Base64

[TOC]
Base64 是网络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、RFC2046、RFC2047、RFC2048、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/和+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+和/分别改成了-和_，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+和/改成了!和-，因为+,*以及前面在 IRCu 中用到的[和]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_-或._（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 11111111，11111111，11111111 （二进制）
    转换后 00111111，00111111，00111111，00111111 （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 ）
    转换表

    Table 1: The Base64 Alphabet

    索引对应字符索引对应字符索引对应字符索引对应字符
    0A17R34i51z
    1B18S35j520
    2C19T36k531
    3D20U37l542
    4E21V38m553
    5F22W39n564
    6G23X40o575
    7H24Y41p586
    8I25Z42q597
    9J26a43r608
    10K27b44s619
    11L28c45t62+
    12M29d46u63/
    13N30e47v
    14O31f48w
    15P32g49x
    16Q33h50y

    例子2

    转换前 10101101，10111010，01110110
    转换后 00101011，00011011，00101001，00110110
    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。）

  4. 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
  5. 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
  6. 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

  7. 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

  8. 进制： 01110011 00110001 00110011
  9. 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

(MIME) Part One:
Format of Internet Message Bodies"

(MIME) Part Two:
Media Types"

(MIME) Part Three:
Message Header Extensions for Non-ASCII Text"

(MIME) Part Four:
Registration Procedures"

(MIME) Part Five:
Conformance Criteria and Examples"

标签: none

添加新评论