Base64解码，直到没有Base64

Posted 2021-04-12

所以我认为我的问题非常简单。我需要解码Base64，直到没有Base64，如果有一些Base64，我用RegEx检查，但我不知道如何解码，直到没有Base64。

在这个简短的代码中我可以解码Base64，直到没有Base64，因为我的文本是定义的。 （直到Base64 Decode Stuff不是“Hello World”解码）

# Import Libraries
from base64 import *
import re

# Text & Base64 String
strText = "Hello World"
strEncode = "VmxSQ2ExWXlUWGxUYTJoUVVqSlNXRlJYY0hOT1ZteHlXa1pLVVZWWE9EbERaejA5Q2c9PQo=".encode("utf-8")

# Decode
objRgx = re.search('^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$', strEncode.decode("utf-8"))

strDecode = b64decode(objRgx.group(0).encode("utf-8"))

print(strDecode.decode("utf-8"))

while strDecode != strText.encode("utf-8"):
    strDecode = b64decode(strDecode)

    print(strDecode.decode("utf-8"))

有没有人有一个想法如何解码Base64，直到有真正的文本（没有更多base64）

P. S.抱歉我的英语不好。

答案

你不能，不能在任意意义上。问题很简单就是正常，每天的单词也可以是BASE64。所以，没有真正的方法来区分两者之间的区别。

BASE64没有长度以外的终结符。它可以用=或==终止，但不能终止。 =只是填充。不需要填充，然后没有=。因此BASE64可能会结束并且一些文本将开始，而您无法检测到它。

编辑“所以我真的没办法做我想要的事情吗？”：

不，不是确定性的，不可靠的。即使使用启发式方法，也有可能出现失败的情况，最终会消耗太多字符，导致二进制块结尾处出现垃圾，以及后续文本流中的字符丢失。

现在这是一个任意的BASE64块。如果你知道二进制数据是什么，那么也许是希望。

例如，如果你知道二进制数据是什么，大多数二进制格式“知​​道”何时“完成”。我不知道有效的二进制格式是“读到EOF”。它们通常包含内部描述符“这是下一个块有多少数据”或终结者说“我已经完成”。

在这些情况下，您可以将BASE64视为流。 BASE64基本上非常简单。它需要3个字节并将它们转换为4个字符。

因此，B64流读取器需要简单地读取4个字符并返回它们代表的3个字节。

如果你有一个PNG阅读器，它可以开始读取转换后的流。当它“完成”时，它“关闭”流，你的原始文本“在BASE64的末尾”。

如果您知道原始附件的大小，它也可以工作。如果有人发送“10,000字节”，那么您使用BASE64流解码器并从中读取“10,000”字节。

通常情况下，您将使用带有=或==终止符的BASE64。在这种情况下，你不会这是一个问题。解码的流以任何一种方式工作。

如果你不知道附件的原始大小，或编码二进制文件的格式，那么你几乎没有运气。

另一答案

作为启发式，您可以计算结果中的平均字长。自然语言会有短语，例如“作为启发式，你可以看一下单词长度。”仍然是Base64编码的字符串将在空格之间具有很少的空格和长字符串。

作为另一种启发式方法，您可以计算元音（a，e，i，o，u）与辅音的比例或单词中间的大写字母数。

另一答案

那么你正在处理可能已经反复进行base64编码的数据块？为什么不通过b64decode（）循环字符串直到它出错呢？

此外，我认为你可能不需要洒这么多的.encode("utf-8")。

另一答案

我在这里看到两个有价值的答案，指的是平均字长（Mark Lutton）和原始数据的字节大小（Will Hartung）。另一个有用的东西：寻找预期的词典单词，有意义的数字或/和日期。