Base64编码简介

Base64编码简介

基本概念

Base64这个术语最初是在“MIME内容传输编码规范”中提出的。Base64不是一种加密算法，虽然编码后的字符串看起来有点加密的赶脚。它实际上是一种“二进制到文本”的编码方法，它能够将给定的任意二进制数据转换（映射）为ASCII字符串的形式，以便在只支持文本的环境中也能够顺利地传输二进制数据。例如支持MIME的电子邮件应用，或需要在XML中存储复杂数据（例如图片）时。

要实现Base64，首先需要选取适当的64个字符组成字符集。一条通用的原则是从某种常用字符集中选取64个可打印字符，这样就能避免在传输过程中丢失数据（不可打印字符在传输过程中可能会被当做特殊字符处理，从而导致丢失）。例如，MIME的Base64实现选用了大写字母、小写字母和0~9的数字作为前62个字符。其他实现通常会沿用MIME的这种方式，而仅仅在最后2个字符上有所不同，例如UTF-7编码。

一个例子

下面这段文本：

Man is distinguished, not only by his reason, but by this singular passion from
other animals, which is a lust of the mind, that by a perseverance of delight
in the continued and indefatigable generation of knowledge, exceeds the short
vehemence of any carnal pleasure.

通过MIME Base64进行转换后就成为：

TWFuIGlzIGRpc3Rpbmd1aXNoZWQsIG5vdCBvbmx5IGJ5IGhpcyByZWFzb24sIGJ1dCBieSB0aGlz
IHNpbmd1bGFyIHBhc3Npb24gZnJvbSBvdGhlciBhbmltYWxzLCB3aGljaCBpcyBhIGx1c3Qgb2Yg
dGhlIG1pbmQsIHRoYXQgYnkgYSBwZXJzZXZlcmFuY2Ugb2YgZGVsaWdodCBpbiB0aGUgY29udGlu
dWVkIGFuZCBpbmRlZmF0aWdhYmxlIGdlbmVyYXRpb24gb2Yga25vd2xlZGdlLCBleGNlZWRzIHRo
ZSBzaG9ydCB2ZWhlbWVuY2Ugb2YgYW55IGNhcm5hbCBwbGVhc3VyZS4=

转换方法

以例子开头的“Man”被转换为“TWFu”为例，我们来看看Base64基本的转换过程：

1. M、a和n的ASCII编码分别为01001101、01100001和01101110，合并后得到一个24位的二进制串010011010110000101101110
2. 按每6位一组将其分为4组：010011、010110、000101、101110
3. 最后按对应关系从字符集中取出4个字符（即T、W、F、u）作为结果（本文后面列出了由MIME定义的字符集）。

Base64的基本思想就是这么简单：它将每3个字节（24位）转换为4个字符。因为6位二进制数可以表示64个不同的数，因此只要确定了字符集（含64个字符），并为其中的每个字符确定一个唯一的编码，就可以通过正向与反向映射将二进制字节转换为Base64编码或反之。

补零处理

通过不断将每3个字节转换为4个Base64字符之后，最后可能会出现以下3种情况之一：

1. 没有字节剩下
2. 还剩下1个字节
3. 还剩下2个字节

1没什么好说的。后面的2和3该如何处理呢？

遇到这种情况，就需要在剩下的字节后面补零，直到其位数能够被6整除（因为Base64是对每6位进行编码的）。假如还剩下1个字节，即8位，那么需要再补4个0使其成为12位，这样就可以分为2组了；如果剩下2个字节，即16位，那么只需要再补2个0（18位）就可以分成3组了。最后再用普通方法做映射即可。

还原时，依次将每4个字符还原成3个字节，最后会出现3种情况之一：

1. 没有字符剩下
2. 还剩下2个字符
3. 还剩下3个字符

这3种情况与上面的3种情况一一对应，只要对补零的过程反过来处理，就可以原样还原了。

填充

我们经常会在Base64编码字符串中看到最后有“=”字符，这就是通过填充生成的。填充就是当出现编码时的情况2和3时，在后面补上“=”字符，使编码后的字符数为4的倍数。

所以我们可以很容易地想到，情况2，即还剩下1个字节时，需要补2个“=”，因为此时最后一个字节编码为2个字符，补上2个“=”正好凑够4个。情况3同理，需要补1个“=”。

填充不是必须的，因为无需填充也可以通过编码后的内容计算出缺失的字节。所以在一些实现中填充是必须的，有些却不是。一种必须使用填充的场合是当需要将多个Base64编码文件合并为一个文件的时候。

实现（示例）

下面是一个Base64字符集，它包含大写字母、小写字母和数字，以及“+”和“/”符号。

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

利用这个字符集我们可以写一个简单的Base64实现（本文最后附有完整源代码）：

下面这个encode()方法用来将Java字符串转换为字节数组（Base64操作的是字节），然后调用真正的encode()方法完成编码：

复制代码

1 public String encode(String inputStr, String charset, boolean padding)
2 throws UnsupportedEncodingException {
3 String encodeStr = null;
4
5 byte[] bytes = inputStr.getBytes(charset);
6 encodeStr = encode(bytes, padding);
7
8 return encodeStr;
9 }

