本文由作者朱臻授权网易云社区发布。
1问题案例
曾在开发过程中，我们遇到了BASE64编码乱码的问题，该问题的场景如下:
当web前端，将带有中文字符的字符串base64编码后，传到后端。当后端将数据取出再传给web前端时，发生了编码混乱的问题。例如，当前端向后端传入并保存为"赵俊雅和刘德华的爷爷”字符串后，当需要取出时，取出的字符串是“赵䲺fṤ9b&9occ桹⭹⭀”。这样的编码错误问题导致数据上的bug，会造成不良的用户体验。
2 问题排查
当我们仔细查看该两段字符串时可以发现除了首字符相同，其他字符全部面目全非。这至少可以一定程度说明，字符串在顺序编码或解码中途发生了错误。所以我们将两段字符串分别进行base64编码还原，并进行对比。
6LW15L+K6ZuF5ZKM5YiY5b635Y2O55qE54i354i3（赵俊雅和刘德华的爷爷）
6LW15L K6ZuF5ZKM5YiY5b635Y2O55qE54i354i3（赵䲺fṤ9b&9occ桹⭹⭀）
对比可以看出两者仅有一个+号的区别，后者只是将前者的+替换成空格，这导致除首字母外，后续字母全部发生混乱，因为base64是连续编码，原理将在后面解释。
那为什么会让+编程空格呢？这将从url的规范来解释，我们不难发现前后端交互时，后端会将url都会将+自动转化为空格。这基本上可以解释上述乱码的问题了。
3原理解释：
顺着上述介绍的顺序我们总结下上面提到的几个概念。
3.1BASE64：
它是一种用小规模编码集去表示较大规模编码的方法。本人的理解是：BASE64是指以64为基，存在64种编号的意思。也就是2的6次方=6bit。这64个编码（0~63）分别可以表示 [A~Z] 、[a-z]、[0~9]和[+ 、/]号 。共64种编号。 而与我们熟悉的字节编码对应的是 3*8bit=4*6bit=24bit=2的24次方。根据等式，可以将一切以字节为单位的编码方式（如UTF-8和GBK）转化成 BASE64编码，反之亦然。
也就是将原本3个字节的内容转变成4个BASE字符。这样，从字符角度来讲是变得更长了，扩展成的比例为133%。
3.2URL编码规范：
我们常说的url地址也就是地址栏输入的那串字符串，WWW标准中规定了url中只能包含[0~9，a-z,A-Z]和一些特殊字符$-_.+!*'(),。而我们常用的汉字以及阿拉伯文，拉丁文等都不包含在该范围内，所以必须经过一定规则的编码才能被正确的传输。虽然说浏览器一般都带有自动转码功能，这样使得用户常常感觉不到这一规则的存在。但是，不幸的是，各方对该编码的规则是不同的，这也造成乱码的隐患。Chrome使用utf8，javascript使用unicode，ie采用系统默认编码方式如GB2312。另外一件非常值得注意的事情，浏览器向后端发送URL的时候会自动将 空格替换成+号，这在我们使用google查询的get方法时会明显看到。 query中的中文变成 %XXX，空格变成+。当后端接收到请求后会将URL中的+自动替换成空格。这就是困扰我们多时的BASE64编码乱码给我们带来的一个麻烦。
3.3encodeURIComponent()：
该js的方法是前端常用的一种URL处理方式，该种方式结合了过去escape()和encodeURI()两种方法的优势，前者已经很少被使用了，严格的说前者并不是一种专门解决URL编码的方法，只是用于将字符进行unicode编码，并且对于“@ * _ + - . /”等特殊字符并没有做任何处理，这使得其对URL乱码问题并没有很好的解决。而后者encodeURI()实现了全字段的编码，不管是特殊字符还是普通字符编码后都是以utf-8的形式。那主流的encodeURIComponent()，无疑是最佳解决方案，它不会对普通字符编码，只对一些特殊字符进行编码如;/?:@&=+$,# ,这对BASE64是至关重要的。
4可行的解决方案
根据以上特点，我们对当前问题有一些建议性的解决方案。
4.1 对于普通问题直接采用encodeURIComponent() 处理，而BASE64的工作交给后端处理。
4.2 如果有必要在前端做BASE64 可以首先进行BASE64处理，再采用encodeURIComponent() 处理。
4.3 另外，还可以直接使用BASE64的变种，将“+”和“/”两个特殊字符用 URL安全的“-”-和“_”字符处理，当然任何脑洞更大的字符替换也是可以的，现成的方式有safety base64等。
本文只是分享个人处理该问题的经验，如遇错误之处，请各位批评指正，也欢迎各位探讨交流。
更多网易技术、产品、运营经验分享请访问网易云社区。
相关文章：
【推荐】 分布式存储系统可靠性如何估算？
【推荐】 爬虫开发python工具包介绍 （2）
网友评论