Base64简介

最近开发过程当中常常会须要Base64编码，MD5，加密等功能，这些频繁使用的小工具要常常到网上找，并且还都不太好用，就本身开发了一个， codoolo。在实现Base64的过程，也学到了不少。这篇文件记录Base64相关的知识，欢迎指正。

Base64是什么?

Base64早已经被普遍使用了，尤为是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.

简单来讲，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（以避免被一些应用认为是控制字符，若是ftp，ssh等），这样通过编码的数据能够在网络中安全的传输。

如何实现Base64？

首先须要挑选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. 把每一个字符转换为整数，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. 将获得的字符链接起来，获得最终的结果

第二步和第三步实际上是一系列位操做，并不须要真的转换，这里为了将编码过程阐述清楚，加了这两个步骤。

因为6位正好能够表示64，因此每3个8位的字符（24bit）能够编码为4个Base64字符（4个6bit=24bit）。但编码后的每一个字符的存储仍然须要8位。这意味着Base64编码后的存储空间增长了1/3

由此认识到：

Base64使用6 bits重组数据，但重组后的每一个字符仍然须要8 bit的存储空间。因此Base64是用较小的字符集表示数据，但存储空间却所以增长了，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 '+/' ，而通常的URL和文件名中，不能使用这两个字符，因此RFC4686提议使用另一个字符集：

ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789-_

而具体用哪一个字符集，要考虑使用的场景。好比只是在项目内部使用，编解码均可控，那么就可使用第二个，甚至可使用一个自定义的字符集。但若是是将数据给第三方，那么使用第一个字符集更好，由于大部分库的实现都使用了第一个字符集。

若是数据的长度不是3的倍数怎么办？

咱们刚刚说了如何将3个字符应用Base64编码，但若是字符串的长度不是3的倍数怎么办？

若是最后还有两个字符须要编码：

好比"xy"，2个字符有16 bits，那么前12 bits能够编码为"eH"，对于剩下的4 bits，在右侧填充2个0，因此第三个字符是"k"。有时，网络中传输的数据长度是未知的，这时为了肯定知道数据是否截止，则须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。

若是最后只有一个字符，过程相似：

须要注意的是，最后使用了2个 == 来补齐。

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

若是数据不是ASCII码呢？

咱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。那若是输入的字符是UTF-8呢？好比：

“こんにちは” 或者 “你好”

通常有两种方式来处理：

• 在编码前转义字符串
• 将UTF-8转为bytes

因此在实现codoolo时, 若是输入的是非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能够。

还有什么？

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

• 当将汉字等编码后，在解码时若是直接输出汉字？
• Base64使用了更多的存储空间，那么是否是可使用Base128呢？
• 若是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？
• 如何提升编解码的效率？

咱们之后接着聊。