C base64编解码

[C语言]Base64编码解码

Base64编码解码

一，Base64编码原理

        Base64编码的字符数组如下所示 ：

        ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/

        字符串转Base64编码：取3字节的字符串转换为四字节的字符串，依次往后转换。得到Base64编码字符串。具体原理如下：

1，如果需要编码的原串字节数刚好为3的倍数，那么转换规则如下：

        以中文字符'严'为例，'严'字的UTF-8编码为：0xE4B8A5 ＝ 11100100  10111000  10101001。即有:

        1）UTF－8第一个字节：0xE4 = 11100100

        2）UTF－8第二个字节：0xB8 = 10111000

        3）UTF－8第三个字节：0xA5 = 10101001

 

        转Base64的过程如下：

        1）Base64第一个字节：取UTF－8第一字节的前六位（111001），然后在六位字符前（111001）填充00，既得Base64编码的第一个字节（00111001）。

        2）Base64第二个字节：取UTF－8第一字节的最后两位（00），再取UTF－8第二字节的前四位（1011）组成六位字符串001011，然后在组成的六位字符串（001011）前面填充00，既得Base64编码的第二个字节（00001011）

        3）Base64第三个字节：取UTF－8第二字节的后四位（1000），再取UTF－8第三字节的前两位（10）组成六位字符串100010，然后在组成的六位字符串（100010）前面填充00，既得Base64编码的第三个字节（00100010）

        4）Base64第四个字节：取UTF－8第三字节的后六位（101001），然后在六位字符前（101001）填充00，既得Base64编码的第四个字节（00101001）。

 

2，如果需要编码的原串字节数最后剩余2，那么转换规则如下：

        以字符串"aa"为例，"aa"的UTF－8编码为：0x6161  =  01100001  01100001。既有：

        1）UTF－8第一个字节：0x61 ＝ 01100001

        2）UTF－8第二个字节：0x61  =  01100001

 

        转Base64的过程如下：

        1）Base64第一个字节：取UTF－8第一字节的前六位（011000），然后在六位字符前（011000）填充00，既得Base64编码的第一个字节（00011000）。

        2）Base64第二个字节：取UTF－8第一字节的最后两位（01），再取UTF－8第二字节的前四位（0110）组成六位字符串010110，然后在组成的六位字符串（010110）前面填充00，既得Base64编码的第二个字节（00010110）。

        3）Base64第三个字节：取UTF－8第二字节的后四位（0001），然后在四位字符（0001）前填充00，得六位字符串（000001），由于此时不够一个字节（八位），再在六位字符串（000001）后面填充00即可，既得Base64编码的第三个字节（00000100）。

        4）Base64第四个字节：此时使用字符'='填充即可。

 

3，如果需要编码的原串字节数最后剩余1，那么转换规则如下：

        以字符串"a"为例，"a"的UTF－8编码为：0x61  =  01100001。既有：

        1）UTF－8第一个字节：0x61  ＝ 01100001

 

        转Base64的过程如下：

        1）Base64第一个字节：取UTF－8第一字节的前六位（011000），然后在六位字符前（011000）填充00，既得Base64编码的第一个字节（00011000）。

        2）Base64第二个字节：取UTF－8第一字节的最后两位（01），然后在两位字符（01）前填充00，得四位字符串（0001），由于此时不够一个字节（八位），再在四位字符串（0001）后面填充0000即可，既得Base64编码的第二个字节（00010000）。

        3）Base64第三个字节：此时使用字符'='填充即可。

        3）Base64第四个字节：此时使用字符'='填充即可。

 

综上可得编码程序如下：

int
base64_string( const unsigned char *src, unsigned char *dest, unsigned char *base64, int index )
{
    assert( src );

    unsigned char one;
    unsigned char two;
    unsigned char thr;
    unsigned char fou;

    size_t len = strlen( src );
    if ( len >= 3 )
    {
        one = src[0] >> 2;
        two = ( ( src[0] & 0x03 ) << 4 ) | ( src[1] >> 4 );
        thr = ( ( src[1] & 0x0F ) << 2 ) | ( src[2] >> 6 );
        fou = src[2] & 0x3F;

