Base64
是一种用64
个字符来表示任意二进制数据的方法。
用记事本打开exe
、jpg
、pdf
这些文件时,我们都会看到一大堆乱码,因为二进制文件包含很多无法显示和打印的字符,所以,如果要让记事本这样的文本处理软件能处理二进制数据,就需要一个二进制到字符串的转换方法。Base64
是一种最常见的二进制编码方法。
Base64
的原理很简单,首先,准备一个包含64个字符的数组:
base64_list = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P',
'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f',
'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v',
'w', 'x', 'y', 'z', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '+', '/']
当然有兴趣可以自定义这个数组,只要解码的时候对应相同的数组就可以了
然后,对二进制数据进行处理,每3个字节一组,一共是3x8=24bit
,划为4组,每组正好6个bit
:
例:
转换前 10101101,10111010,01110110
转换后 00101011, 00011011 ,00101001 ,00110110
十进制 43 27 41 54
对应码表中的值 r b p 2
所以上面的24位编码,编码后的Base64值为 rbp2
Base64
编码会把3
字节的二进制数据编码为4
字节的文本数据,长度增加33%
,好处是编码后的文本数据可以在邮件正文、网页等直接显示。(因为这是符合RFC协议的)
如果要编码的二进制数据不是3
的倍数,最后会剩下1
个或2
个字节怎么办?Base64
用\x00
字节在末尾补足后,再在编码的末尾加上1
个或2
个=
号,表示补了多少字节,解码的时候,会自动去掉。
Python3内置的
base64可以直接进行
base64`的编解码:
>>> import base64
>>> base64.b64encode(b'binary\x00string')
b'YmluYXJ5AHN0cmluZw=='
>>> base64.b64decode(b'YmluYXJ5AHN0cmluZw==')
b'binary\x00string'
由于标准的Base64
编码后可能出现字符+
和/
,在URL
中就不能直接作为参数,所以又有一种"url safe
"的base64
编码,其实就是把字符+
和/
分别变成-
和_
:
>>> base64.b64encode(b'i\xb7\x1d\xfb\xef\xff')
b'abcd++//'
>>> base64.urlsafe_b64encode(b'i\xb7\x1d\xfb\xef\xff')
b'abcd--__'
>>> base64.urlsafe_b64decode('abcd--__')
b'i\xb7\x1d\xfb\xef\xff'
Base64
是一种通过查表的编码方法,不能用于加密,即使使用自定义的编码表也不行。
Base64
适用于小段内容的编码,比如数字证书签名、Cookie
的内容等。
由于=
字符也可能出现在Base64
编码中,但=
用在URL
、Cookie
里面会造成歧义,所以,很多Base64
编码后会把=
去掉:
去掉=
后怎么解码呢?因为Base64
是把3
个字节变为4
个字节,所以,Base64
编码的长度永远是4
的倍数,因此,需要加上=
把Base64
字符串的长度变为4
的倍数,就可以正常解码了。
所以将Base64
字符串按照以下方法加上等号即可
s = ''
num = 4 - len(base64str)%4
for i in num:
s += '='
base64str += s
网友评论