我是这样理解base64编码原理的

陌年古城
596 阅读8分钟

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第1篇文章，点击查看活动详情

背景

最近在和同事聊base64编码的时候，瞬间对base64的编码原理又产生了兴趣，脑海中回想起几年前曾经对base64编码原理进行过一些研究，但似乎有点儿陌生了，所以决定重新查阅笔记进行“翻修”，回炉重造，温故一下。

首先了解下，什么是base64编码

百度百科给出的解释是，base64编码是网络上最常见的用于传输8bit字节代码的编码方式之一。8bit什么意思？bit又是什么单位？接下来先了解几个基本概念。

什么是bit？

bit就是我们常说的“位”，"位(bit)"是计算机中最小的数据单位，每一位的状态只能是0或1。

什么是字节？

"字节(Byte)"是存储空间的基本计量单位，8个二进制位构成1个"字节(Byte)"，通常存储一个英文字母需要1个字节，存储一个汉字需要2个字节。

了解了"位(bit)"和"字节(Byte)"这2个基本概念，我们再来了解下为什么要用base64编码方式，base64编码有什么作用？

通常，在使用计算机网络的过程中，我们会进行一些数据的传输，例如发送邮件，上传图片等等。由于有些网络传送渠道并不支持所有的字节类型。比如，传统的邮件只支持可见字符的传送，像ASCII码的控制字符就不能通过邮件传送。这样就受到了很大的限制；再比如，图片二进制流的每个字节不可能全部都是可见字符，所以就无法传送。此时，最好的方法就是在不改变传统协议的情况下，开辟一种新的方案来支持二进制文件的传送。把不可见字符用可见字符来表示。而Base64编码就是一种基于可见字符来表示二进制数据的方法。

疑问：什么是不可见字符？不可见字符会显示吗？

解答：不可见字符其实并不是不显示，只是这些字符在屏幕上显示不出来，比如：换行符（\n）、回车（\r）、退格（\b）等字符。

base64是如何进行编码的呢？

base64拥有自己的一套编码对照表，这套表中只有A—Z，a—z，0—9，+，/ 这64个可见字符。在进行base64进行编码时，可以将ASCII字符串或者是二进制字符用这64个可见字符进行表示出来。这64个可见字符只需要6个bit位就可以全部表示出来，事实上，一个base64字符仍然是采用8个bit位来表示的，只是将多出来的两个bit位用0来补充，有效部分只有右边的6个bit位，左边两个永远是0。base64的编码规则是将3个8位字节(3×8=24位)编码成4个6位的字节(4×6=24位)，如果在进行编码的时候，拆分后的结果不够6位的用0来补上相应的位置，然后在每个6位字节的前面，补充两个0，形成4个8位字节的形式。

由于base64是将3个字节转变为了4个字节，因此，编码后的代码量（以字节为单位）比编码前的代码量多了约1/3。如果编码前的代码量正好是3的整数倍，那么编码后的代码量将恰好多出1/3；但如果编码前的代码量不是3的倍数，那么，此时需要在空出的结果位置用“=”来补位。总之要保证最后编码出来得字节数是4的倍数（此处不太好理解，不要着急，可结合文章后面的实际案例进行理解）。

疑问：为什么要保证最后编码出来的字节数是4的倍数？

解答：因为base64编码时，是将3个字节转变为4个字节，最终得到的字节数必然是4的倍数

base64编码的一个主要目的，是把任何字符都用“可视”字符表现出来。先把字符串拆开，成为8位二进制（前两位补零）的形式，这样每个字符的范围都在0-63之间了。再用base64的编码表，把取值范围在0-63的字符变成“可视”字符。如果不加零或只加一个零，那么取值范围就会是0-255或0-127，base64的编码表就要重新规定了。

疑问：为什么取值范围是0 ~ 63？

解答：可以回顾一下二进制转换10进制的方法：最小的二进制：00000000转换为10进制的结果是；最大的二进制：00111111转换为10进制的结果是63；

疑问：为什么取值范围限制在0 ~ 63，而不是0 ~ 255或者0 ~ 127

猜测：估计可见字符有限，没有那么多的可见字符或者是Base64编码的规则、约定

下图是Base64编码对照表，数值代表字符的索引，这个是标准Base64协议规定的，不能更改。

image.png

案例

案例一：原始代码量是3的倍数

  1. 原字符：MNG
  2. 对应ASCII码分别是：M: 77, N: 78, G: 71
  3. 转换成对应的二进制分别是：M: 01001101, N: 01001110, G: 01000111
  4. 将对应的二进制好合并在一起：010011010100111001000111
  5. 每6位分为一组进行拆分：010011，010100，111001，000111
  6. 将已分组的6位二进制分别补零成8位：00010011，00010100，00111001，00000111
  7. 将二进制分别转换为对应的10进制：19, 20, 57, 7
  8. 根据base64编码表查询对应字符分别是：T, U, 5, H
  9. 原字符“MNG”长度是3，是3的倍数，无需补位
  10. 最终得到的结果是：TU5H

案例二：原始代码量不是3的倍数

  1. 原字符：MN
  2. 对应ASCII码分别是：M: 77, N: 78
  3. 转换成对应的二进制分别是：M: 01001101, N: 01001110
  4. 将对应的二进制好合并在一起：0100110101001110
  5. 每6位分为一组进行拆分：010011，010100，1110
  6. 最后的“11”不够6位用0来补上：010011，010100，111000
  7. 将已分组的6位二进制分别补零成8位：00010011，00010100，00111000
  8. 将二进制分别转换为对应的10进制：19, 20, 56
  9. 根据base64编码表查询对应字符分别是：T, U, 4
  10. 原字符“MNGC”长度是2，不是3的倍数，须补1位“=”
  11. 最终得到的结果是：TU4=

案例三：原始代码量不是3的倍数

  1. 原字符：MNGC
  2. 对应ASCII码分别是：M: 77, N: 78, G: 71, C: 67
  3. 转换成对应的二进制分别是：M: 01001101, N: 01001110, G: 01000111, C: 1000011
  4. 将对应的二进制好合并在一起：01001101010011100100011101000011
  5. 每6位分为一组进行拆分：010011，010100，111001，000111, 010000, 11
  6. 最后的“11”不够6位用0来补上：010011，010100，111001，000111, 010000, 110000
  7. 将已分组的6位二进制分别补零成8位：00010011，00010100，00111001，00000111, 00010000, 00110000
  8. 将二进制分别转换为对应的10进制：19, 20, 57, 7, 16, 48
  9. 根据base64编码表查询对应字符分别是：T, U, 5, H, Q, w
  10. 原字符“MNGC”长度是4，不是3的倍数，须补2位“=”
  11. 最终得到的结果是：TU5HQw==

最后

非常建议大家结合最后的的实际案例进行阅读，方便理解何时进行补位“=”，需要补1位还是2位。本篇笔记是结合了几年前写的总结，进行了重新改写，欢迎各位朋友提出宝贵意见，如果有不恰当之处，还望各位批评指正。

avatar
文章
阅读
粉丝