Base64

[TOC]
Base64 是网络Network上最常见的用于传输8Bit字节码的编码方式之一,Base64就是一种基于64个可打印字符来表示二进制数据的方法。可查看 [RFC2045][RFC2045]、[RFC2046][RFC2046]、[RFC2047][RFC2047]、[RFC2048][RFC2048]、[RFC2049][RFC2049],上面有 MIME 的详细规范。
Base64 编码是从二进制到字符的过程,可用于在 HTTP 环境下传递较长的标识信息。采用 Base64 编码具有不可读性,需要解码后才能阅读。
Base64 由于以上优点被广泛应用于计算机的各个领域,然而由于输出内容中包括两个以上“符号类”字符(+, /, =),不同的应用场景又分别研制了 Base64 的各种“变种”。为统一和规范化 Base64 的输出, Base62x 被视为无符号化的改进版本。

简介

标准的 Base64 并不适合直接放在URL里传输,因为 URL 编码器会把标准 Base64 中的/+字符变为形如%XX的形式,而这些%号在存入数据库时还需要再进行转换,因为 ANSI SQL 中已将%号用作通配符。
为解决此问题,可采用一种用于 URL 的改进 Base64 编码,它在末尾填充=号,并将标准 Base64 中的+/分别改成了-_,这样就免去了在 URL 编解码和数据库存储时所要作的转换,避免了编码信息长度在此过程中的增加,并统一了数据库、表单等处对象标识符的格式。
另有一种用于正则表达式的改进 Base64 变种,它将+/改成了!-,因为+,*以及前面在 IRCu 中用到的[]在正则表达式中都可能具有特殊含义。
此外还有一些变种,它们将+/改为_-._(用作编程语言中的标识符名称)或.-(用于 XML 中的 Nmtoken )甚至_:(用于 XML 中的 Name )。
Base64 要求把每三个 8Bit 的字节转换为四个 6Bit 的字节(3*8 = 4*6 = 24),然后把 6Bit 再添两位高位 0,组成四个 8Bit 的字节,也就是说,转换后的字符串理论上将要比原来的长 1/3。

应用

Mozilla Thunderbird和Evolution用Base64来保密电子邮件密码
Base64 也会经常用作一个简单的“加密”来保护某些数据,而真正的加密通常都比较繁琐。
垃圾讯息传播者用Base64来避过反垃圾邮件工具,因为那些工具通常都不会翻译Base64的讯息。
在LDIF档案,Base64用作编码字串。

规则

关于这个编码的规则:

  1. 把 3 个字节变成 4 个字节。
  2. 每 76 个字符加一个换行符。
  3. 最后的结束符也要处理。

    例子1

    转换前 111111111111111111111111 (二进制)
    转换后 00111111001111110011111100111111 (二进制)
    上面的三个字节是原文,下面的四个字节是转换后的 Base64 编码,其前两位均为 0。
    转换后,我们用一个码表来得到我们想要的字符串(也就是最终的 Base64 编码),这个表是这样的:(摘自 [RFC2045][RFC2045] )
    转换表

    Table 1: The Base64 Alphabet

    索引Index 对应字符 索引 对应字符 索引 对应字符 索引 对应字符
    0 A 17 R 34 i 51 z
    1 B 18 S 35 j 52 0
    2 C 19 T 36 k 53 1
    3 D 20 U 37 l 54 2
    4 E 21 V 38 m 55 3
    5 F 22 W 39 n 56 4
    6 G 23 X 40 o 57 5
    7 H 24 Y 41 p 58 6
    8 I 25 Z 42 q 59 7
    9 J 26 a 43 r 60 8
    10 K 27 b 44 s 61 9
    11 L 28 c 45 t 62 +
    12 M 29 d 46 u 63 /
    13 N 30 e 47 v
    14 O 31 f 48 w
    15 P 32 g 49 x
    16 Q 33 h 50 y

