Base64编码原理

所谓Base64,就是说选出64个字符----小写字母a-z、大写字母A-Z、数字0-9、符号"+"、"/"(再加上作为垫字的"=",实际上是65个字符)----作为一个基本字符集。然后,其他所有符号都转换成这个字符集中的字符。

具体来说,转换方式可以分为四步。

第一步,将每三个字节作为一组,一共是24个二进制位。

第二步,将这24个二进制位分为四组,每个组有6个二进制位。

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。

第四步,根据下表,得到扩展后的每个字节的对应符号,这就是Base64的编码值。

  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

  14 O  31 f   48 w   

  15 P  32 g   49 x

  16 Q  33 h   50 y

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。

4.

举一个具体的实例,演示英语单词Man如何转成Base64编码。

Text content M a n
ASCII 77 97 110
Bit pattern 0 1 0 0 1 1 0 1 0 1 1 0 0 0 0 1 0 1 1 0 1 1 1 0
Index 19 22 5 46
Base64-Encoded T W F u

第一步,"M"、"a"、"n"的ASCII值分别是77、97、110,对应的二进制值是01001101、01100001、01101110,将它们连成一个24位的二进制字符串010011010110000101101110。

第二步,将这个24位的二进制字符串分成4组,每组6个二进制位:010011、010110、000101、101110。

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、00010110、00000101、00101110。它们的十进制值分别是19、22、5、46。

第四步,根据上表,得到每个值对应Base64编码,即T、W、F、u。

因此,Man的Base64编码就是TWFu。

5.

如果字节数不足三,则这样处理:

a)二个字节的情况:将这二个字节的一共16个二进制位,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。这样得到一个三位的Base64编码,再在末尾补上一个"="号。

比如,"Ma"这个字符串是两个字节,可以转化成三组00010011、00010110、00010000以后,对应Base64值分别为T、W、E,再补上一个"="号,因此"Ma"的Base64编码就是TWE=。

b)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二组,最后一组除了前面加二个0以外,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。

比如,"M"这个字母是一个字节,可以转化为二组00010011、00010000,对应的Base64值分别为T、Q,再补上二个"="号,因此"M"的Base64编码就是TQ==。

6.

再举一个中文的例子,汉字"严"如何转化成Base64编码?

这里需要注意,汉字本身可以有多种编码,比如gb2312、utf-8、gbk等等,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,"严"的utf-8编码为E4B8A5,写成二进制就是三字节的"11100100 10111000 10100101"。将这个24位的二进制字符串,按照第3节中的规则,转换成四组一共32位的二进制值"00111001 00001011 00100010 00100101",相应的十进制数为57、11、34、37,它们对应的Base64值就为5、L、i、l。

所以,汉字"严"(utf-8编码)的Base64值就是5Lil。

参考:http://www.ruanyifeng.com/blog/2008/06/base64.html

Base64 编码原理以及编码

01-13

最近有些朋友问到关于base64的东西,贴一张上来,以供参考...rnrnrn为什么要使用Base64?rnrn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: rn1.是否加密? rn2.加密算法复杂程度和效率 rn3.如何处理传输? rnrn 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。 rn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。 rnrn 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。 rn基于以上的一些主要原因产生了Base64编码。 rnrn算法详解 rnrn 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。 rn具体转化形式间下图: rn字符串“张3” rn11010101 11000101 00110011 rnrn00110101 00011100 00010100 00110011 rn表1 rnrn可以这么考虑:把8位的字节连成一串110101011100010100110011 rn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。 rn让我们来看看实际结果: rnrn字符串“张3” rn11010101 HEX:D5 11000101 HEX:C5 00110011 HEX:33 rnrn00110101 00011100 00010100 00110011 rn字符’5’ 字符’^\’ 字符’^T’ 字符’3’ rn十进制53 十进制34 十进制20 十进制51 rn表2 rnrn这样“张3 ”这个字符串就被Base64表示为”5^\^T3”了么?。错! rnBase64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: rnrnTable 1: The Base64 Alphabet rnValue Encoding Value Encoding Value Encoding Value Encoding rn0 A 17 R 34 i 51 z rn1 B 18 S 35 j 52 0 rn2 C 19 T 36 k 53 1 rn3 D 20 U 37 l 54 2 rn4 E 21 V 38 m 55 3 rn5 F 22 W 39 n 56 4 rn6 G 23 X 40 o 57 5 rn7 H 24 Y 41 p 58 6 rn8 I 25 Z 42 q 59 7 rn9 J 26 a 43 r 60 8 rn10 K 27 b 44 s 61 9 rn11 L 28 c 45 t 62 + rn12 M 29 d 46 u 63 / rn13 N 30 e 47 v (pad) = rn14 O 31 f 48 w rn15 P 32 g 49 x rn16 Q 33 h 50 y rn表3 rnrn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: rnrn字符串“张3” rn11010101 HEX:D5 11000101 HEX:C5 00110011 HEX:33 rnrn00110101 00011100 00010100 00110011 rn字符’5’ 字符’^\’ 字符’^T’ 字符’3’ rn十进制53 十进制34 十进制20 十进制51 rn字符’1’ 字符’i’ 字符’U’ 字符’z’ rn表4 rnrn这样,字符串“张3”经过编码后就成了字符串“1iUz”了。 rnBase64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? rn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。 rn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”: rnrn字符串“张” rn11010101 HEX:D5 11000101 HEX:C5 rnrn00110101 00011100 00010100 rn十进制53 十进制34 十进制20 pad rn字符’1’ 字符’i’ 字符’U’ 字符’=’ rn表6 rnrn这样,最后的2个字节被整理成了“1iU=”。 rn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“=” rn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。我将在文章的最后给出解码算法。 rnrn算法实现 rn其实在算法详解的时候基本上已经说的很清楚了。用于程序上,除去约束判断,大概可以分为如下几步几步: rn读取数据3字节用AND取前6位,放入新的变量中右移两位,高两位清0AND取第一个字节的后2位和第二个字节的前4位移位放入新变量中右移两位,清0……依此类推。 rn解码的类C语言实现的算法: rnBYTE LMoveBit(int base, int MoveNum) rn rnBYTE result=base; rnif(MoveNum==0)return 1; rnif(MoveNum==1)return MoveNum; rnresult=base<<(MoveNum-1); rnreturn result; rn rnrnchar base64_alphabet[]= rn'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P', rn'Q','R','S','T','U','V','W','X','Y','Z','a','b','c','d','e','f', rn'g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v', rn'w','x','y','z','0','1','2','3','4','5','6','7','8','9','+','/','='; rnBYTE Base64Decode(char *base64code, DWORD base64length) rn rnchar buf[4]; rnint i,j; rnint k; rnint l=0; rnBYTE temp1[4],temp2; rnBYTE *Buffer=new BYTE[base64length*3/4]; rnDWORD base64a=(base64length/4)-1; rnDWORD base64b=0; rnfor(;base64b 论坛

没有更多推荐了,返回首页