        *( dest + index++ ) = base64[one];
        *( dest + index++ ) = base64[two];
        *( dest + index++ ) = base64[thr];
        *( dest + index   ) = base64[fou];
    }
    else if ( len == 2 )
    {
        one = src[0] >> 2;
        two = ( ( src[0] & 0x03) << 4 ) | ( src[1] >> 4 );
        thr = ( src[1] & 0x0F ) << 2;

        *( dest + index++ ) = base64[one];
        *( dest + index++ ) = base64[two];
        *( dest + index++ ) = base64[thr];
        *( dest + index   ) = '=';
    }
    else if ( len == 1 )
    {
        one = src[0] >> 2;
        two = ( src[0] & 0x03 ) << 4;

        *( dest + index++ ) = base64[one];
        *( dest + index++ ) = base64[two];
        *( dest + index++ ) = '=';
        *( dest + index   ) = '=';
    }
    else
    {
        printf( "Unknow length\n" );
    }

    return len >= 3 ? 3 : len;
}

void
base64_encode( const unsigned char *src, unsigned char *dest )
{
    assert( src );

    unsigned char base64[] = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";
    int index = 0;
    while ( *src )
    {
        int step = base64_string( src, dest, base64, index );

        index += 4;
        src   += step;
    }

    *( dest + index ) = '\0';
}

 

二，Base64解码

1，原理

        Base64字符串以四字节为一组，转换为三字节的过程。依次类推，直到全部转化完成。

2，数组

        由于Base64编码时用到如下所示的字符数组进行转换，字符数组如下：

ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/

        由上可知，A在数组的位置为0，故有（A，0）,依次类推有（B，1），（C，2）等。故可得如下所示的对应关系：

A  B  C  D  E  F  G  H  I  J
0  1  2  3  4  5  6  7  8  9

K  L  M  N  O  P  Q  R  S  T 
10 11 12 13 14 15 16 17 18 19

U  V  W  X  Y  Z  a  b  c  d
20 21 22 23 24 25 26 27 28 29

e  f  g  h  i  j  k  l  m  n
30 31 32 33 34 35 36 37 38 39

o  p  q  r  s  t  u  v  w  x
40 41 42 43 44 45 46 47 48 49

y  z  0  1  2  3  4  5  6  7
50 51 52 53 54 55 56 57 58 59

8  9  +  /
60 61 62 63

        由于编码时，如果得到的一个字节的值为0那么编码后即为A。相应的，在解码过程中，如果一个字节的值为A，那么转换为0即可。由于A的十进制值为65，而在编码数组的下标为0。既有A-65-0。同理，B的十进制值为66，在编码数组的下标为1，既有B-66-1。

        Base64字符所在的区间为A-Z，a-z，0-9，+，/。由上可知，其中的临界值有如下对应关系：

base64字符 - 字符值（解码数组的下标） - 在base64编码数组中的下标

A  -  65  -  0

Z  -  90  -  25

a  -  97  -  26

z  - 122 -  51

0  -  48  -  52

9  -  57  -  61

+  -  43  -  62

/   -  47  -  63

        一个字节八位，故最大值为2^8 = 256，但由上临界值可知最大值为122，所以实际解码数组定义为124长度即可（0-122存关键信息，123存'\0'）。故可得如下数组：

0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x3E, 0x00, 0x00, 0x00, 0x3F, 
0x34, 0x35, 0x36, 0x37, 0x38, 0x39, 0x3A, 0x3B, 0x3C, 0x3D, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 
0x00, 0x00, 0x01, 0x02, 0x03, 0x04, 0x05, 0x06, 0x07, 0x08, 0x09, 0x0A, 0x0B, 0x0C, 0x0D, 0x0E, 
0x0F, 0x10, 0x11, 0x12, 0x13, 0x14, 0x15, 0x16, 0x17, 0x18, 0x19, 0x00, 0x00, 0x00, 0x00, 0x00, 
0x00, 0x1A, 0x1B, 0x1C, 0x1D, 0x1E, 0x1F, 0x20, 0x21, 0x22, 0x23, 0x24, 0x25, 0x26, 0x27, 0x28, 
0x29, 0x2A, 0x2B, 0x2C, 0x2D, 0x2E, 0x2F, 0x30, 0x31, 0x32, 0x33,

