一篇文章彻底弄懂Base64编码原理

Posted 2021-02-16 yanzi-meng

在互联网中的每一刻，你可能都在享受着Base64带来的便捷，但对于Base64的基础原理又了解多少？今天这篇博文带领大家了解一下Base64的底层实现。

Base64的由来

目前Base64已经成为网络上常见的传输8Bit字节代码的编码方式之一。在做支付系统时，系统之间的报文交互都需要使用Base64对明文进行转码，然后再进行签名或加密，之后再进行（或再次Base64）传输。那么，Base64到底起到什么作用呢？

在参数传输的过程中经常遇到的一种情况：使用全英文的没问题，但一旦涉及到中文就会出现乱码情况。与此类似，网络上传输的字符并不全是可打印的字符，比如二进制文件、图片等。Base64的出现就是为了解决此问题，它是基于64个可打印的字符来表示二进制的数据的一种方法。

电子邮件刚问世的时候，只能传输英文，但后来随着用户的增加，中文、日文等文字的用户也有需求，但这些字符并不能被服务器或网关有效处理，因此Base64就登场了。随之，Base64在URL、Cookie、网页传输少量二进制文件中也有相应的使用。

Base64的编码原理

Base64的原理比较简单，每当我们使用Base64时都会先定义一个类似这样的数组：

1. [‘A‘, ‘B‘, ‘C‘, ... ‘a‘, ‘b‘, ‘c‘, ... ‘0‘, ‘1‘, ... ‘+‘, ‘/‘]

上面就是Base64的索引表，字符选用了”A-Z、a-z、0-9、+、/“ 64个可打印字符，这是标准的Base64协议规定。在日常使用中我们还会看到“=”或“==”号出现在Base64的编码结果中，“=”在此是作为填充字符出现，后面会讲到。

具体转换步骤

• 第一步，将待转换的字符串每三个字节分为一组，每个字节占8bit，那么共有24个二进制位。
• 第二步，将上面的24个二进制位每6个一组，共分为4组。
• 第三步，在每组前面添加两个0，每组由6个变为8个二进制位，总共32个二进制位，即四个字节。
• 第四步，根据Base64编码对照表（见下图）获得对应的值。

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

从上面的步骤我们发现：

• Base64字符表中的字符原本用6个bit就可以表示，现在前面添加2个0，变为8个bit，会造成一定的浪费。因此，Base64编码之后的文本，要比原文大约三分之一。
• 为什么使用3个字节一组呢？因为6和8的最小公倍数为24，三个字节正好24个二进制位，每6个bit位一组，恰好能够分为4组。

示例说明

以下图的表格为示例，我们具体分析一下整个过程。

• 第一步：“M”、“a”、”n”对应的ASCII码值分别为77，97，110，对应的二进制值是01001101、01100001、01101110。如图第二三行所示，由此组成一个24位的二进制字符串。
• 第二步：如图红色框，将24位每6位二进制位一组分成四组。
• 第三步：在上面每一组前面补两个0，扩展成32个二进制位，此时变为四个字节：00010011、00010110、00000101、00101110。分别对应的值（Base64编码索引）为：19、22、5、46。
• 第四步：用上面的值在Base64编码表中进行查找，分别对应：T、W、F、u。因此“Man”Base64编码之后就变为：TWFu。

位数不足情况

上面是按照三个字节来举例说明的，如果字节数不足三个，那么该如何处理？

• 两个字节：两个字节共16个二进制位，依旧按照规则进行分组。此时总共16个二进制位，每6个一组，则第三组缺少2位，用0补齐，得到三个Base64编码，第四组完全没有数据则用“=”补上。因此，上图中“BC”转换之后为“QKM=”；
• 一个字节：一个字节共8个二进制位，依旧按照规则进行分组。此时共8个二进制位，每6个一组，则第二组缺少4位，用0补齐，得到两个Base64编码，而后面两组没有对应数据，都用“=”补上。因此，上图中“A”转换之后为“QQ==”；

注意事项

• 大多数编码都是由字符串转化成二进制的过程，而Base64的编码则是从二进制转换为字符串。与常规恰恰相反，
• Base64编码主要用在传输、存储、表示二进制领域，不能算得上加密，只是无法直接看到明文。也可以通过打乱Base64编码来进行加密。
• 中文有多种编码（比如：utf-8、gb2312、gbk等），不同编码对应Base64编码结果都不一样。

延伸

上面我们已经看到了Base64就是用6位（2的6次幂就是64）表示字符，因此成为Base64。同理，Base32就是用5位，Base16就是用4位。大家可以按照上面的步骤进行演化一下。

Java 验证

最后，我们用一段Java代码来验证一下上面的转换结果：

1. package com.secbro2.blog.utils;
3. import sun.misc.BASE64Encoder;
5. /**
6. * @author zzs
7. */
8. public class Base64Utils {
10. public static void main(String[] args) {
11. String man = "Man";
12. String a = "A";
13. String bc = "BC";
15. BASE64Encoder encoder = new BASE64Encoder();
16. System.out.println("Man base64结果为：" + encoder.encode(man.getBytes()));
17. System.out.println("BC base64结果为：" + encoder.encode(bc.getBytes()));
18. System.out.println("A base64结果为：" + encoder.encode(a.getBytes()));
19. }
20. }

打印结果为：

1. Man base64结果为：TWFu
2. BC base64结果为：QkM=
3. A base64结果为：QQ==

以上结果与我们分析所得完全一致。

小结

本节课程用实例和图文分析带大家了解了Base64的基本操作原理，如果学完之后有所收获，那就帮忙转发一下吧。