base64原理

一、 base64是什么？

按照RFC2045的定义，Base64被定义为：Base64内容传送编码被设计用来把任意序列的8位字节描述为一种不易被人直接识别的形式。（The Base64 Content-Transfer-Encoding is designed to represent arbitrary sequences of octets in a form that need not be humanly readable.）

使用的字符包括大小写字母各26个，加上10个数字，和加号“+”，斜杠“/”，一共64个字符，等号“=”用来作为后缀用途。

二、 base64的作用及用途

作用：

1. 实现简单的数据加密，使用户一眼望去完全看不出真实数据内容，base64算法的复杂程度要小，效率要高相对较高。
2. 某些系统或应用，只能使用ASCII字符，例如Email，需使用base64对数据进行编码。

用途：

1. 在MIME中，base64可以用来将binary的字节序列数据编码成ASCII字符序列构成的文本。在Email的传送过程中，由于历史原因，Email只被允许传送ASCII字符，即一个8位字节的低7位（0-127）。因此，如果用户发送了一封带有非ASCII字符（即字节的最高位是1）的Email通过有“历史问题”的网关时就可能会出现问题。网关可能会把最高位置为0。这个时候，问题出现了。
2. Base64编码可用于在HTTP环境下传递较长的标识信息。例如，在Java持久化系统Hibernate中，就采用了Base64来将一个较长的唯一标识符（一般为128-bit的UUID）编码为一个字符串，用作HTTP表单和HTTP GET URL中的参数。在其他应用程序中，也常常需要把二进制数据编码为适合放在URL（包括隐藏表单域）中的形式。此时，采用Base64编码不仅比较简短，同时也具有不可读性，即所编码的数据不会被人用肉眼所直接看到。然而，标准的Base64并不适合直接放在URL里传输，因为URL编码器会把标准Base64中的“/”和“+”字符变为形如“%XX”的形式，而这些“%”号在存入数据库时还需要再进行转换，因为ANSI SQL中已将“%”号用作通配符。为解决此问题，可采用一种用于URL的改进Base64编码，它不在末尾填充'='号，并将标准Base64中的“+”和“/”分别改成了“*”和“-”，这样就免去了在URL编解码和数据库存储时所要作的转换，避免了编码信息长度在此过程中的增加，并统一了数据库、表单等处对象标识符的格式。另有一种用于正则表达式的改进Base64变种，它将“+”和“/”改成了“!”和“-”，因为“+”，“*”以及前面在IRCu中用到的“[”和“]”在正则表达式中都可能具有特殊含义。

三、 Base64的原理

 

将输入的二进制数据流以每次读取6个bit的方式读取，不足6位的后补0,将每3个8位二进制转换为4个6位二进制，也就是说每3个8位字节将编码为4个6位字节（3×8 → 4×6）；不满4个字节的以“=”填充。其实这4个六位字节仍然是8位，只不过高两位被设置为0。当一个字节只有6位有效时，它的取值空间为0 到 2的6次方减1 即63，也就是说被转换的Base64编码的每一个编码的取值空间为（0-63）。事实上，0-63之间的ASCII码有许多不可见字符，所以应该再做一个映射，映射表（码表）为：

The Base64 Alphabet table

Value	Char		Value	Char		Value	Char		Value	Char
0	A		16	Q		32	g		48	w
1	B		17	R		33	h		49	x
2	C		18	S		34	i		50	y
3	D		19	T		35	j		51	z
4	E		20	U		36	k		52	0
5	F		21	V		37	l		53	1
6	G		22	W		38	m		54	2
7	H		23	X		39	n		55	3
8	I		24	Y		40	o		56	4
9	J		25	Z		41	p		57	5
10	K		26	a		42	q		58	6
11	L		27	b		43	r		59	7
12	M		28	c		44	s		60	8
13	N		29	d		45	t		61	9
14	O		30	e		46	u		62	+
15	P		31	f		47	v		63	/

这样就可以将3个8位字节，转换为4个可见字符。也就是说，转换后的字符串要比原来的长1/3，扩张率为3:4。

例子：

1. 当字符串字符个数为3的倍数时；比如字符串“ABC”，其在计算机内存中的十六进制表示为$41、$42、$43，十进制表示为“65”“66”“67”；二进制表示为01000001　　01000010　　01000011　　 将这三个二进制数依次取6bit，　　010000/01　　0100/0010　　01/000011　　就转换成了：　　010000　　010100　　001001　　000011　　将这四个二进制数转换成十六制数为：$10，$14，$9，$3，十进制数位为16，20，9，3。对照上面的码表，分别查找出对应的字符为Q，U，J，D。也是就说字符串“ABC”经过BASE64编码后得出“QUJD”。　　这是最简单的情况，即ASCII码字符数刚好可以被3整除。接着继续讨论余数为2、为1的情况。　　

1. 当余数为2时，比如字符串“ce”，其在内存中十六进制表示为$63，$65；十进制表示表示99，101；二进制表示为　　01100011　01100101　依次取6bit　011000/11　0110/0101　　这时，第3个字符不足6位，在后面补零，也就是0101变成010100。转换结果为　　011000　110110　010100　　这3个二进制数转换成十六制数为$18，$36，$14；十进制数位为24，54，20。对照码表得出结果“Y2U”。编码后的字符个数不足4位，用“＝”填充，最后编码得出“Y2U=”。　　
2. 当余数为1时，比如字符串“{”，其在内存中的十六进制表示为$7B，十进制为123，二进制位表示为　　01111011　依次取6bit　011110/11　　　补0后为　011110/110000　　转换结果为011110和110000　　这两个二进制数转换成十六进制数为$1E，$30，十进制数为30，48。对照码表得出结果为“ew”，补上“＝”，最后编码得出“ew= =”。　　解码也很简单，是编码的逆过程，即将每个字符对照码表换算成6bit的二进制数，然后重组起来，按8位进行截取，得出原码。