        获取数组的程序如下所示：

void
create_array( unsigned char *array )
{
    int index  = 0;
    for ( index  = 0; index < 123; index += 1 )
    {
        if ( index == 0x2B )
        {
            *( array + index ) = 0x3E;
        }
        else if ( index == 0x2F )
        {
            *( array + index ) = 0x3F;
        }
        else if ( index >= 0x30 && index <= 0x39 )
        {
            *( array + index ) = 0x34 + index - 0x30;
        }
        else if ( index == 0x3D )
        {
             /* 特殊字符'='，也可合并到else情况 */
            *( array + index ) = 0x00;
        }
        else if ( index >= 0x41 && index <= 0x5A )
        {
            *( array + index ) = index - 0x41;
        }
        else if ( index >= 0x61 && index <= 0x7A )
            *( array + index ) = 0x1A + index - 0x61;
        }
        else
        {
            *( array + index ) = 0x00;
        }
    }

    *( array + 123 ) = '\0';
}

3，解码

解码时分三种情况处理：

1）四个字符中最后一个字符为'='的情况，以YWE=为例：

首先将除'='外的字节转换为对应的二进制：

Base64第一个字节：Y ：24 ＝ 0001 1000（24是Y对应数组下标的值）

Base64第二个字节：W：22 ＝ 0001 0110

Base64第三个字节：E ：4   ＝ 0000 0100

        取Base64的第一字节后六位（011000）和Base64第二字节去掉前两位填充位00后（010110）的前两位（01），拼接后既得UTF－8编码的第一个字节（01100001）

        取Base64的第二字节后四位（0110）和Base64第三字节去掉前两位填充位00后（000100），再去掉后两位填充位00后（0001），拼接后既得UTF－8编码的第二个字节（01100001）

2）四个字符中最后两个字符为'='的情况，以YQ==为例：

首先将除'='外的字节转换为对应的二进制：

Base64第一个字节：Y ：24 ＝ 0001 1000

Base64第二个字节：Q ：16 ＝ 0001 0000

        取Base64的第一个字节后六位（011000）和Base64第二字节去掉前两位填充位00后（010000），再去掉后四位填充位0000后（01），拼接后即可得UTF－8编码的第一个字节（01100001）

 

3）四个字符中不包含字符'='的情况，以5Lil为例：

首先将除'='外的字节转换为对应的二进制：

Base64第一个字节：5：57 ＝ 0011 1001

Base64第二个字节：L：11 ＝ 0000 1011

Base64第三个字节：i：34  ＝ 0010 0010

Base64第四个字节：l：37  ＝ 0010 0101

 

        取Base64第一个字节后六位（111001）和Base64第二字节去掉前两位填充位00后的前两位（00），拼接后既得UTF－8编码的第一个字节（11100100）

        取Base64第二字节的后四位（1011）和Base64第三字节去掉前两位填充位00后的前四位（1000），拼接后既得UTF－8编码的第二字节（10111000）

        取Base64第三字节的后两位（10）和Base64第四字节的后六位（100101），拼接后既得UTF－8编码的第三字节（10100101）

 

综上可知，解码程序如下：

int
decode_string( const unsigned char *src, unsigned char *dest, unsigned char *array, int index )
{
    assert( src );

    int step = 0;

    unsigned char one;
    unsigned char two;
    unsigned char thr;
    if ( src[3] == '=' && src[2] == '=' )
    {
        one = ( array[src[0]] << 2 ) | ( array[src[1]] >> 4 );
        *( dest + index ) = one;

        step = 1;
    }
    else if ( src[3] == '=' )
    {
        one = ( array[src[0]] << 2 ) | ( array[src[1]] >> 4 );
        two = ( ( array[src[1]] & 0x0F ) << 4 ) | ( array[src[2]] >> 2 );

