Base64编码的原理

Posted 2021-02-14 feixiangmanon

Base64是一种基于64个可打印字符来表示二进制数据的表示方法。由于 2的6次方是64，所以每6个比特为一个单元，对应某个可打印字符。3个字节有24个比特，对应于4个Base64单元，即3个字节可由4个可打印字符来表示。它可用来作为电子邮件的传输编码。在Base64中的可打印字符包括字母A-Z、a-z、数字0-9，这样共有62个字符，此外两个可打印符号在不同的系统中而不同。
在MIME格式中，剩余两个字符是加号+和斜杠/，等号=用来作为后缀用途。
UTF-7是一个修改版Base64，主要的区别在于不用等号=补余，因为该字符通常需要大量的转译。
在IRCu等软件所使用的P10 IRC服务器间协议中，将+/改成了[]。
Base64编码可用于在HTTP环境下传递，不在末尾填充=号，并将标准Base64中的+和/分别改成了-和_。

base64的原理

base64编码后的数据比原始数据略长，比原来长1/3。为什么会长1/3？我们学习下原理，之后工作中base64就再也不会挡道了。
转换的时候，将3字节的数据，先后放入一个24位的缓冲区中，先来的字节占高位。数据不足3字节的话，于缓冲器中剩下的比特用0补足。每次取出6比特，按照其值选择ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/中的字符作为编码后的输出，直到全部输入数据转换完成。若原数据长度不是3的倍数时且剩下1个输入数据，则在编码结果后加2个=；若剩下2个输入数据，则在编码结果后加1个=。
换句话，本来3个字节，base64经过自己的编码成为4个字节。比原理多了1/3。
来，举个例子

文本	h	e	l
ascii 编码	104	101	108
二进制	01101000	01100101	01101100
base64 6位	011010	00 0110	010101	101100
base64 10进制编号	26	6	21	44
base64 结果	a	G	V	s

hel的base64编码结果就是aGVs

base64码表

base64的应用

base64的应用特别广泛，个人在开发中遇到最多的两个方面，第一个是URL的base64，另一个是图片base64。
先说第一种，已经有urlencode了，为什么还需要base64 的URL。各有用途。
urlencode是将-_. 之外的所有非字母数字字符都将被替换成百分号（%）后跟两位十六进制数，空格则编码为加号（+）。如果一个URL里面有+ 有空格，是不是urlencode就搞不定，使用base64就会迎刃而解。带来的代价就URL比原理长了1/3

图片编码的问题，经常跟客户端开发的时候，客户端使用二进制流上传图片的时候比较复杂，就可以使用base64将图片的二进制编码转成base64，服务端接到数据之后再basedecode之后就是图片的二进制流。特别方便，带来的结果就是，传输的数据多了1/3。

遇到的问题

根据RFC 822规定，每76个字符，还需要加上一个回车换行。
出问题的一般都是822规定，有的语言，对base64decode的时候，发现有换行符就decode失败了，究其原因基本都市822规定，有很多换行，decode的时候解码失败，知道原因了就特别简单，将换行符 | 替换成 空，再base64decode就可以了。