Resumo

  • 00 a 7F ficaram exclusivos dos caracteres ASCII; o primeiro octeto declarou o comprimento, as continuações começaram com 10, e FE/FF permaneceram fora da gramática.
  • O RFC negou validade cultural à ordem numérica preservada e não discutiu segurança. O rótulo MIME UTF-8 declara um esquema, não comprova bytes, normalização, exibição, identidade ou implantação.

Um parser de 1996 podia desconhecer letras árabes e ainda depender de uma barra, de uma quebra de linha ou de NUL. Se um desses valores aparecesse no interior de outro caractere, o novo repertório ameaçaria a sintaxe legada. RFC 2044 tornou essa interface verificável sem exigir que todo o parque instalado adotasse unidades fixas de 16 ou 32 bits.

Unicode 1.1 e ISO/IEC 10646 descreviam UCS-2; ISO 10646 também trazia UCS-4. UTF-8 preservou os octetos ASCII e deixou os demais passarem por componentes transparentes ao bit alto. Compatibilidade aqui significava uma propriedade limitada da representação, não compreensão universal.

A própria sequência anunciava seus limites

ASCII usa 0xxxxxxx. Em sequências maiores, a quantidade inicial de bits 1 indica o total de octetos e é seguida por 0; cada continuação começa com 10. Um scanner que entra no meio pode atravessar continuações e reencontrar o próximo início.

Os valores FE e FF não cabem nas formas permitidas. Essa ausência é útil, mas não valida todo o fluxo. Ainda é necessário conferir comprimento, continuações e valor reconstruído.

No exemplo “A≢Α.”, os bytes são 41 E2 89 A2 CE 91 2E. A e ponto preservam seus valores ASCII. Os limites permitem recuperar pontos de código, mas não dizem a língua, a fonte, a intenção, a equivalência canônica nem se a cadeia serve como identificador.

Ordem binária não é ordem social

RFC 2044 registra que a ordem lexicográfica de UCS-4 é preservada. Para um índice de bytes isso é conveniente. A frase seguinte reduz a pretensão: a ordem tem interesse limitado porque não é culturalmente válida em nenhuma das representações.

Ordenar nomes depende de idioma, acentos, caixa, ligaduras e convenções locais. Uma rotina determinística não vira alfabeto universal. O próprio texto separa a propriedade matemática da decisão humana.

O charset selecionava uma hipótese de leitura

O memo propôs UTF-8 como valor charset do MIME. MIME oferecia o campo de declaração; a experiência anterior de Unicode com MIME distinguia repertório, serialização e codificação de transferência.

O rótulo pede que o destinatário tente certo decodificador. Não detecta sequência truncada, forma ilegal ou mudança no relay, nem autentica quem o colocou. O registro IANA atual mantém UTF-8, MIBenum 106 e alias csUTF8, referidos a RFC 3629. É prova do nome registrado, não do conteúdo de um arquivo.

A tabela histórica não deve validar tráfego atual

RFC 2044 era Informational e dizia não estabelecer padrão de Internet; o Datatracker o classifica como Legacy. RFC 2279 o substituiu no Standards Track, e RFC 3629 substituiu RFC 2279.

Em 1996 havia formas de um a seis octetos. RFC 3629 limita UTF-8 a U+10FFFF, de um a quatro octetos, exclui surrogates e codificações overlong. Cinco ou seis octetos documentam a história, não UTF-8 válido hoje. A busca de errata sem registro para RFC 2044 não desfaz a obsolescência.

A segurança ficou explicitamente de fora

RFC 2044 diz que questões de segurança não são discutidas. RFC 3629 abordou depois sequências ilegais, overlong, buffers e cadeias diferentes com aparência equivalente. RFC 5198 tratou normalização NFC como contrato adicional.

Preservar ASCII não prova parser seguro; recuperar limites não prova validade atual; UTF-8 válido não prova normalização; pontos de código válidos não provam identidade, glifo ou compreensão.

Na moldura de Heng Lu, a especificação inicial mínima guarda só invariantes determinísticos necessários. Running-Code Primacy exige implementação e observação antes de afirmar adoção; Reality Layers impede transformar documento ou rótulo em resultado. A força histórica de RFC 2044 foi manter estreita a promessa: conservar sintaxe sem governar significado.

Fontes