内容传送编码Base64原理

什么是Base64?

  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.)

为什么要使用Base64?

  在设计这个编码的时候,我想设计人员最主要考虑了3个问题:
  1.是否加密?
  2.加密算法复杂程度和效率
   3.如何处理传输?

  加密是肯定的,但是加密的目的不是让用户发送非常安全的Email。这种加密方式主要就是“防君子不防小人”。即达到一眼望去完全看不出内容即 可。基于这个目的加密算法的复杂程度和效率也就不能太大和太低。和上一个理由类似,MIME协议等用于发送Email的协议解决的是如何收发Email, 而并不是如何安全的收发Email。因此算法的复杂程度要小,效率要高,否则因为发送Email而大量占用资源,路就有点走歪了。但是,如果是基于以上两 点,那么我们使用最简单的恺撒法即可,为什么Base64看起来要比恺撒法复杂呢?这是因为在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。因此,如果您发送了一封带有非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!很明显,问题就这样产生了!因此,为了能够正常的传送Email,这个问题就必须考虑!所以,单单靠改变 字母的位置的恺撒之类的方案也就不行了。关于这一点可以参考RFC2046。基于以上的一些主要原因产生了Base64编码。

算法详解

  Base64编码要求把3个8位字节(3*8=24)转化为4个6位的字节(4*6=24),之后在6位的前面补两个0,形成8位一个字节的形 式。具体转化形式如下:


  字符串“张3”
  11010101 11000101 00110011

  00110101 00011100 00010100 00110011
  表1

  可以这么考虑:把8位的字节连成一串110101011100010100110011,然后每次顺序选6个出来之后再把这6二进制数前面再添 加两个0,就成了一个新的字节。之后再选出6个来,再添加0,依此类推,直到24个二进制数全部被选完。让我们来看看实际结果:

  字符串“张3”
  11010101 HEX:D5 11000101 HEX:C5 00110011 HEX:33

  00110101 00011100 00010100 00110011
  字符’5’ 字符’^\’ 字符’^T’ 字符’3’
   十进制53 十进制34 十进制20 十进制51
  表2

  这样“张3 ”这个字符串就被Base64表示为”5^\^T3”了么?。错!Base64编码方式并不是单纯利用转化完的内容进行编码。像’^\’字符是控制字符, 并不能通过计算机显示出来,在某些场合就不能使用了。Base64有其自身的编码表:

Table 1: The Base64 Alphabet
Value Encoding Value Encoding Value Encoding Value Encoding
0 A 17 R 34 i 51 z
1 B 18 S 35 j 52 0
2 C 19 T 36 k 53 1
3 D 20 U 37 l 54 2
4 E 21 V 38 m 55 3
5 F 22 W 39 n 56 4
6 G 23 X 40 o 57 5
7 H 24 Y 41 p 58 6
8 I 25 Z 42 q 59 7
9 J 26 a 43 r 60 8
10 K 27 b 44 s 61 9
11 L 28 c 45 t 62 +
12 M 29 d 46 u 63 /
13 N 30 e 47 v (pad) =
14 O 31 f 48 w
15 P 32 g 49 x
16 Q 33 h 50 y
表3

  这也是Base64名称的由来,而Base64编码的结果不是根据算法把编码变为高两位是0而低6为代表数据,而是变为了上表的形式,如”A” 就有7位,而”a”就只有6位。表中,编码的编号对应的是得出的新字节的十进制值。因此,从表2可以得到对应的Base64编码:

  字符串“张3”
  11010101 HEX:D5 11000101 HEX:C5 00110011 HEX:33

  00110101 00011100 00010100 00110011
  字符’5’ 字符’^\’ 字符’^T’ 字符’3’
   十进制53 十进制34 十进制20 十进制51
  字符’1’ 字符’i’ 字符’U’ 字符’z’
  表4

  这样,字符串“张3”经过编码后就成了字符串“1iUz”了。Base64将3个字节转变为4个字节,因此,编码后的代码量(以字节为单位,下 同)约比编码前的代码量多了1/3。之所以说是“约”,是因为如果代码量正好是3的整数倍,那么自然是多了1/3。但如果不是呢?细心的人可能已经注意 到了,在The Base64 Alphabet中的最后一个有一个(pad) =字符。这个字符的目的就是用来处理这个问题的。当代码量不是3的整数倍时,代码量/3的余数自然就是2或者1。转换的时候,结果不够6位的用0来补上相 应的位置,之后再在6位的前面补两个0。转换完空出的结果就用就用“=”来补位。譬如结果若最后余下的为2个字节的“张”:

  字符串“张”
  11010101 HEX:D5 11000101 HEX:C5

  00110101 00011100 00010100
  十进制53 十进制34 十进制20 pad
  字符’1’ 字符’i’ 字符’U’ 字符’=’
  表6

  这样,最后的2个字节被整理成了“1iU=”。同理,若原代码只剩下一个字节,那么将会添加两个“=”。只有这两种情况,所以,Base64 的编码最多会在编码结尾有两个“=” ,至于将Base64的解码,只是一个简单的编码的逆过程,读者可以自己探讨。

你可能感兴趣的:(算法,F#,J#)