base64编码原理

一、背景

公司业务中调用接口需要通过网关转换，网关内的一些规则导致*在传递的过程中存在问题，所以决定使用base64进行编码处理。

在使用过程中发现网关对'='也有处理,导致我的传参到接口方会丢失掉最后的等号，但是经过解码后的竟然是正确的！

于是发现这么长的时间，经常使用base64，但是对这个编码的原理并不理解，所以就有了这篇学习记录。

二、基础知识了解

1.常见的编码：

ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）
UTF-8（8-bit Unicode Transformation Format）可用1~4个字节表示一个字符（unicode的实现方式）
GBK 汉字内码扩展规范

2.计算机本质都是二进制，最小的数据单位是比特bit，一个字节有8个bit。

3.base64作用：计算机中任何数据都是按ascii码存储的，而ascii码的128～255之间的值是不可见字符。而在网络上交换数据时，比如说从A地传到B地，往往要经过多个路由设备，由于不同的设备对字符的处理方式有一些不同，这样那些不可见字符就有可能被处理错误，这是不利于传输的。所以就先把数据先做一个Base64编码，统统变成可见字符，降低错误率。

三、编码原理

是基于A-Z、a-z、0-9以及'+' 和'/'共64个字符的编码方式，因为2的6次方等于64，所以说只需要6个比特即可表示一个base64的字符。

编码表：'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/'

核心原理是将二进制数据进行分组，以6位一组进行分组，并在每组前面都填两个高位 0，然后将 8 bit 的字节转换成十进制，对照 BASE64 编码表（上表），得到对应编码后的字符。

四、等号是哪里来的？

一个字节是8bit，一个base64的字符6bit，24是最小公倍数，所以3个字节可以完整转化为4个base64字符；

但是我们无法控制需要编码的数据正好是3的倍数，所以要进行补零---在不足3的倍数的字符串末尾用0x00进行填充；

因为base64编码中的下标0对应的字符是'A'，而末尾填充上的0x00在分组补零后同样是下标0x00，这样就无法分辨出到底是末尾填充的0x00还是二进制数据中的0x00。

所以引进了等号，这就是'='字符不在Base64字符集中，但是也出现在Base64编码的原因了。

五、编码过程

以对6666P进行base64编码的步骤说明
每个字符转化为8bit：
6----->00110110
6----->00110110
6----->00110110
6----->00110110
P----->01010000
补位----->00000000
整体拼接结果：
001101100011011000110110001101100101000000000000
以6bit一组进行分割：
001101  100011  011000  110110  001101  100101  000000  000000
转化为base64编码脚标：
13  35  24  54  13  37  0  0
获取对应的base64编码：
N  j  Y  2  N  l  A  A
得到结果：string(8) "NjY2NlA="

六、关于解码

由编码过程可知，编码的结果的长度一定是4的倍数，所以当解码的长度不等于4的倍数时，需要用等号进行补位。

这也就是去掉末尾的等号后进行解码得出的原文不会出错的原因了！

了解过编码过程后逆向回去即为解码过程，在此就不再详细叙述了。

七、base64的变种

但是标准的base64并不能满足所有场景的需要，比如URL编码器会把中的“/”和“+”字符变为形如“%XX”的形式，所以也就出现了实现思路一致的编码变种：

（1）适应url的变种改进：不在末尾填充’=’号，并将“+”和“/”分别改成了“-”和“_”

（2）适应正则表达式的变种：将“+”和“/”改成了“!”和“-”

八、实践代码

 
 当然也可以使用位运算等方式进行实现，以上代码仅代表个人的思路。