        *( dest + index++ ) = one;
        *( dest + index   ) = two;

        step = 2;
    }
    else
    {
        one = ( array[src[0]] << 2 ) | ( array[src[1]] >> 4 );
        two = ( ( array[src[1]] & 0x0F ) << 4 ) | ( array[src[2]] >> 2 );
        thr = ( array[src[2]] << 6 ) | array[src[3]];

        *( dest + index++ ) = one;
        *( dest + index++ ) = two;
        *( dest + index   ) = thr;

        step = 3;
    }

    return step;
}

void
base64_decode( const unsigned char *src, unsigned char *dest )
{
    assert( src );

    unsigned char array[124];
    memset( array, 0x00, 124 );
    create_array( array );

    int index = 0;
    while ( *src )
    {
        int step = decode_string( src, dest, array, index );

        index += step;
        src   += 4;
    }

    *( dest + index ) = '\0';
}

从原理上搞定编码-- Base64编码

一. Base64编码由来

　　为什么会有Base64编码呢？因为有些网络传送渠道并不支持所有的字节，例如传统的邮件只支持可见字符的传送，像ASCII码的控制字符就 不能通过邮件传送。这样用途就受到了很大的限制，比如图片二进制流的每个字节不可能全部是可见字符，所以就传送不了。最好的方法就是在不改变传统协议的情 况下，做一种扩展方案来支持二进制文件的传送。把不可打印的字符也能用可打印字符来表示，问题就解决了。Base64编码应运而生，Base64就是一种 基于64个可打印字符来表示二进制数据的表示方法。

　　二. Base64编码原理

　　看一下Base64的索引表，字符选用了"A-Z、a-z、0-9、+、/" 64个可打印字符。数值代表字符的索引，这个是标准Base64协议规定的，不能更改。64个字符用6个bit位就可以全部表示，一个字节有8个bit 位，剩下两个bit就浪费掉了，这样就不得不牺牲一部分空间了。这里需要弄明白的就是一个Base64字符是8个bit，但是有效部分只有右边的6个 bit，左边两个永远是0。

 

　　那么怎么用6个有效bit来表示传统字符的8个bit呢？8和6的最小公倍数 是24，也就是说3个传统字节可以由4个Base64字符来表示，保证有效位数是一样的，这样就多了1/3的字节数来弥补Base64只有6个有效bit 的不足。你也可以说用两个Base64字符也能表示一个传统字符，但是采用最小公倍数的方案其实是最减少浪费的。结合下边的图比较容易理解。Man是三个 字符，一共24个有效bit，只好用4个Base64字符来凑齐24个有效位。红框表示的是对应的Base64，6个有效位转化成相应的索引值再对应 Base64字符表，查出"Man"对应的Base64字符是"TWFU"。说到这里有个原则不知道你发现了没有，要转换成Base64的最小单位就是三个字节，对一个字符串来说每次都是三个字节三个字节的转换，对应的是Base64的四个字节。这个搞清楚了其实就差不多了。

　　但是转换到最后你发现不够三个字节了怎么办呢？愿望终于实现了，我们可以用两 个Base64来表示一个字符或用三个Base64表示两个字符，像下图的A对应的第二个Base64的二进制位只有两个，把后边的四个补0就是了。所以 A对应的Base64字符就是QQ。上边已经说过了，原则是Base64字符的最小单位是四个字符一组，那这才两个字 符，后边补两个"="吧。其实不用"="也不耽误解码，之所以用"="，可能是考虑到多段编码后的Base64字符串拼起来也不会引起混淆。由此可见 Base64字符串只可能最后出现一个或两个"="，中间是不可能出现"="的。下图中字符"BC"的编码过程也是一样的。