加密算法（二）：Base64的一大误区，千万不要踩这个坑

虽然本篇文章的前缀是 加密算法，但是希望大家不要误解，Base64 并不是一种加密算法

可能有朋友在不了解 Base64 的情况下，将其误用于数据加密或数据校验。乍一看，Base64 编码过的字符串有一种被加密的感觉，但是该字符串会存在许多 Base64 的特征，例如字符串中会出现 + 或 \ 两种字符，末尾通常会有一个到两个 =。只要发现了这些特征，那么这个字符串大概率就是一个经过 Base64 编码后的字符串，此时无需任何额外信息即可轻松解码得出原始文本。

Base64 由来

我们知道在计算机中任何数据都是按字节存储的，一个字可表示的范围是 0 ~ 255，其中 ascii 值的范围为 0 ~ 127，而超越 ascii 范围的 128 ~ 255 之间的值是不可见字符，同时 ascii 中也包含部分不可见字符。

当不可见字符在网络上传输的时候，往往要经过多个路由设备，由于不同的设备（特指老的路由设备）对字符的处理方式有一些不同，这样那些不可见字符就有可能被处理错误，这是不利于传输的。所以就先把数据做一个 base64 编码，统统变为可见字符，也就是 ascii 可表示的可见字符，确保数据可靠传输。

对于现在的路由设备，只要是文本字符都可以直接在网络上传输。但是对于二进制格式的数据（图片，音频，视频等），我们一般都要把这些二进制数据转为文本字符后进行网络传输。

Base64 简介

之所以称为 Base64，是因为其使用了 64 个字符来对任意数据进行编码，同理还有 Base32， Base58（用于产生 Bitcoin 的钱包地址）等编码。

一个标准的 Base64 使用的 64 个字符为：

A-Z
a-z
0-9
+, /

这 64 个字符是各种字符编码（例如 ASCII）基本字符集。

编码原理

使用 Base64 进行编码，大致可以分为 4 步：

1. 将原始数据每三个字节作为一组，一共是 24 个 bit
2. 将 24 个 bit 分为四组，每组 6 个 bit
3. 在每组前面加两个 00，扩展成 32 个 bit，即四个字节
4. 根据下标，得到扩展后每个字节的对应符号

因为，Base64 将三个字节转化成四个字节，因此 Base64 编码后的文本，会比原文本大出三分之一左右。

英文编码

• 第一步，L、o、L 的 ASCII 值分别是 76、111、76，对应的二进制值是 01001100、01101111、01001100，将它们连成一个 24 位的二进制字符串 010011000110111101001100
• 第二步，将这个 24 为的二进制字符串分成 4 组，每组 6 个二进制位：010011、000110、111101、001100
• 第三步，在每组前面加两个 00，扩展成 32 个二进制位，即四个字节：00010011、00000110、00111101、00001100，它们的十进制分别是 19、6、61、12
• 第四步，根据上表，得到每个值对应 Base64 编码，即 TG9M

中文编码

汉字 棋 如果转化成 Base64 编码？

需要注意的是，汉字本身具有很多种编码，例如 gb2312，utf-8，gbk等，每一种编码的 Base64 对应值都不一样。下面的例子以 utf-8 为例：

首先，棋 的 utf-8 编码为 E6A38B，写成二进制就是三字节的 11100110 10100011 10001011。将这个二进制字符串按照上边的规则，转换成四组一共 32 位的二进制值 00111001 00101010 00001110 00001011，相应的十进制数为 57、42、14、11，它对应的 Base64 值就是 5qOL

补码

• 两个字节

  例如英文字符 PY，我们仅能得到 2 个字节，也就是 16个二进制位。首先，按照上面的规则，转成三组，最后一组除了前面加两个 0 以外，后面也要加两个 0，这样就得到了一个三位的 Base64 编码，最后在结尾补上一个 = 号

• 一个字节

  一个字节的情况：将这一个字节的 8 个二进制位，按照上面的规则转成两组，最后一组除了前面加两个 0 之外，后面再加 4 个 0。这样得到一个二位的 Base64 编码，再在末尾补上两个 = 号

​

解码

解码就是对编码的逆向操作，但是需要注意一点：对于最后的两个 = 字符，转换成两个 A 字符，再转成对应的两个 6 比特二进制值，接着转成原始字符之前，需要将最后的两个 6 比特二进制值丢弃，因为它们实际上不携带有效信息

特殊变种

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 + 字符转变为 %XX 的形式，而这些 % 号在存入数据库中时还需要再进行转换，因为 ANSI SQL 中已将 % 号用作通配符

• 用于URL的改进Base64

  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做的转换，避免了编码信息长度在此过程中的增加

• 用于正则表达式的改进Base64

  将 + 和 / 改成了 ! 和 -，因为 +, * 在正则表达式中都有可能具有特殊含义

参考

• base64 - 廖雪峰的官方网站
• Base64笔记 - 阮一峰的网络日志
• Base64 - 维基百科
• Base64编码原理与应用