa com 3 GiB de ficheiros ocupa cerca de 4,1 GiB. Por cima, uma mensagem que enviaste com anexo costuma ser guardada duas vezes — em Enviados e no fio — e uma mensagem reencaminhada leva outra vez os seus anexos. Extrair e apagar os maiores anexos rende em geral mais do que apagar centenas de mensagens pequenas.

Posso tirar um anexo de uma mensagem que não abre?

Muitas vezes sim, e é uma das melhores razões para ter esta ferramenta à mão. Uma mensagem cujo HTML derrota um cliente de correio continua a ser um ficheiro MIME bem formado, e o anexo ocupa a sua própria parte com a sua própria codificação; o extrator lê a estrutura em vez de apresentar a mensagem, por isso um corpo que não se mostra não impede o ficheiro de sair.