针对base64编码和URIEncode的一点研究

Posted leegent

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了针对base64编码和URIEncode的一点研究相关的知识,希望对你有一定的参考价值。

Base64编码的作用

将任意的二进制比特串编码成由ASCii码中的64个可显示字符组成的字符串。

 

为什么需要base64编码?

所有的文件,本质上都是0、1组成的比特串,文本文件、二进制文件的区别只在于操作系统如何解读文件内容。前端最常用的html、css、js都是文本文件,而文本文件的所有比特都会被操作系统当做字符编码来解读(比如按照UTF-8编码规则来解读),所以,当我们想在一个文本文件里保存二进制文件的数据(比如在css文件里保存一张图片)时,就会遇到问题——比如,操作系统会强行把原本属于图片的二进制数据当成UTF-8编码串来解码,然后我们会在页面上得到一堆不知所云的乱码,甚至可能会破坏真正的文本数据区域。

当然,这个问题是有解的——我们用可以正常展示的文本字符来编码二进制数据,然后保存在css等文本文件里,在真正使用到这些数据时(比如<img>标签渲染图片内容)再进行解码。这就是base64所做的事。

 

为什么码表里有64个字符?

因为ASCii码的可见字符只有95个,向下取整(2的n次方)就是64。

具体是哪64个?A-Za-z0-9以及+、/ 这两个符号。26+26+10+2正好是64。

除此之外,还有一个字符有时也会作为占位符出现在Base64编码串的末尾,即等号 = 。一个等号表示编码时在原比特串的末尾补了2bit的0。等号只可能出现1或2个,下面会解释为什么。

 

为什么base64编码后文件体积会变大?

64个字符可以表示6bit的数据(2^6=64),而一个ASCii码字符要占一个字节(1byte = 8bit),也就是说,base64编码其实是用8个比特来表示原二进制串里的6个比特,所以编码后体积是原二进制串的4/3。

正是因为这个原因,前端base64编码只适用于小文件,因为增加的体积不多,还可以省下一次网络请求;但当文件体积比较大时,会影响网站初次加载和渲染的速度(解码base64大文件也会消耗性能),这种时候文件还是放CDN比较好。

 

为什么base64补0只有两种情况?

考虑另一个限制条件:在操作系统中,文件系统进行读写操作,都是以字节为单位来操作的,而一个字节等于8bit,因此,base64的编码对象,其二进制位数都是8的倍数,而base64编码是每次从中取出6bit来编码,这就可能在二进制串的末尾出现除不尽的情况——有且仅有两种情况:

1. 剩1个字节待编码,从中取出6bit之后,剩2bit尚未编码(8 - 6 = 2),这时需要补4位0。

2. 剩2个字节待编码,从中取出12bit之后,剩4bit尚未编码(8*2 - 6*2 = 4),这时需要补2位0。

剩3个字节时,正好对应4个6bit,不需要补0。

所以我们可能在Base64串尾部看到1或2个等号,就是这样来的。

 

Base64与URI编码的异同

相同点它们都是用给定的字符集去表示更广范围数据的方法。

区别:URI编码是针对超出URI合法字符集(是ASCii可显示字符集的子集,去掉了不安全字符和保留字符)范围外的字符做编码,而base64是针对二进制数据做编码——一个是对文本的编码,一个是对二进制数据的编码。

两个Tips

1. 文本本质上也是二进制数据,因此也可以强行拿来做base64编码

2. base64编码中的斜杠号/和等号=不属于URI合法字符,故base64编码串不能直接带在链接参数上

 

以上是关于针对base64编码和URIEncode的一点研究的主要内容,如果未能解决你的问题,请参考以下文章

用JS进行Base64编码、解码

01加密方式-Base64编码

Linux共享库 base64库

Base64算法

Base64编码

Python 中 base64 编码与解码