Base64编码由来
Base64最早是用来解决电子邮件的传输问题。
传统的电子邮件是1982年定下技术规范的，详见rfc0822。该规范的一个重要特点，就是规定电子邮件只能使用ASCII可打印字符。这就导致非英语字符或二进制文件（比如图片）不同通过电子邮件进行传输了。
解决这个问题，最好的方法就是在不改变传统协议的情 况下，做一种扩展方案来支持二进制文件的传送，把不可打印的字符也能用可打印字符来表示。Base64这种基于64个可打印字符来表示二进制数据的表示方法就应运而生了。具体规范可见rfc4648.
Base64编码原理
简单来说, Base64编码就是从ASCII码中选出64个字符----大写字母A-Z、小写字母a-z、数字0-9、符号"+"、"/"（再加上作为填充字符的"="，实际上是65个字符），作为一个基本字符集。然后，其他所有符号都转换成这个字符集中的字符。
具体来说，转换方式可以分为四步：
-
将每三个字节分成一组，一共24个二进制位：3*8=24
-
将这24个二进制位分成4组，每组有6个二进制位：24/4=6
-
在每组前加两00，扩展成32个二进制位，即4个字节：4*(6+2)=32
-
根据下面的编码表，得到扩展后每个字节的对应符号，就是Base64的编码值
Value Encoding Value Encoding Value Encoding Value Encoding 0 A 17 R 34 i 51 z 1 B 18 S 35 j 52 0 2 C 19 T 36 k 53 1 3 D 20 U 37 l 54 2 4 E 21 V 38 m 55 3 5 F 22 W 39 n 56 4 6 G 23 X 40 o 57 5 7 H 24 Y 41 p 58 6 8 I 25 Z 42 q 59 7 9 J 26 a 43 r 60 8 10 K 27 b 44 s 61 9 11 L 28 c 45 t 62 + 12 M 29 d 46 u 63 / 13 N 30 e 47 v 14 O 31 f 48 w (pad) = 15 P 32 g 49 x 16 Q 33 h 50 y
注意
- 因为转换后的每个字符的最高两位都是0，所以实际有效位数是6位，也就是26=64个字符就可以覆盖所有的编码。
- 如果剩下的字符不足3个字节，则用0填充，输出字符使用"="，因此编码后输出的文本末尾可能会出现1或2个"="。
- 因为Base64将3个字节转化成4个字节，因此Base64编码后的文本，会比原文本大出三分之一左右。
举例说明
比如说Oka这个英文单词，它由三个字符‘O’，‘k’，‘a’构成，其对应的ASCII值分别为79，107，97。用二进制表示改单词就是01001111，01101011，01100001。用前面说转换方式就是：
- 分组： 该单词由三个字节组成，正好构成一组。
- 再分组：24个二进制位分成4组 010011，110110，101101，100001。
- 补0扩展：每组前面加两个0，变成4个字节，32个二进制位：00010011，00110110，00101101，00100001
- 查编码表得编码值：T2th
上面说的例子中单词长度正好是三个字节，如果一个字符串不足三个字节，比如Ok，则需要进行padding。
Padding
Base64是三个字节(Bytes)作为一组(24-bit block)的编码转换，如果字节数不是三的倍数，那么就会出最后一组只有一个或者两个字节的情况，按下面的规则处理:
- 一个字节的情况：将这一个字节的8个二进制位，按照每组6个二进制位转成二组，最后一组除了前面加二个0以外，后面再加4个0。这样得到一个二位的Base64编码，再在末尾补上两个"="号。
- 二个字节的情况：将这二个字节的一共16个二进制位，按每组6个二进制位转成三组，最后一组除了前面加两个0以外，后面也要加两个0。这样得到一个三位的Base64编码，再在末尾补上一个"="号。
具体如下：
- 分组：由于字符串Ok只有两个字节，将这两个字节当成一组。
- 再分组：每6个二进制位为一组，就两个字节分成3组010011，110110，1011
- 补0扩展：对于3组中的最后一组，除了前面加两个0，后面也加两个0，变成3个字节，24个二进制位
00010011，00110110，00101100 - 查编码表，得到三个Base64编码字符，再在后面补加=，构成完整Base64编码值：T2s=
中文Base64编码
对于中文，需要注意的是汉字本身可以有多种编码，比如gb2312、utf-8、gbk等等，每一种编码的Base64对应值都不一样。下面的例子以utf-8为例。
- "严"的utf-8编码为E4B8A5，写成二进制就是三字节的"11100100 10111000 10100101"。
- 将这个24位的二进制字符串，按照每组6个二进制位的规则，转换成四组一共32位的二进制值"00111001 00001011 00100010 00100101"。
- 相应的十进制数为57、11、34、37，它们对应的Base64值就为5、L、i、l。
所以，汉字"严"（utf-8编码）的Base64值就是5Lil。
URL安全的Base64编码
由于‘+’,‘/’两个字符在URL中有特殊含义，将Base64编码后的数据在通过URL传输时需要通过URL编码进行转义，但是这样子会导致URL无意义的变长，而且多了一个URL编解码步骤。为了避免这个问题，出现了一种用于URL的改进Base64编码变种，它其实就是简单的把标准Base64中的'+'和'/'分别改成了'-'和'_'。对于填充字符'='，有些变种是把它直接去掉，有些则是把它替换成'.'。
Base64编码实现
- Javascript
Javascript为我们提供了一个简单的方法来实现字符串的Base64编码和解码,分别是window.btoa()函数和window.atob()函数。
// 示例
var encodedData = window.btoa("Hello, world"); // encode a string
var decodedData = window.atob(encodedData); // decode the string
但这两个函数有个致命的缺陷就是不支持Unicode字符串，需要通过下面的方式变通一下：
function utf8_to_b64(str) {
return window.btoa(unescape(encodeURIComponent(str)));
}
function b64_to_utf8(str) { return decodeURIComponent(escape(window.atob(str)));
}
// 示例
utf8_to_b64('✓ à la mode'); // JTI1dTI3MTMlMjUyMCUyNUUwJTI1MjBsYSUyNTIwbW9kZQ==
b64_to_utf8('JTI1dTI3MTMlMjUyMCUyNUUwJTI1MjBsYSUyNTIwbW9kZQ=='); // "✓ à la mode"
utf8_to_b64('I \u2661 Unicode!'); // SSUyNTIwJTI1dTI2NjElMjUyMFVuaWNvZGUlMjUyMQ==
b64_to_utf8('SSUyNTIwJTI1dTI2NjElMjUyMFVuaWNvZGUlMjUyMQ=='); // "I ♡ Unicode!"
- Java
从Java8开始，Java终于提供了标准的方式去处理Base64的编码和解码，很长时间以来我们都得依赖于Apache Commons Codec。
// 编码
String asB64 = Base64.getEncoder().encodeToString("test".getBytes("utf-8"));
System.out.println(asB64); // 输出为: dGVzdA==
// 解码
byte[] asBytes = Base64.getDecoder().decode("dGVzdA==");
System.out.println(new String(asBytes, "utf-8")); // 输出为: some string
网友评论