Base 64 原理

Posted SH的全栈笔记

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Base 64 原理相关的知识,希望对你有一定的参考价值。

Base64

Base64 是什么?是将字节流转换成可打印字符、将可打印字符转换为字节流的一种算法。Base64 使用 64 个可打印字符来表示转换后的数据。

准确的来说,Base64 不算是一种加、解密的算法,它是一种编码、解码的算法。这也是为什么我的用词是编码、解码,而不是加密、解密。

编码原理

Base64 算法的原理,是将输入流中的字节按每 3 个分为一组,然后每次取 6 个比特,将其转换成表格中对应的数据,一直重复到没有剩余的字符为止,转换表格如下:

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

编码过程

举个例子,假设我们要对字符串 S.H 进行编码:

  1. 将其转换成十六进制为 53、2e、48

  2. 再将十六进制转换成二进制,分别为 010100110010111001001000。这里不足 8 个比特的高位补 0 即可。

  3. 将其每6个比特分为一组,分别为 010100110010111001001000

  4. 将其转换成十进制得到,20、50、57、8
  5. 再根据表格中的转换关系转换可得,U、y、5、I

换句话说,字符串 S.H 通过 Base64 算法编码之后的结果为 Uy5I

编码图解

为什么要 每三个 分为一组,因为 3 $\\times$ 8 = 24,24 = 4 $\\times$​ 6,这样子可以刚好可以均分完。

例如 SH ?按照上述的做法:

首先将其转换成十六进制5348,再将其转换成二进制0101001101001000,再按照每 6 个比特分为一组,就会变成 0101001101001000,再转换成十进制得到 20、52、8,最后得到 U0I.

然而这个结果是不正确的,随便去找一个工具输入转换看看都知道,最终结果为 U0g=. 这也说明在输入的字符不足 3 个时,就不是按照之前的方式来处理了。

假设需要编码的字符串还是 SH

将其转换成二进制为, 0101001101001000,再按照每 6 个比特分为一组,就会变成0101001101001000

但是可以看到最后一组的比特位不足 6 个,在这种情况下,会进行末尾(低位)补0的操作。补完之后就会变成010100110100100000。但是你会发现,这里总共也只有18个比特,不满足 3 个字节一组的原则。在这种情况下,前三组会按照常规的 Base64 进行编码,而缺失的一组则会使用 = 来进行填充。

这样一来,就会变成205232,再根据表格转换可得 U0g ,再加上最后填充的 = ,最终结果就是 U0g=.

以下是图解。

那同理,如果只有一个字符,最后在二进制分组的时候,不足 6 位的低位补 0,分组不满 4 的,直接以 = 号填充。举个例子,假设需要编码的是字符串 S

S 的二进制为 01010011 ,按照 6 个比特分为一组,01010011。第二组明显不满 6 个比特,进行低位补0操作。

低位补0之后结果变成了010100110000,这里只有 2 组,不满四组,所以这里需要填充 2 个 =。将前面的两组转换成字符,结果为 Uw,再结合填充字符,最终的结果为 Uw==

关于编码,有人可能会说,你这都是英文,英文转换成十进制再到十六进制很方便,对比 ASCII 码就行,那要是中文呢?实际上,这个跟采取的编码类别有关系。对同样的中文采用不同的编码,最后得到的结果可能都不同。所以我们这里只讨论采用 UTF-8 的场景。

如果是中文,就采用 UTF-8 将中文进行编码,而如果是英文,其转换结果和 ASCII 编码是一样的。

解码原理

因为最终的编码产物中,如果 6 个比特的分组不满 4 组,会有 = 作为填充物,所以一个 base64 完后的产物总是能够被 4 整除。

所以,在解密中,我们每次需要处理 4 个字符,将这 4 个字符编码之后转换成十进制,再转换成二进制,不足 6 位的高位补0,然后将 6 个比特一组的二进制数按原顺序重新分成每 8 个比特一组,也就是一个字节一组。然后将其转换成十六进制,再转换成对应的字符。

解码过程

解密过程就会像:

  1. 按照每次处理4个字符的原理,根据表格将其分别转换成十进制2050578
  2. 再将其转换成二进制,不足六位的高位补0,再将其分成每 8 个比特一组
  3. 将分组好的比特转换成十六进制,得到532e48
  4. 最后将十六进制转换成字母得到S.H,也就是 S.H

解码图解

这里我们处理的是一个比较理想的情况,因为所有的比特位刚好被填充完,那如果带有 = padding 的 base64 是如何进行解密的呢?

  1. 首先根据表格,将其转换成十进制205032
  2. 再将其转换成二进制,不足 6 个比特的高位补0,010100110100100000
  3. 再将其分成每 8 个比特位一组,0101001101001000
  4. 然后再转换成十六进制得5348
  5. 转换成字符串可得 SH

以上是关于Base 64 原理的主要内容,如果未能解决你的问题,请参考以下文章

彻底弄懂Base64编码原理

C#解码base64编码的二进制数据的代码

一篇文章彻底弄懂Base64编码原理

base64加密和解码原理和代码

Web安全原理剖析——Base64注入攻击

Base64编码原理分析