《Java程序员遇上字符乱码2-容易混淆的两种编码类别1》

我们平时老说的编码解码,很多人都只知道 字符集编码解码。其实除了字符集编码解码,常见的还有另一类,如 Url编码解码、Base64编码解码。

这两类编码的原理是完全不一样的,如果没有了解到这个分类以为编码都是字符集编码,那么你会无法理解那些解释编码的博文,会疑问:怎么说的都不一样啊,久之真的会怀疑人生。可恨的是,很多博文在关键环节上 对这两个概念 都是统一用 “编码解码” 四字一笔带过。

字符集编码: 就是对字符 根据不同字符集中对应的格式 进行编码解码,这个大家都好理解。

而另一类别编码解码出现的意义并不是 为在不同字符集之间对字符进行格式转换,而是为了别的原因,例如:将不安全字符转化、原内容不可见以提高安全性、和 便于网络传输。

下面详细说说,以Base64编码解码 和  Url 编码解码为例。

Base64编码解码

生活中的场景:

我们平时接收发送邮件所使用的SMTP协议,是基于文本的协议,也就是说只能处理常见字符。可是我们为何还可以发送接收图片、视频、压缩包等二进制文件?这就是Base64编码解码 出现的意义了。我们发送邮件前,客户端会将 图片等进行Base64编码,于是整张图片变成了 人类可读的常见字符,然后在发送出去。接收方客户端接收到后,再 Base64解码还原成图片呈现给我们。

原理过程:

简单来说,Base64就是一种用 64个Ascii字符来表示任意二进制数据的方法,或者简单的说将二进制数据编码成Ascii字符。

这 64个Ascii字符如下:

《Java程序员遇上字符乱码2-容易混淆的两种编码类别1》_第1张图片

即ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/

一眼看去就知道是26个字母大小写和数字和+/ 。

没错,别惊讶,你没理解错,上面的64个字符真的可以表示任意的二进制文件数据。那么是怎么操作的呢?过程如下:

以3个字节为一组(24位),按每6位高位补0扩展成8位得到4个字节(32位)。

(一)图片举例

假如一张图片只有四个字节:11101111110110111110111111011011

1. 以3个字节为一组:(剩余的字节不足3个字节的话则补0凑够)

111011111101101111101111110110110000000000000000

2.  每组 按 6bit 划分成 4小分组

111011    111101101111    101111110110    110000    000000    000000

3.  每个小分组高位补0 以凑够 8bit,即一个字节

0011101100111101001011110010111100110110001100000000000000000000

【这里你可能会容易认为:每个新的字节 映射 到一个Ascii字符集中的字符,然而你又错了!】

4.  上述的每个新的字节 其实是 上表格的字符集合的索引下标(位置序号)而已,并非映射到原生Ascii字

符集。如下图,我们将新的字节用 十进制 展示:

5.  根据索引做转换:【这里注意:凡是后面补0 的字节,只能算映射到 =】

59 ---> 7    61--->  9      47--->  v      47--->  v        54---> 2    48--->w    0---> =    0---> =

即:

《Java程序员遇上字符乱码2-容易混淆的两种编码类别1》_第2张图片

因此最后这张图片变成:79vv2w== ,即Ascii字符,这样就可以符合SMTP文本协议了。

(二)字符举例

图片的话,我们是着眼其 字节 的 。字符也是如此。首先我们要 根据字符集 找出字符对应的二进制字节,然后按照上面的过程编码。下面 以    “你a”    为例

【utf-8】

‘你’ :  0xE4BDA0

即  11100100    10111101    11000000

'a'  :  0x61

即    01100001

合起来就是:11100100    10111101    11000000    01100001

计算后得到结果:5L2gYQ==

【GBK】

‘你’  【utf-8】:  0xC4E3

即  11000100    11100011

'a'    【utf-8】:  0x61

即    01100001

合起来就是:11000100    11100011    01100001

计算后得到结果就和上面不一样了。

Tips:

其实网上好多Base64在线编码器,如工具网址:http://www.qqxiuzi.cn/bianma/zifuji.php我们可以很方便地Base64编码:【注意:在网页上输入框输入的字符都是 根据 响应头中的ContentType指定的字符集编码进行编码的】

《Java程序员遇上字符乱码2-容易混淆的两种编码类别1》_第3张图片

Base64编码的优缺点:

优点:可以将二进制数据转换成可打印Ascii字符,方便传输数据;对数据进行简单的加密,肉眼不可识别。

缺点:内容编码后的体积会变大,编码和解码需要额外的工作量。

常见运用场景:【来自网络】

1.  将图片等资源文件以Base64编码形式直接放于代码中,使用的时候反Base64后转换成Image对象使用;

2.  有些文本协议不支持不可见字符的传递,只能转换成可见字符来传递信息;

3.  有时在一些特殊的场合,大多数消息是纯文本的,偶尔需要用这条纯文本通道传一张图片之类的情况发生的时候,就会用到Base64。

注意:

Base64 不是什么实质意义上的加解密算法,不过的确可以将 原内容 ”改头换面“,人们往往将这理解成 加密 了。

你可能感兴趣的:(《Java程序员遇上字符乱码2-容易混淆的两种编码类别1》)