Base64编码简介

　　本文介绍基于rfc4648的Base64编码格式，关于如何使用Python中的base64模块快速进行编码，请参考这里。rfc4648介绍了Base64/32/16编码机制，同时废止了rfc3548。相关的资料和标准有：rfc2045定义了MIME中的Base64传输编码，rfc4880定义了OpenPGP中使用的Radix-64编码。

　　Base64使用64个通用的可打印字符来存储和表示二进制字数据，同时也可以进行简单的加密，生成不可读文本。Base64字符集包括大、小写英文字母，阿拉伯数字0-9，以及"+"和"/"，以及作后缀填充的"="共计65个字符，其中编码时只使用前64个。如何使用这64个字符来表示二进制数据呢？这就需要在十进制的0到63以及使用的64个字符之间建立一一对应关系。具体的映射是将十进制的0到63依次与"A-Z", "a-z", "0-9", "+", "/"一一对应。在计算机中64种可能只需要6bits就能表达（2⁶=64），因此Base64表示法实质上是以6bits为单位，使用规定的通用字符集来表示和存储二进制数据。

　　计算机中的数据是以字节为单位的，且8bits = 1byte。Base64中使用6bits表示一个字符，这就导致了计算机中的三个字节（8bits*3）在经过Base64编码后将变成四个字符（6bits*4），转码后的Base64字符串将比原数据长大约三分之一。Base64的转码方法也正是围绕这样的换算关系展开。

　　转码时只需使用一个24bits的缓冲区，依次从原数据中读入三个字节的数据，再每次从缓冲中取6bits转化成Base64字符输出。当原始数据的长度恰好为3bytes的整数倍时，直接转码。当读取到原始数据的末尾剩余数据不足3字节时，在原始二进制码末尾补0直到恰好是6bits的倍数，这时，第65个字符"="就派上用场了。如果原始文本刚好是3字节的整数倍，转码后不需要在Base64编码末尾添加任何后缀；如果最后剩余两字节，则在转码后的字串末尾添加一个"="，如果最后剩余一字节，则在转码后的字符串末尾添加两个"="。这个过程可以用下面的图表示。

　　

　　情形一：文本长度刚好是3字节的整数倍

原文本（单位：字节）	M								a								n
二进制数据	0	1	0	0	1	1	0	1	0	1	1	0	0	0	0	1	0	1	1	0	1	1	1	0
二进制数据（补0）	0	1	0	0	1	1	0	1	0	1	1	0	0	0	0	1	0	1	1	0	1	1	1	0
Base64编码	T						W						F						u

 

 

 

 

 

此时转码后的字串将为：TWFu

 

　　情形二：文本比3字节的整数倍多2字节

原文本（单位：字节）	M								a
二进制数据	0	1	0	0	1	1	0	1	0	1	1	0	0	0	0	1
二进制数据（补0后）	0	1	0	0	1	1	0	1	0	1	1	0	0	0	0	1	0	0
Base64编码	T						W						E

 

 

 

 

 

 

 

此时转码后的字串将为：TWE=

 

　　情形三：文本比3字节的整数倍多1字节

原文本（单位：字节）	M
二进制数据	0	1	0	0	1	1	0	1
二进制数据（补0后）	0	1	0	0	1	1	0	1	0	0	0	0
Base64编码	T						Q

 

 

 

 

 

 

 

此时转码后的字串将为：TQ==

　　经过上面规则编码后的字串解码也非常简单。不难发现，由于每一填充符"="代表二进制源码末尾添加了2bits的0，Base64编码后字串的长度将是4的整数倍，根据末尾"="的个数计算编码过程中补0的个数，就可以正常解码。另外，在电子邮件中，每行不能容纳超过76个字符，解析时注意忽略回车符。

　　本文介绍了标准Base64编码的格式，事实上还存在“安全url”等变种编码格式，这些变化适应特定的需求，替代字符集中的部分字符，有兴趣的话可以参考rfc4648。

　　Python中基于rfc3548提供了进行Base64/32/16编码的库，接口非常高效地实现了所需的编码。关于Python中的Base64编码库，请参考这里。