Base64编码

Base64是一种基于64个可打印字符来表示二进制数据的表示方法。因为{\displaystyle 2^{6}=64}，因此每6个比特为一个单元，对应某个可打印字符。3个字节有24个比特，对应于4个Base64单元，即3个字节可由4个可打印字符来表示。它可用来做为电子邮件的传输编码。在Base64中的可打印字符包括字母A-Z、a-z、数字0-9，这样共有62个字符，此外两个可打印符号在不一样的系统中而不一样。一些如uuencode的其余编码方法，和以后BinHex的版本使用不一样的64字符集来表明6个二进制数字，可是不被称为Base64。

Base64经常使用于在一般处理文本数据的场合，表示、传输、存储一些二进制数据，包括MIME的电子邮件及XML的一些复杂数据。

MIME

在MIME格式的电子邮件中，Base64能够用来将binary的字节序列数据编码成ASCII字符序列构成的文本。使用时，在传输编码方式中指定Base64。使用的字符包括大小写拉丁字母各26个、数字10个、加号+和斜杠/，共64个字符，等号=用来做为后缀用途。

完整的Base64定义可见RFC 1421和RFC 2045。编码后的数据比原始数据略长，为原来的{\displaystyle {\frac {4}{3}}}。在电子邮件中，根据RFC 822规定，每76个字符，还须要加上一个回车换行。能够估算编码后数据长度大约为原长的135.1%。

转换的时候，将3字节的数据，前后放入一个24位的缓冲区中，先来的字节占高位。数据不足3字节的话，于缓冲器中剩下的比特用0补足。每次取出6比特（由于{\displaystyle 2^{6}=64}），按照其值选择ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/中的字符做为编码后的输出，直到所有输入数据转换完成。

若原数据长度不是3的倍数时且剩下1个输入数据，则在编码结果后加2个=；若剩下2个输入数据，则在编码结果后加1个=。

例子

举例来讲，一段引用自托马斯·霍布斯《利维坦》的文句：

Man is distinguished, not only by his reason, but by this singular passion from other animals, which is a lust of the mind, that by a perseverance of delight in the continued and indefatigable generation of knowledge, exceeds the short vehemence of any carnal pleasure.

通过Base64编码以后变成：

TWFuIGlzIGRpc3Rpbmd1aXNoZWQsIG5vdCBvbmx5IGJ5IGhpcyByZWFzb24sIGJ1dCBieSB0aGlz
IHNpbmd1bGFyIHBhc3Npb24gZnJvbSBvdGhlciBhbmltYWxzLCB3aGljaCBpcyBhIGx1c3Qgb2Yg
dGhlIG1pbmQsIHRoYXQgYnkgYSBwZXJzZXZlcmFuY2Ugb2YgZGVsaWdodCBpbiB0aGUgY29udGlu
dWVkIGFuZCBpbmRlZmF0aWdhYmxlIGdlbmVyYXRpb24gb2Yga25vd2xlZGdlLCBleGNlZWRzIHRo
ZSBzaG9ydCB2ZWhlbWVuY2Ugb2YgYW55IGNhcm5hbCBwbGVhc3VyZS4=

• 编码“Man”

文本	M	a	n
ASCII编码	77	97	110
二进制位	0	1	0	0	1	1	0	1	0	1	1	0	0	0	0	1	0	1	1	0	1	1	1	0
索引	19	22	5	46
Base64编码	T	W	F	u

在此例中，Base64算法将3个字节编码为4个字符。

Base64索引表：

数值	字符		数值	字符		数值	字符		数值	字符
0	A	16	Q	32	g	48	w
1	B	17	R	33	h	49	x
2	C	18	S	34	i	50	y
3	D	19	T	35	j	51	z
4	E	20	U	36	k	52	0
5	F	21	V	37	l	53	1
6	G	22	W	38	m	54	2
7	H	23	X	39	n	55	3
8	I	24	Y	40	o	56	4
9	J	25	Z	41	p	57	5
10	K	26	a	42	q	58	6
11	L	27	b	43	r	59	7
12	M	28	c	44	s	60	8
13	N	29	d	45	t	61	9
14	O	30	e	46	u	62	+
15	P	31	f	47	v	63	/

