摘要

  • RFC 2044 将 00 至 7F 只留给 ASCII 字符；多字节首字节声明长度，续字节以 10 开头，FE 与 FF 不出现，因此旧式解析器仍能辨认 ASCII 语法并重新获得字符边界。
  • 这份 RFC 同时承认 UCS-4 数值字典序不具文化有效性，并明确不讨论安全。charset=UTF-8 只是编码声明，不是字节有效、规范化、显示、身份或部署的收据。

想象一段老程序：它不认识日文汉字，也不知道阿拉伯文字如何塑形，却知道斜线分隔路径、百分号引出格式、零字节终止字符串。若一种多字节编码能把这些 ASCII 字节藏在别的字符内部，老程序就可能把数据误读成语法。

RFC 2044 的设计价值正在这里。Unicode 1.1 与 ISO/IEC 10646 提供了更大的字符空间，但许多应用仍围绕七位或八位字符工作。UTF-8 没有要求这些系统先整体换成固定 16 位或 32 位架构，而是保护了它们已经共享的字节语法。

一份可从局部检查的字节地图

ASCII 范围 0000 0000 至 0000 007F 直接映射为 00 至 7F。更强的约束是：任何具有这些值的字节都只能表示 ASCII 字符，不能成为另一个字符的组成部分。旧组件即使不解释高位字节，也不会在多字节字符内部发现伪造的 ASCII 分隔符。

多字节序列也自带结构。单字节字符采用 0xxxxxxx。更长序列的首字节先写出与总长度相同数量的 1，再接一个 0；后续字节一律以 10 开头。110xxxxx 预告还需一个续字节，1110xxxx 预告还需两个。扫描器即使从字符中间进入，只要越过连续的 10xxxxxx，就能找到下一个首字节。RFC 因而说，字符边界可在字节流任意位置轻易找到。

FE、FF 也不属于这套形状。它们永不出现是一项有用的负面不变量，但绝不是“其他序列都安全”。解码器仍需检查长度、续字节、重建值以及后来标准增加的限制。

一个例子只证明一个层次

RFC 2044 把“A≢Α.”写成 41 E2 89 A2 CE 91 2E。开头的 41 和结尾的 2E 仍是 ASCII 的 A 与句点，中间两个字符各自占据清楚的多字节边界。合规解码器可由此还原码值。

这些字节却不会告诉它文本属于什么语言，字体能否显示，渲染器是否正确处理方向与组合，希腊 Alpha 是否被有意写成拉丁 A 的近似外观，也不会说明字符串能否作为安全标识符。字节结构是可执行事实；读者看到什么、理解什么、被授权做什么，需要别的证据。

数值顺序没有获得文化主权

RFC 指出，UTF-8 保留 UCS-4 字符串的字典序。这对按无符号字节建立稳定索引很方便。但它紧接着说，这项性质兴趣有限，因为两种表示的排序都不具文化有效性。

人名与词语的排序依赖语言、重音、大小写、合字、脚本习惯与产品规则。码点顺序可以确定，却不是通用字母表。RFC 在同一条项目中给出性质与限制，恰好说明技术不变量不应被抬高为文化判断。

标签选择解码器，不验证现实

RFC 2044 提议将 UTF-8 注册为 MIME charset 值。MIME 的作用是给媒体类型提供字符集声明位置；较早的 Unicode-with-MIME 工作也展示了字符库、字节串行化与传输编码是不同决定。

因此，标签表示发送方声称应采用哪份编码合同。它不会检查正文是否截断、是否含非法序列、是否被中继改写，也不认证是谁贴上标签。今天 IANA registry 仍登记 UTF-8、MIBenum 106 与别名 csUTF8，引用已更新为 RFC 3629。这证明登记身份，不证明任何具体文件通过验证。

历史语法不能冒充当前验证器

RFC 2044 是 Informational，并明言不构成互联网标准。Datatracker 把它列为没有正式 IETF 标准地位的 Legacy RFC。RFC 2279 后来在 Standards Track 取代它，RFC 3629 又取代 RFC 2279。

演进改变了有效范围。1996 年文本允许一至六字节；RFC 3629 将范围限定为 U+0000 至 U+10FFFF 和一至四字节，并排除代理码点、过长编码等非法形式。五字节或六字节序列可说明旧文档，却不能据此被当前系统接受。勘误检索没有记录 RFC 2044 的 erratum，也只说明勘误库现状，不能取消废止关系。

安全问题从 RFC 2044 的边界之外开始

RFC 2044 的安全章节明确说“不讨论安全问题”。RFC 3629 后来才具体处理非法序列、过长编码、缓冲区假设和等价字符序列的风险；RFC 5198 又把 NFC 规范化作为网络文本的独立要求。

所以，ASCII 不会藏在多字节字符里，不等于解析器安全；边界可恢复，不等于序列符合当前规则；合法 UTF-8 不等于已规范化；合法码点也不等于身份唯一、字形可信或读者理解一致。

用 Heng Lu 的最小初始规范视角看，RFC 2044 的公共层很薄：共享必要、确定、可局部验证的字节规则，把语言与应用决策留在别处。Running-Code Primacy 进一步要求实现和运行观察来证明采用；Reality Layers 则阻止文档、标签或格式被抬成它无法执行的结果。

UTF-8 的历史力量并不来自它证明了一切，而来自它精确保护了一件事：旧有 ASCII 语法在更大字符空间中仍然可辨认。越尊重这条窄边界，证据越可靠。

来源