Java加密与解密 - Base64算法

1 Base64算法的由来

    Base64算法最早应用于解决电子邮件传输的问题。早期，由于“历史问题”，电子邮件只允许ASCII码字符，如果邮件中包含非ASCII码字符，当它通过有“历史问题”的网关时，这个网关会对该字符的二进制位进行调整，即将其8位二进制码的最高位置0，这样用户收到的邮件就会是一封乱码。为了解决这个问题，产生了Base64算法。

 

2 Base64算法的定义

    RFC 2045中定义：Base64内容传输编码是一种以8位字节序列组合的描述形式，这种形式不易被人直接识别。

    RFC 2045中规定，在电子邮件中，每行为76个字符，每行末需添加一个回车换行符（"\r\n"），不管每行是否够76个字符，都要添加一个回车换行符。不过在实际应用中，根据实际需要，这一要求往往被忽略。

 

    Base64算法的转换方式类似于古典加密算法里的单表置换算法 。RFC 2045中给出了Base64的字符映射表，如下图所示。

 

 

    这张字符映射表中，Value是十进制编码，Encoding是字符，共映射了64个字符，这也是Base64算法命名的由来。映射表的最后一个字符“=”是用来补位的。

    Base64算法的编码和解码操作可用作加密解密，但是Base64的字符映射表是公开的，因此并不能叫做加密算法。

    Url Base64算法是由Base64算法衍生出来的，用于在http请求中传递二进制数据。将Base64中的“+”、“/”替换为“-”和“_”符号，对于补位符“=”，Bouncy Castle使用“.”替换，而Commons Codec则不使用补位符。

 

 

3 基本原理

    Base64算法主要是将给定的字符以字符编码（如ASCII、UTF-8等）对应的十进制数为基准，做编码操作：

1.     将给定的字符串以字符为单位，转换为对应的字符编码。
2.     将获得的字符编码转换为二进制串。
3.     将获得的二进制串做分组转换操作，每3个8位的二进制串为一组，将这样的一组再转换为4个6位二进制串，不足6位时低位补0。
4.     对每组4个6位二进制串补位，即向6位二进制串的高位补两个0，生成4个8位二进制串。
5.     将获得的4-8二进制码转换为十进制码。
6.     将获得的十进制码用Base64字符映射表中对应的字符替换。
   

    经过Base64编码后的数据会比原始数据略长，为原来的4/3倍，编码后的字符数是4的倍数。

    编码后的字符串最多有2个补位的“=”，因为原始数据的二进制串的分组是以3个8位为一组的，余数 = 原始数据字节数 mod 3，余数只能为0、1、2。如果余数为0，3个8位转换为4个6位，高位补0之后是4个8位，则不需要补位符；如果余数为1，1个8位只能转换为2个6位，高位补0之后是2个8位，为了让编码之后的字符数是4的倍数，要补两个补位符；同理，如果余数为2，要补一个补位符。

    ASCII码进行Base64编码的例子如下图，字符“A”编码之后的字符串为“QQ==”。

    非ASCII码如GBK、UTF-8等编码，一个字符包含多个字节，如UTF-8用3个字节表示一个汉字，GBK用2个字节表示一个汉字。以字符串“密”为例，对应的UTF-8编码是-27、-81、-122，用Base64编码如下图，编码后的字符串为“5a+G”。

 

4 Base64算法的Java实现和使用

    Java API中没有Base64的实现，实际上Sun也有Base64算法的实现，但是没有公布。Bouncy Castle提供了一般Base64算法的实现，Commons Codec提供了基于RFC 2045相关定义的Base64算法实现。

    Bouncy Castle遵循的是一般Base64算法，就是根据字符映射表做了编码转换。Commons Codec中既支持RFC 2045定义的Base64算法，也支持一般的Base64算法。这两种的差异是RFC 2045定义的算法要求在编码后的字符串中换行和末尾添加回车换行符。