DS&A - Base64

---

前言

Base64 是一种基于 64 个可打印字符来表示二进制数据的表示方法。由于 ${\log }_{2}64=6$，所以每 6 比特为一个单元，对应某个可打印字符。
3 个字节相当于 24 个比特，对应于 4 个 Base64 单元，即 3 个字节可由 4 个可打印字符来表示。在 Base64 中的可打印字符包括字母 A-Z、a-z、数字 0-9，这样共有 62 个字符，此外两个可打印符号在不同的系统中而不同。
一些如 uuencode 的其他编码方法，和之后 BinHex 的版本使用不同的 64 字符集来代表 6 个二进制数字，但是不被称为 Base64。

以上是维基百科对 Base64 的描述。也就是说 Base64 是一种二进制到文本的编码方式，而且该文本只包含 ASCII 的可见字符。

索引表

数值	字符	数值	字符	数值	字符	数值	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	/

原理

如上图所示，字符串 hello 经过 Base64 编码则生成 aGVsbG8=，ASCII 字符不足则 Base64 用 0 比特补足，若 Base64 单元不为 4 的倍数也用 0 比特补足，但展示为 =， 表示为填充位。

对应 Java 代码为：

// JDK 17
var arr = "hello".getBytes(StandardCharsets.UTF_8);
var ints = new ArrayList<Integer>(arr.length);
for (byte b : arr) {
    ints.add(b & 0xFF);
}
ints.stream()
        .map(b -> Integer.toBinaryString(b & 0xFF))
        .map(s -> String.format("%8s", s).replace(' ', '0'))
        .forEach(System.out::println);

var base64 = Base64.getEncoder().encodeToString(arr);
System.out.println(base64);

输出如下：

01101000
01100101
01101100
01101100
01101111
aGVsbG8=

解决问题

从 Base64 的定义中我们可以知道，Base64 把所有不可见字符都转为可见字符了，那么 Base64 主要也就是处理文本协议在传输过程中不可见字符的问题了。在网络交换数据的时候，数据需要经过多个路由设备，由于不同设备处理对不可见字符处理的不同，可能出现错误的处理，这是不利于传输的，于是乎就出现 Base64 这样的编码方式。