base64编码的原理

前言

最近做项目，经常使用base64把byte[]转为String存储，毕竟byte数组不好存储，就对base64的原理好奇，研究了下，发现base64后长度增加了，这个64代表的含义呢，2的6次方，在2进制有特别的含义，毕竟1byte=8bit，这中间有些特殊的设定意义。

demo

 这里的abcde是怎么转为YWJjZGU=的呢，可以明显看出转为base64后长度增加了，实际上我们是把String的byte[]转为base64的，末尾的=号是怎么来的。

 可以看到JDK9开始的String转为byte[]存储，节约空间，而byte[]{97, 98, 99, 100, 101} 5个字节是怎么转为YWJjZGU=8个字节的。

原理

Base64 编码原理：

1. 把每三个 8bit 字节转换为四个 6Bit 字节 (3*8 = 4*6 = 24)， 然后再向每 6Bit 字节 (2的6次方 = 64) 添两高位 0， 组成四个 8Bit 字节。
2. 以每次转换的 4 个数字作为一个分段，然后查表获得相应的 4 个字符，就是编码后的字符串。
3. 若要编码的二进制数据不是 3 的倍数， 最后剩下 1 或 2 个字节， Base64 用 \x00 字节在末尾补足后，再在编码的末尾加上 1 或最多 2 个 = 号。

码表如上：由A-Z a-z 0-9 + / ，26+26+10+2=64个编码

比如示例的abcde，换算成byte[]为byte[]{97, 98, 99, 100, 101}，换算成2进制bit存储如下

10进制	97	98	99	100	101
bit 2进制	01100001	01100010	01100011	01100100	01100101

安装base64编码原则，3个字节为1组，编码为4个字节组，空间扩容1/3

红色表示不足3byte，补0为3byte。对6bit的重新编码数据前面补0凑齐8bit，即一个byte，数据增加8/6，加上不足3byte编码的补0，额外增加了很多数据，但是就可以安装64的码表编码了。相当于把2的8次方数据，按照2的6次方编码，然后补0，按照2的8次方存储。

bit 2进制	01100001	01100010	01100011	01100100	01100101	00000000
编码	011000   |   010110   |   001001   |   100011			011001   |   000110   |   010100   |   000000
编码后10进制	24                 22               9                35			25                 6               20                =
查表	Y                   W               J                 j			Z                  G               U                 =

 

查表得YWJjZGU=（=表示末尾补0的位数，最多2个==），这里的base64不能用于正则表达式匹配，因为+ /为关键字。

 

 那个如果byte是负数呢，实际上byte为负数，也可以转为2进制，同理进行编码

比如-128，二进制就是10000000，因为计算机只有加法，负数在计算机中是用补码存储

-128就是128的原码1000 0000求反0111 1111 +1 -> 1000 0000

bit 2进制	10000000	01100010	01100011	01100100	01100101	00000000
编码	100000   |   000110   |   001001   |   100011			011001   |   000110   |   010100   |   000000
编码后10进制	32                 6                9                35			25                 6               20                =
查表	g                   G               J                 j			Z                  G               U                 =

运行程序，跟手动运算结果一样

总结

base64实际上就是对byte数组重新编码，以3个byte为单位，编码成4个byte数据，首位补0，凑齐8bit（1byte数据），对byte进行转为10进制，查表得到base64的字符串，当3个byte凑不齐时，补0 ，base64字符串结尾使用=表示补了几个0。根据base64的编码原则，实际上可以开发其他编码的，比如特殊+ / 可以使用其他符号表示，或者不使用64位。