    例子2

    转换前 101011011011101001110110
    转换后 00101011000110110010100100110110
    十进制 43 27 41 54
    对应码表中的值 r b p 2
    所以上面的 24 位编码,编码后的 Base64 值为 rbp2
    解码同理,把 rbq2 的二进制位连接上再重组得到三个 8 位值,得出原码。
    (解码只是编码的逆过程,有关 MIME 的 RFC 还有很多,如果需要详细情况请自行查找。)

    • 第一个字节,根据源字节的第一个字节处理。
      规则:源第一字节右移两位,去掉低 2 位,高 2 位补零。
      既:00 + 高6位
    • 第二个字节,根据源字节的第一个字节和第二个字节联合处理。
      规则如下,第一个字节高6位去掉然后左移四位,第二个字节右移四位
      即:源第一字节低2位 + 源第2字节高4位
    • 第三个字节,根据源字节的第二个字节和第三个字节联合处理,
      规则第二个字节去掉高4位并左移两位(得高6位),第三个字节右移6位并去掉高6位(得低2位),相加即可
    • 第四个字节,规则,源第三字节去掉高2位即可
      //用更接近于编程的思维来说,编码的过程是这样的:
      // 第一个字符通过右移2位获得第一个目标字符的Base64表位置,根据这个数值取到表上相应的字符,就是第一个目标字符。
      // 然后将第一个字符与0x03(00000011)进行与(&)操作并左移4位,接着第二个字符右移4位与前者相或(|),即获得第二个目标字符。
      // 再将第二个字符与0x0f(00001111)进行与(&)操作并左移2位,接着第三个字符右移6位与前者相或(|),获得第三个目标字符。
      // 最后将第三个字符与0x3f(00111111)进行与(&)操作即获得第四个目标字符。
      // 在以上的每一个步骤之后,再把结果与 0x3F 进行 AND 位操作,就可以得到编码后的字符了。

      原文的字节数量应该是 3 的倍数,如果这个条件不能满足的话,具体的解决办法是这样的:原文剩余的字节根据编码规则继续单独转 (1变2,2变3;不够的位数用0补全),再用=号补满 4 个字节。这就是为什么有些 Base64 编码会以一个或两个等号结束的原因,但等号最多只有两个。因为一个原字节至少会变成两个目标字节,所以余数任何情况下都只可能是 0,1,2 这三个数中的一个。如果余数是 0 的话,就表示原文字节数正好是 3 的倍数(最理想的情况)。如果是 1 的话,转成 2 个 Base64 编码字符,为了让 Base64 编码是 4 的倍数,就要补 2 个等号;同理,如果是 2 的话,就要补 1 个等号。

      原理

      转码过程例子:
      3*8=4*6
      内存 1 个字节占 8 位
      转前: s 1 3
      先转成ascii:对应 115 49 51
      2 进制: 01110011 00110001 00110011
      6 个一组(4 组) 011100110011000100110011
      然后才有后面的 011100 110011 000100 110011
      然后计算机一个字节占 8 位,不够就自动补两个高位0了
      所以有了高位补 0
      科学计算器输入 00011100 00110011 00000100 00110011
      得到 28 51 4 51
      查下对照表 c z E z

[RFC2045]: https://tools.ietf.org/html/rfc2045 "Multipurpose Internet Mail Extensions
(MIME) Part One:
Format of Internet Message Bodies"
[RFC2046]: https://tools.ietf.org/html/rfc2046 "Multipurpose Internet Mail Extensions
(MIME) Part Two:
Media Types"
[RFC2047]: https://tools.ietf.org/html/rfc2047 "Multipurpose Internet Mail Extensions
(MIME) Part Three:
Message Header Extensions for Non-ASCII Text"
[RFC2048]: https://tools.ietf.org/html/rfc2048 "Multipurpose Internet Mail Extensions
(MIME) Part Four:
Registration Procedures"
[RFC2049]: https://tools.ietf.org/html/rfc2049 "Multipurpose Internet Mail Extensions
(MIME) Part Five:
Conformance Criteria and Examples"

标签: none

添加新评论