若是要编码的字节数不能被3整除，最后会多出1个或2个字节，那么能够使用下面的方法进行处理：先使用0字节值在末尾补足，使其可以被3整除，而后再进行Base64的编码。在编码后的Base64文本后加上一个或两个=号，表明补足的字节数。也就是说，当最后剩余两个八位字节（2个byte）时，最后一个6位的Base64字节块有四位是0值，最后附加上两个等号；若是最后剩余一个八位字节（1个byte）时，最后一个6位的base字节块有两位是0值，最后附加一个等号。 参考下表：

文本（1 Byte）	A
二进制位	0	1	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
二进制位（补0）	0	1	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
Base64编码	Q	Q	=	=
文本（2 Byte）	B	C
二进制位	0	1	0	0	0	0	1	0	0	1	0	0	0	0	1	1	0	0	0	0	0	0	0	0
二进制位（补0）	0	1	0	0	0	0	1	0	0	1	0	0	0	0	1	1	0	0	0	0	0	0	0	0
Base64编码	Q	k	M	=

UTF-7

UTF-7是一个修改版Base64（Modified Base64）。主要是将UTF-16的数据，用Base64的方法编码为可打印的ASCII字符序列。目的是传输Unicode数据。主要的区别在于不用等号=补余，由于该字符一般须要大量的转译。

标准可见 RFC 2152，《A Mail-Safe Transformation Format of Unicode》。

IRCu

在IRCu等软件所使用的P10 IRC服务器间协议中，对客户与服务器的消息类型号（client/server numerics）和二进制IP地址采用了Base64编码。消息类型号的长度固定为3字节，故可直接编码为4个字节而不须要加填充。对IP地址进行编码时，则须要在地址前添加一些0比特，使之能够编码为整数个字节。这里所用的符号集与前述MIME的也有所不一样，将+/改为了[]。

在URL中的应用

Base64编码可用于在HTTP环境下传递较长的标识信息。例如，在Java持久化系统Hibernate中，就采用了Base64来将一个较长的惟一标识符（通常为128-bit的UUID）编码为一个字符串，用做HTTP表单和HTTP GET URL中的参数。在其余应用程序中，也经常须要把二进制数据编码为适合放在URL（包括隐藏表单域）中的形式。此时，采用Base64编码不只比较简短，同时也具备不可读性，即所编码的数据不会被人用肉眼所直接看到。

然而，标准的Base64并不适合直接放在URL里传输，由于URL编码器会把标准Base64中的/和+字符变为形如%XX的形式，而这些%号在存入数据库时还须要再进行转换，由于ANSI SQL中已将%号用做通配符。

为解决此问题，可采用一种用于URL的改进Base64编码，它不在末尾填充=号，并将标准Base64中的+和/分别改为了-和_，这样就免去了在URL编解码和数据库存储时所要做的转换，避免了编码信息长度在此过程当中的增长，并统一了数据库、表单等处对象标识符的格式。

另有一种用于正则表达式的改进Base64变种，它将+和/改为了!和-，由于+，*以及前面在IRCu中用到的[和]在正则表达式中均可能具备特殊含义。

此外还有一些变种，它们将+/改成_-或._（用做编程语言中的标识符名称）或.-（用于XML中的Nmtoken）甚至_:（用于XML中的Name）。

其余应用

• 垃圾消息传播者用Base64来避过反垃圾邮件工具，由于那些工具一般都不会翻译Base64的消息。
• 在LDIF文件，Base64用做编码字符串。

相关事件

• 2018年2月电子邮件程序 Exim 发现重大漏洞，编号为 CVE-2018-6789 的缓冲溢出漏洞容许攻击者在服务器上远程执行恶意代码。漏洞位于 base64 解码函数中，影响 Exim v4.90.1 以前的全部版本，多达 40 万服务器受到影响。