Base64简介

最近开发过程中经常会需要Base64编码，MD5，加密等功能，这些频繁使用的小工具要经常到网上找，而且还都不太好用，就自己开发了一个，codoolo。在实现Base64的过程，也学到了很多。这篇文件记录Base64相关的知识，欢迎指正。

Base64是什么?

Base64早已经被广泛使用了，尤其是Multipurpose Internet Mail Extensions (MIME)。

wikipedia中对Base64的定义：

Base64 is a group of similar binary-to-text encoding schemes that represent binary data in an ASCII string format by translating it into a radix-64 representation.

简单来说，Base64使用了指定的64个字符对数据编码，而这64个字符中不包括特殊字符（以免被一些应用认为是控制字符，如果ftp，ssh等），这样经过编码的数据可以在网络中安全的传输。

如何实现Base64？

首先需要挑选64个字符。RFC 4648定义了Base64的字符集：

ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/

下图显示如何将字符串“xyz”编码为“eH16”的过程

步骤：

1. 把每个字符转换为整数，也就是字符在ASCII中的位置
2. 将整数转换为二进制表示
3. 每六位一组，转为整数，并在上面的Base64字符集中找到该整数所在位置的字符
4. 将得到的字符连接起来，得到最终的结果

第二步和第三步其实是一系列位操作，并不需要真的转换，这里为了将编码过程阐述清楚，加了这两个步骤。

由于6位正好可以表示64，所以每3个8位的字符（24bit）可以编码为4个Base64字符（4个6bit=24bit）。但编码后的每个字符的存储仍然需要8位。这意味着Base64编码后的存储空间增加了1/3

由此认识到：

Base64使用6 bits重组数据，但重组后的每个字符仍然需要8 bit的存储空间。所以Base64是用较小的字符集表示数据，但存储空间却因此增加了，所谓有一利必有一弊。

URL和文件名

在上面的Base64字符集中包括了 '+/' ，而一般的URL和文件名中，不能使用这两个字符，所以RFC4686提议使用另外一个字符集：

ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789-_

而具体用哪个字符集，要考虑使用的场景。比如只是在项目内部使用，编解码都可控，那么就可以使用第二个，甚至可以使用一个自定义的字符集。但如果是将数据给第三方，那么使用第一个字符集更好，因为大部分库的实现都使用了第一个字符集。

如果数据的长度不是3的倍数怎么办？

我们刚刚说了如何将3个字符应用Base64编码，但如果字符串的长度不是3的倍数怎么办？

如果最后还有两个字符需要编码：

比如"xy"，2个字符有16 bits，那么前12 bits可以编码为"eH"，对于剩下的4 bits，在右侧填充2个0，所以第三个字符是"k"。有时，网络中传输的数据长度是未知的，这时为了确定知道数据是否截止，则需要将编码的数据补齐为4的倍数。对于Base64编码，使用 = 来补齐，也就是第65个字符。

如果最后只有一个字符，过程类似：

需要注意的是，最后使用了2个 == 来补齐。

请问，如果一个Base64编码的最后有3个=，即===，这是一个合法的Base64编码么？

如果数据不是ASCII码呢？

我们上面讨论编码的时候，都假设输入的是ASCII，即字符是0x00-0xFF之间的。那如果输入的字符是UTF-8呢？比如：

“こんにちは” 或者 “你好”

一般有两种方式来处理：

• 在编码前转义字符串
• 将UTF-8转为bytes

所以在实现codoolo时, 如果输入的是非ASCII码，会提示选择一个转换器：

如何解码？

了解了编码过程，相信解码就比较简单了，也就是将上面的过程逆向执行就可以。

还有什么？

说实话，我一直在使用Base64编码，到从没想过一个Base64编码也要有这么多需要注意的地方，而且还有问题：

• 当将汉字等编码后，在解码时如果直接输出汉字？
• Base64使用了更多的存储空间，那么是不是可以使用Base128呢？
• 如果我使用一个特殊的字符集，这样编码出来的数据有多安全？容易破解么？
• 如何提高编解码的效率？

我们以后接着聊。