base64编解码

目录

1. base64编码简介

2. base64编解码规范

3. base64编解码示例

4. base64编解码工具

4.1 Linux下的base64命令

4.2 python库工具

5. base64使用场景

6. base64编解码的缺点

Reference:

---

1. base64编码简介

毫无疑问，base64是一种数据的编解码方法（算法）。更具体地描述，它是一种从二进制（blob）到字符的编解码。base64将3个字节，共24bits的数据，编码为6个bits为一个单元的4个数据单元。

如何解释呢？

通俗的讲，就是对原始的binary数据，按照每3个字节的序列进行分组。如果binary数据不是3个字节的整数倍，需要进行补全。因此，base64编码后的字符长度，必定是3字节（24比特）的整数倍。具体规范，见下文。

2. base64编解码规范

由定义可知，base64编码的每个字符是6个bits表示，因此总共是2^6 = 64个有效数据字符。实际上，还额外需要一个做padding的字符，base64规范中使用’=‘字符来对3字节对齐的尾部做padding补足。

目前，base64的编解码规范，主要使用RFC4648标准，其编码使用的可打印字符如下图。

 需要注意的是：

• 按照二进制计算出的十进制索引的字符进行填充，例如：十进制的1就对应了字符'A'

• 编码后，数据长度增加。因为编码后用ASCII字符（8bits）来表示一个6bits的二进制数据，因此数据长度至少为原来的4/3倍。

• 二进制数据不足3字节的整数倍时，需要进行尾部填充（padding）。

    为什么是3字节的整数倍？因为二进制数据都是以字节（8bits）为单位的，而6和8的最小公倍数是24（bits），也即3字节。

• 关于补全，有两种情况

  • 单字节尾部，剩余不足6bits时，需要先填0补全跨字节边界的6个bits

  • 完整字节的尾部直接按照每6bits补一个'='字符

• 等号仅会在尾部出现，且最多两个等号。

3. base64编解码示例

• 示例1

"Man"的ASCII二进制

恰好是24bits(3字节)，因此base64编码为4个字符：TWFu，编码后数据长度4字节（32bits）。

• 示例2

"Ma"的ASCII二进制

16bits（2字节）长度，需要填充8bits(1字节)长度。可以看到第2个字节（a）的尾部不足6bits，因此先填0补足第3个6bits需要的位数。随后直接填充编码后的最后一个6bits为'='符号。最终base64编码为4个字符：TWE=，编码后数据长度4字节（32bits）。

• 示例3

"M"的ASCII二进制

8bits(1字节)的长度，需要填充16bits(2字节)的长度。可以看到第1个字节（M）的尾部不足6bits，因此先填0不足第2个6bits需要的位数，随后直接填充编码后的最后两个6bits位'='符号。最终base64编码为4个字符：TQ==，编码后数据长度4字节（32bits）。

4. base64编解码工具

4.1 Linux下的base64命令

• 编码

# echo -n "Man" | base64
TWFu

• 解码

# echo -n "TQ==" | base64 -d
M

4.2 python库工具

# python
Python 2.7.17 (default, Jul  1 2022, 15:56:32)
[GCC 7.5.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import base64
>>> base64.b64encode(b'Man')
'TWFu'
>>> base64.b64decode(b'TQ==')
'M'
>>>

5. base64使用场景

• 万维网文本协议中，嵌入二进制数据

  • 图片：

  • 二进制blob的字符串表示

• 邮件SMTP服务

为什么文本协议(前端开发)中使用base64?

文本，以及超文本协议的某些字符具有特殊含义。例如：http和xml中的‘<’, ‘/’，‘>’。直接传输二进制，二进制中会被文本协议解释成特殊字符，从而破坏文本协议的正确性，导致无法解析。

在开发中，实际经常使用base64编码。例如

• 前端经常将小图片处理成base64

• 博客编辑器，复制黏贴过来的图片，通常处理成base64，填到标签中

• 加密或文件的hash生成的二进制，也转换成base64来进行传输或打印（毕竟不是所有二进制都可打印）。

6. base64编解码的缺点

• 编码后数据长度增加

• 只能用于非加密使用

Reference:

• https://en.wikipedia.org/wiki/Base64

关于作者：

犇叔，浙江大学计算机科学与技术专业，研究生毕业，而立有余。先后在华为、阿里巴巴和字节跳动，从事技术研发工作，资深研发专家。主要研究领域包括虚拟化、分布式技术和存储系统（包括CPU与计算、GPU异构计算、分布式块存储、分布式数据库等领域）、高性能RDMA网络协议和数据中心应用、Linux内核等方向。

专业方向爱好：数学、科学技术应用

关注犇叔，期望为您带来更多科研领域的知识和产业应用。

内容坚持原创，坚持干货有料。坚持长期创作，关注犇叔不迷路。