复制代码

encode()方法的核心代码是：
复制代码

1 for (int i = 0; i < groups; i++) {
2 byte_1 = bytes[3i] & 0xFF;
3 byte_2 = bytes[3i+1] & 0xFF;
4 byte_3 = bytes[3*i+2] & 0xFF;
5
6 group_6bit_1 = byte_1 >>> 2;
7 group_6bit_2 = (byte_1 & 0x03) << 4 | byte_2 >>> 4;
8 group_6bit_3 = (byte_2 & 0x0F) << 2 | byte_3 >>> 6;
9 group_6bit_4 = byte_3 & 0x3F;
10
11 sb.append(CHARSET[group_6bit_1])
12 .append(CHARSET[group_6bit_2])
13 .append(CHARSET[group_6bit_3])
14 .append(CHARSET[group_6bit_4]);
15 }

复制代码

即将每3个字节转换为4个字符。

当然还需要判断最后是否还有剩余的字节，如果有要单独处理：

复制代码

1 if (tail == 1) {
2 byte_1 = bytes[bytes.length-1] & 0xFF;
3
4 group_6bit_1 = byte_1 >>> 2;
5 group_6bit_2 = (byte_1 & 0x03) << 4;
6
7 sb.append(CHARSET[group_6bit_1])
8 .append(CHARSET[group_6bit_2]);
9
10 if (padding) {
11 sb.append(’=’).append(’=’);
12 }
13 } else if (tail == 2) {
14 byte_1 = bytes[bytes.length-2] & 0xFF;
15 byte_2 = bytes[bytes.length-1] & 0xFF;
16
17 group_6bit_1 = byte_1 >>> 2;
18 group_6bit_2 = (byte_1 & 0x03) << 4 | byte_2 >>> 4;
19 group_6bit_3 = (byte_2 & 0x0F) << 2;
20
21 sb.append(CHARSET[group_6bit_1])
22 .append(CHARSET[group_6bit_2])
23 .append(CHARSET[group_6bit_3]);
24
25 if (padding) {
26 sb.append(’=’);
27 }
28 }

复制代码

decode过程是类似的，具体请自行查阅完整代码。

引申话题：利用Base64加密解密

虽然本文的开头就已经提到过，Base64不是一种加密算法，但实际上我们确实可以利用Base64来加密数据。

我们都知道，加密就是将明文变为密文的过程。在这个过程中起关键作用的一是算法，二则是密钥。算法相当于制造工艺或加工过程，而密钥则是配方。制造工艺可以公开，但配方必须保密，否则人人都能生产云南白药了。

容易想到，Base64的配方就是字符集。选用的字符集不同，甚至只是改变一下字符集中字符的顺序（编号），相同的加工过程就会生成不同的Base64编码。

例如，如果不告诉你编码时使用的字符集，你能知道下面的编码对应的原文是什么吗？

TWl+Im1DImR5sHR5r2tFqXN4pWQ8ImZ/tih/r2BZImJZImx5sChCpWlDrGY8ImJFtihyuSh
Eqm1DInN5r2tFrmlCInhxsHN5rGYwp3J/rSh/tmx1syhxr219oWBDLihHqm1zqih5sChxImB
FsHQwrGowtmx1ImF5r2Q8InR4oXQwo30woShApXJDpXp1s2l+oGUwrGowpmV8qWt4t
ih5ryhEqmUwoGd+tm1+tWV0Iml+pih5r2R1p2lEqWtxo2B1Imt1r2VCoXR5rGYwrGowqGZ
/tGB1pmt1Lih1umN1pWRDInR4pShDqmdCtihGpWx1rWV+oGUwrGowoWZZImNxs2Zxrih
ArmVxsHVCpSY=

既然利用Base64来加密和解密是完全可行的，为什么又说它不是一种加密算法呢？

这是因为：

1. 开发Base64的目的就不是为了加密，而是为了方便在文本环境中传输二进制数据

2. 所以，与开发一个加密算法不同，安全性并不是Base64的目标，只是它的一个副产物。

实际上，Base64的安全性是非常差的，这就是在实际应用中不用它加密的原因。如果你对常用加密方法有所了解的话，你应该知道有一种古老的加密方法，称为“字符替换法”。即指定一个规则，将每个字符用其他字符替换，例如将a变为c、b变为d等，这样替换后生成的结果就是密文。解密时只需要反过来操作，将c变为a、将d变为b就可以了。用不同的替换规则加密，生成的密文也不同。

用Base64来加密实际上就相当于字符替换，只不过它先对字节做了一些变换，然后再进行替换，对加密过程来说，本质上是一样的。

字符替换法虽然简单，但却是一个伟大的发明，它被使用了超过1千年，一直都没有有效的方法来破解它。后来人们终于发现了它的弱点：基于词频和字母频率的统计规律，就能够轻松得到它的密钥。从那以后，加密者与解密者之间的战争从来就没有停歇过，加密者不断发明更复杂更安全的加密算法，解密者则绞尽脑汁去破解它们。

我们现在使用的RSA等非对称加密算法通常基于这样一个前提：大数的质因数分解是极其困难的，目前唯一的方法就是暴力破解。所以现在来看，RSA算法还是很安全的。但难保在将来某一天不会有人发现一种快速分解质因数的方法，那时候RSA等非对称加密算法也会像字符替换法一样变得不再安全，人们就不得不另外寻找新的加密方法喽。

附：源程序

点击展开